Introducción: JobInsightAI es un agente inteligente desarrollado para integrarse con Telex.im mediante el protocolo A2A con el objetivo de ayudar a profesionales y desarrolladores a identificar proyectos personales o de cartera que los hagan destacar en postulaciones concretas.

Problema: Muchos aspirantes a puestos como Analista de Datos o Desarrollador Frontend no saben qué proyectos ejecutar para reforzar su CV. JobInsightAI resuelve esto ofreciendo recomendaciones de proyectos personalizadas a partir del título de trabajo o de la descripción del puesto.

Funcionamiento: Cuando un usuario interactúa con el agente en Telex.im ocurre el siguiente flujo: extracción del título de trabajo por coincidencia de texto, búsqueda en una base de datos SQLite local con descripciones cacheadas, envío del título y descripción al modelo LLM solo si hay coincidencia para generar recomendaciones, manejo de fallback solicitando que el usuario pegue la descripción cuando no hay coincidencias, y respuesta estructurada con una lista concisa de proyectos recomendados.

Arquitectura: El servicio sigue una estructura modular en Flask con archivos como app.py punto de entrada y endpoint A2A, logic.py con la lógica de decisión, ai.py para la integración con el modelo de lenguaje, db.py para las consultas SQLite y jobs.db con ofertas cacheadas. Esta separación permite sustituir el proveedor de LLM o escalar componentes sin afectar la lógica central.

Implementación técnica: 1. Endpoint Flask para recibir y responder mensajes A2A. 2. SQLite para minimizar llamadas al LLM y reducir costes y latencia. 3. Integración con APIs de LLM como OpenAI o alternativas gratuitas para generar ideas de proyectos. 4. Validación de entrada y manejo de errores para guiar al usuario cuando falta información.

Salida de ejemplo: Para el puesto Frontend Developer el agente puede sugerir Build a responsive portfolio website para destacar HTML, CSS y React, Develop a task manager app para demostrar gestión de estado y diseño de componentes, Clone a popular website para evidenciar implementación UI/UX.

Herramientas y tecnologías: Python con Flask para un backend ligero, SQLite para caché local, APIs de LLM para recomendaciones, y el protocolo A2A de Telex.im para comunicación en tiempo real. En Q2BSTUDIO combinamos estas capacidades con experiencia en desarrollo de aplicaciones a medida y soluciones de inteligencia artificial para empresas, ofreciendo servicios que abarcan desde software a medida hasta ciberseguridad y migración a la nube.

Sobre Q2BSTUDIO: Somos una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad, servicios cloud aws y azure, inteligencia de negocio y soluciones personalizadas. Nuestro enfoque integra prácticas de seguridad, optimización en la nube y diseño de agentes IA para empresas, permitiendo que proyectos como JobInsightAI se conviertan en productos escalables. Si buscas desarrollar una solución personalizada podemos ayudarte a diseñar desde la arquitectura hasta la implementación con nuestras ofertas de software a medida y aplicaciones a medida y servicios de inteligencia artificial para empresas.

Decisiones de diseño clave: eficiencia al llamar al LLM solo cuando hay coincidencia, modularidad para reutilización y fácil mantenimiento, y flujos de fallback para evitar consultas sin respuesta. Además, todas las respuestas cumplen con el formato JSON esperado por Telex.im para asegurar compatibilidad A2A.

Lecciones aprendidas: validar mensajes A2A mejora la robustez, preparar lógica interna antes de invocar el LLM reduce costes, y combinar caché local con IA ofrece agentes más rápidos e inteligentes. Flask demostró ser ideal para prototipos y despliegues rápidos de servicios de IA.

Conclusión: JobInsightAI muestra cómo la combinación de lógica backend estructurada y razonamiento de IA puede orientar el crecimiento profesional sin uso excesivo de recursos LLM. Este proyecto reforzó conocimientos en diseño de agentes IA, integraciones RESTful y uso eficiente de modelos de lenguaje. Como próximos pasos se planea mejorar la extracción de títulos con NLP y ampliar la base de datos de ofertas para recomendaciones más ricas, siempre apoyados en las mejores prácticas de desarrollo y seguridad que ofrecemos en Q2BSTUDIO.