01 · ProjetosUna plataforma que convierte la URL de Google Maps de un negocio en una landing page completa y lista para publicar, mediante un pipeline de seis agentes de IA especializados que se pasan el trabajo entre sí.
+

Generador de Landing Pages con IA

Este proyecto nació de una pregunta simple: ¿por qué un negocio local necesita semanas y varios cientos de euros para tener una landing page decente, cuando ya existe toda la información necesaria en su propia ficha de Google Maps?

La plataforma toma como único punto de partida esa URL. A partir de ahí, un pipeline de seis agentes de IA especializados se pasan el trabajo entre sí, cada uno con una responsabilidad muy concreta:

- Planner — orquesta todo el proceso: extrae los datos reales del negocio (vía Google Places, scraping de su web y búsqueda enriquecida) y sintetiza un briefing. - Arqui — diseña el blueprint: la estructura y jerarquía de secciones de la landing, en formato JSON. - Codex — construye el HTML y CSS completos a partir de ese blueprint. - SEO — optimiza específicamente la cabecera (metadatos, structured data) sin tocar el resto de la página. - Picaso — se encarga de las imágenes. - Reviewer — revisa la calidad del resultado final antes de entregarlo.

El resultado es una landing page completa y funcional en cuestión de minutos, no de semanas: con su propia jerarquía de contenido, llamadas a la acción y estructura pensada para convertir visitas en clientes, servida en streaming en tiempo real mientras se genera, para que el usuario vea el progreso paso a paso en lugar de esperar a ciegas.

Construido en Python puro con FastAPI, combinando varios proveedores de IA según la tarea (Anthropic para el grueso del pipeline, OpenAI para la revisión final), con fallback silencioso cuando algún servicio externo de generación de imágenes no está disponible, para que el fallo de un componente nunca tumbe el resultado completo.

Fue un proyecto cerrado tras validar el concepto de principio a fin, con varias rondas reales de depuración: desde truncamientos de HTML por límites de tokens hasta fragmentos de markdown colándose en el resultado final — el tipo de problemas que solo aparecen cuando pones el pipeline a prueba con casos reales, no con ejemplos de laboratorio.

Vamos começar

Vamos falar