Reemplacé mi portafolio estático con un agente de voz en producción. LiveKit para audio WebRTC, RAG para respuestas factuales y rate limiting por niveles para mantener la economía unitaria viable.
Como Senior Software Engineer en Eventbrite, diseñé capas de caching y deduplicación cross-service que redujeron el volumen de llamadas a APIs externas en 90%, bajaron costos de $15K/día a ~$40/mes, e impulsaron un aumento de 482% YoY en impresiones orgánicas. Luego transicioné a la plataforma de Ads donde ayudé a retirar un sistema ML de $60K/mes.
La mayoría de los portafolios son PDFs. Un reclutador lo ojea seis segundos y sigue adelante. Yo quería algo distinto: un agente de IA que pueda conversar en tiempo real sobre mi trabajo. No un chatbot con respuestas enlatadas. Un agente de voz fundamentado en mi experiencia real, desplegado en una URL pública, corriendo 24/7. Ese agente es celestino.ai, y es la demostración en vivo detrás del CTA "Míralo funcionando" en toda mi marca.
Construirlo me obligó a resolver los mismos problemas que resuelvo para clientes: presupuestos de latencia, grounding con RAG, economía unitaria y fiabilidad bajo tráfico real.
Voz y chat de texto comparten RAG, system prompt, sesiones y Supabase. La diferencia es el pipeline de I/O.
Voz:
Browser Mic -> WebRTC -> LiveKit Room
-> ElevenLabs Scribe v2 (STT)
-> Gemini 2.5 Flash (LLM)
-> ElevenLabs Flash v2.5 (TTS)
-> WebRTC -> Browser Speaker
Chat:
Browser Input -> POST /api/chat
-> RAG Retrieval (Supabase pgvector)
-> Gemini 2.5 Flash (AI SDK streamText)
-> SSE Stream -> Browser UI
Elegí LiveKit Agents porque resuelve lo difícil del audio en tiempo real: rooms, ciclo de vida de participantes, tracks y data channels. El agente corre como proceso Node.js separado, puede reiniciarse sin matar la sesión. Un selectModel() permite cambiar de proveedor (Anthropic, OpenAI, Google) sin tocar código, un vendor off-ramp por diseño.
En voz, el usuario espera en silencio. Más de un segundo y siente que el sistema se rompió.
Sin grounding, el agente inventaría datos plausibles sobre mi carrera. RAG es la barrera.
gemini-embedding-001 a 1536 dimensiones en Supabase pgvector.search tool vía llm.tool() de LiveKit. RAG bajo demanda, no inyectado en cada respuesta.Cada visitante cuesta dinero. Gemini 2.5 Flash es ~10x más barato por token que GPT-4, la palanca dominante. Voz añade STT/TTS de ElevenLabs, predecible y acotado por duración.
| Nivel | Límite | Caso de uso | |-------|--------|-------------| | Anónimo | 3/día | Visitantes casuales prueban el agente | | Free (autenticado) | 15/día | Suficiente para una conversación real | | Pro (suscriptor) | 500/día | Usuarios avanzados vía Stripe |
El rate limiter falla abierto ante errores de BD. Prefiero servir requests sin medir a mostrar una página de error.
retrieveContext() lanza error, retorna array vacío. Degrada de "experto fundamentado" a "generalista informado", no a crash.shouldIgnoreTranscript() rechaza audio con 2 caracteres alfanuméricos. Toses no disparan llamadas al LLM.BackgroundVoiceCancellation de LiveKit filtra antes del STT.celestino.ai está en producción en Vercel, con el agente LiveKit como proceso separado. Es el CTA principal en cada página, perfil y bio. No es un demo. Es un sistema con auth, rate limiting, persistencia, memoria y degradación graceful. La misma infraestructura que recomiendo a clientes.
Si estás construyendo un agente de voz en producción, un sistema de chat con RAG, o un producto de IA multimodal que necesita sobrevivir tráfico real - los presupuestos de latencia, patrones de rate limiting y estrategias de degradación documentados aquí aplican directamente. Este sistema practica lo que recomiendo a clientes.
Explorar Servicios de Consultoría de IA o enviar una consulta - respondo dentro de un día hábil.