33 equipos. 99 builders.
un fin de semana.

// cómo lo hicieron

App Android en Kotlin que, con un servicio de accesibilidad, manda el audio de la llamada por WebSocket a un servidor FastAPI. Deepgram Nova-3 transcribe en streaming y Claude Haiku 5.5 devuelve, también en streaming, un riesgo de 0 a 100 con las frases que delatan la estafa; si no contesta en 9 s entran reglas por palabras clave. Alertas por Twilio, panel en Next.js y analítica en SQLite.

• bruno casos de demo, panel web, tests del detector, docker y guion del pitch
• pedro telefonía con deepgram y reconexión, app android, analítica e integración
• matias detector de estafas con haiku en streaming, reglas, alertas y casos de demo

// cómo lo hicieron

Monorepo con agentes y backend en Python (FastAPI, uv), UI en React y una extensión de Chrome hecha con WXT. MediaPipe reconoce pose y manos en el navegador, un clasificador temporal chico entrenado con LSA64 da las glosas y Claude Haiku arma la frase o elige qué palabras tienen seña. El avatar 3D (VRM en three.js) reproduce movimientos reales del dataset, convertidos de landmarks a rotaciones.

• bruno ui de los modos voz, foto y cámara, y rediseño de la vista voz → señas
• juan extensión, clips del avatar curados y chequeos anatómicos de manos y brazos
• german monorepo base, avatar 3d vrm con 1350 señas lsa y búsqueda por similitud

// cómo lo hicieron

Next.js 16 con la API de Claude y salida estructurada validada con Zod, con respaldo por OpenRouter. Un pipeline adapta el práctico por cada combinación de perfiles del grupo y un verificador con mathjs chequea que los números no cambien. Los estudiantes responden con la mirada (MediaPipe en el navegador) o dictando, ElevenLabs lee las consignas y los datos viven en localStorage.

• adrian adaptador de prácticos con claude, verificador de ecuaciones y lectura por voz
• mauricio agente y grupos, modos motriz y disgrafía por voz, pdf y ci en github actions

// cómo lo hicieron

Backend FastAPI y panel Next.js, ambos en Railway. La llamada entra por Twilio y la atiende un agente conversacional de ElevenLabs conectado al backend por webhooks: identifica cuenta y PIN, informa el saldo y toma la apuesta. Resuelve nombres de caballos mal transcritos y montos en palabras, manda el comprobante por SMS y tiene cola FIFO con posición; un operador puede atender desde el navegador.

• guillermo backend en python: llamadas grabadas, sms por boleto y pin en la ventanilla
• phillip agente de voz en elevenlabs, tools del backend, deploy en railway y ui del crm
• manuel harness de agentes y revisión de prs, hooks y mocks del /demo en la web

// cómo lo hicieron

Monorepo Better-T-Stack con Next.js 16 y Convex, desplegado en Vercel. La consulta por voz usa Gemini Live con un avatar 3D animado (TalkingHead) y el paciente por texto usa Gemini Flash. Sin clave de IA el paciente responde por reglas, y un corpus de detectores en código decide cuándo el estudiante cierra el examen, da un diagnóstico o un consejo.

• rosario frontend en next.js: examen de rodilla, tensiómetro interactivo y avatar 3d en la consulta
• martina motor de voz y detectores del diálogo médico, con corpus de frases y tests en typescript
• romina avatar 3d del paciente con talkinghead: lipsync, personalidades y examen de garganta

// cómo lo hicieron

API FastAPI con Postgres y pgvector, workers que destilan lecciones y un tablero estático detrás de Caddy, desplegado en AWS con Docker Compose. Se engancha a Claude Code con hooks y un plugin con MCP: registra la situación de cada sesión y responde con avisos de solapamiento, lecciones y recetas del equipo. Agentes Hermes mantienen una bóveda de Obsidian con lo aprendido.

• nicolas bandeja hermes que archiva lecciones en la bóveda, plugin y detector de insights
• alberto herramientas para medir cómo usa claude el equipo y bots en vivo en la ui
• nicolas api en python, lectura de la bóveda por git, hooks del agente e infra de deploy

// cómo lo hicieron

App Next.js con Supabase. Claude (Sonnet y Haiku 5.5) identifica el modelo desde fotos, busca el manual con búsqueda web y arma la guía paso a paso; ElevenLabs pone la voz. El visor 3D en React Three Fiber arma el aparato a partir de datos del pack (cámaras, patas de la TV, carcasa de auriculares) y, si no hay manual, ubica las piezas con fotos de guías de iFixit.

• diego visor 3d con modelos glb, generador de planos, base del proyecto y tests e2e
• juan base de conocimiento, guía del experto, recepción y avisos de seguridad con IA
• ignacio pantallas de la app en next.js, supabase, voz y vista previa de los links

// cómo lo hicieron

Next.js con Supabase, Drizzle y el AI SDK con varios proveedores (Claude, Gemini, DeepSeek). Toma los datos abiertos de ARCE, resume pliegos con IA y vectoriza artículos con embeddings de Gemini en pgvector para buscar precios adjudicados por significado. Expone un servidor MCP de solo lectura para usar la base desde Claude, ChatGPT o un ERP, y la entrevista de onboarding también es por voz.

• máximo mejoras de la app, aviso de contradicciones y página cómo funciona la IA
• sebastián frontend, landing y servidor mcp para cotizar, con diagrama de precios
• rafael matching de licitaciones, sugeridor de precios, chat del pliego y onboarding

// cómo lo hicieron

Backend FastAPI en Render y frontend React con Vite y shadcn en Vercel. Claude Sonnet normaliza cotizaciones en PDF, audio, foto o texto, con evidencia de dónde salió cada número, y un solver de programación lineal con PuLP reparte la compra entre proveedores. La negociación se ensaya contra un gemelo digital de cada proveedor, y el front tiene un modo mock con datos JSON.

• emiliano frontend completo con shadcn/ui y modo mock, y rediseño del agente de compras
• guzman compra por stock mínimo de punta a punta y pantalla depósito del stock

// cómo lo hicieron

Modelo de visión propio en PyTorch (timm y CLIP, con YOLO para encontrar la vaca), exportado a ONNX y servido con FastAPI en Railway junto a la web. Devuelve el BCS con una distribución calibrada, intervalo conformal al 90% y estado de baja confianza fuera del rango validado. Un modelo multimodal de OpenAI describe la foto en paralelo, sin ver el puntaje predicho.

• pablo preprocesamiento del dataset bcs y entrenamiento de los modelos de visión
• pablo núcleo en python (src/bcs), web, tests con fixtures y evaluación final g4

// cómo lo hicieron

Front React + Vite para celular y 12 Vercel Functions. Claude Haiku 5.5 hace la visión del plato y extrae el relato transcripto con Whisper en Groq; Claude Sonnet 5.5 escribe la receta solo con candidatos que le pasa el grafo. Las comidas quedan en MongoDB y lo aprendido de cada chico en Neo4j; los nutrientes salen de la tabla USDA y las alergias se validan por código, nunca por la IA.

• joaquin pantallas en react, generación de recetas con llm y alta del perfil por voz
• ignacio motor de IA y grafo nutricional del server: prompts de recetas, franjas y evals
• martin ui con tailwind v4 y shadcn, logo de la marca y endpoints de perfil y progreso

// cómo lo hicieron

Backend FastAPI en un solo proceso en Railway, que también sirve la app web. OpenAI transcribe los audios y Claude extrae los relatos de varias voces, intenta explicar un desvío, redacta la pregunta y el informe. Lo que no puede fallar (alertas rojas, consentimiento, verificador) es código con tests; los pasos llegan del iPhone por un Atajo y la pulsera es un simulador rotulado.

• franco ingesta de la pulsera, simulador de biometría, reglas clínicas y endpoints
• juan web de la familia y del médico, perfil que aprende, bitácora y marca neuro
• guadalupe pipeline de transcripción y extracción, informe médico con IA y diseño v3.1

// cómo lo hicieron

Python sobre el sample oficial de AP2 con Google ADK y A2A, sin tocar el protocolo. El Guard es un proxy A2A entre la respuesta del comercio y la firma del usuario: verifica la oferta con datos estructurados, un filtro con Gemini separa órdenes al agente de pasos legítimos del pago (OTP) y emite un recibo firmado. Un benchmark con un comercio atacante mide el efecto.

• manuel agente de intención, guard de parámetros autorizados y vista agente del dashboard
• bruno integración del protocolo ap2, persistencia de datos y flujo de pasajes aéreos
• facundo proxy y filtro de seguridad en python, dashboard con modo /demo y sus tests

// cómo lo hicieron

Monorepo TypeScript con API y web en React: Gemini analiza el material y decide cortes, encuadre y efectos, y Remotion renderiza el video final. Whisper transcribe para los subtítulos y ElevenLabs genera acentos sonoros. Las decisiones del modelo se validan antes de renderizar, hay un MCP local para pedir trabajos a la API y la demo limita cupos y duración. La landing aparte es Astro con lista de espera en SQLite.

• francisco api y web del editor de video: pipeline editorial, guiones y exportes pro
• joaquin landing en astro de hooksage: bilingüe, planes de precios, waitlist y videos

// cómo lo hicieron

Next.js con Supabase y login de Google, desplegado en Vercel. El bot de WhatsApp corre en n8n con WAHA y le pasa cada mensaje a la app, que devuelve la guía de qué preguntar; las llamadas usan voz en tiempo real. Claude Haiku 5.5 arma el perfil del interesado y completa la ficha desde el aviso pegado, y los no negociables del dueño pasan una validación legal.

• santiago panel del propietario en next.js, app de ios en swift y bot de whatsapp
• ignacio guía de preguntas del perfilado y adaptación al esquema de supabase
• gabriel perfilado con citas verificadas, casos sintéticos y onboarding del propietario

// cómo lo hicieron

App Expo (React Native) con Mapbox, API en Hono sobre Vercel y Supabase con PostGIS. Claude Sonnet 5.5 es el cerebro con varios agentes (planificador, tours, investigador, visión) usando Tool Runner y búsqueda web, con esfuerzo distinto por tarea; la voz 1 a 1 es OpenAI Realtime por WebRTC con token temporal. Lugares y rutas salen de Google, el clima de Open-Meteo, y hay simulador de GPS.

• juan app mobile y api: planificador de tours, scout en la app y ubicación por gps
• tomas voz por bluetooth, tour interior, traslados en transporte público y research
• josefina generador de tours con eventos y clima, ui del mundo scout y pestaña tours

// cómo lo hicieron

Backend FastAPI con SQLAlchemy y Alembic en Railway, y frontend Next.js en Vercel con el wizard de onboarding. El canal es WhatsApp vía Kapso: un orquestador con prompts armados desde archivos coordina agentes que escriben con Gemini y generan imágenes y carruseles con Gemini. Publica en Instagram con Zernio usando claves de idempotencia; datos y fotos viven en Supabase y cada decisión está en un ADR.

• facundo analista de nicho con gemini y respuestas al dueño para generar posts
• matías onboarding en next.js y whatsapp, brand brain y carruseles con gemini
• guido orquestador del backend, whatsapp con kapso, aprobación de posts y railway

// cómo lo hicieron

Pipeline de visión en Python con OpenCV: una cámara en alto (también sirve el celular con DroidCam) manda cuadros, YOLO detecta y sigue los platos de cada mesa y Claude Haiku estima cuánta comida queda. Un clasificador híbrido deja que Claude lea los platos que YOLO pierde, el estado se decide por mayoría de cinco lecturas y un motor de alertas avisa al mozo por Telegram.

• tomás visión híbrida yolo + claude por plato, detector yoloe e ids por posición
• jessica visión de platos, avisos y métricas por telegram y base sqlite de eventos
• matias proveedor openai con decisions api, captura de cámara y docker del servidor

// cómo lo hicieron

Monorepo TypeScript con dashboard Next.js en Netlify y un orquestador en un sandbox de Tenki, unidos por Netlify Blobs. Un analizador con Claude Sonnet lee eventos reales de PostHog y saca hallazgos por segmento; un agente de código con Claude Agent SDK abre el PR con el arreglo y un enjambre de agentes en Playwright, con personas distintas, re-testea el preview registrando sus propios eventos.

• alexis dashboard estilo posthog, pipeline de análisis, deploy en netlify y pitch
• mauricio orquestador en tenki, enjambre con eventos de posthog y loop de arreglos
• joaquín tienda de demo, worker del enjambre en tenki y personas sintéticas kai y rosa

// cómo lo hicieron

Next.js donde cada área tiene su agente (perfil, métricas, reels, guionista, editor y más) con una ficha de experto investigada cargada en el prompt. Corre con Claude Code headless (claude -p) o con la API de Anthropic, con herramientas propias por MCP y búsqueda web. Los datos vienen de Meta y Windsor, los números los calcula el código y el editor arma reels con Whisper y ffmpeg.

• paul app next.js con agente claude, skills del método de edición y métricas con windsor

// cómo lo hicieron

App de escritorio en Electron y una API Fastify en Railway, con contratos compartidos en Zod y JSON Schema. Claude interpreta el pedido contra las opciones de la página, elige la variante exacta del trámite y, solo si no sabe cómo seguir, investiga el paso a paso con búsqueda web. La voz usa OpenAI para transcribir y hablar, y un panel de protección de sitios verifica las URLs.

• gastón mvp del navegador asistido y deploy de la api en railway y tenki
• agustín app desktop y api: interpretación de pedidos, prompts y verificación de urls

// cómo lo hicieron

Next.js con Supabase y crons de Vercel, con Gemini como modelo. Cada turno pasa por un analizador LLM que convierte la respuesta en evidencias de una rúbrica científica versionada (Holland, Prediger, Gati, SCCT), un perfil y un planificador puros en código, y un entrevistador que redacta con guardas. Después, subagentes buscan, verifican fuentes y eligen hasta tres caminos; tiene 63 pruebas.

• martin entrevistador vocacional con llm, devolución riasec, tests y deploy en vercel
• santiago motor de perfil riasec, entrevista inicial y preview aislado sin supabase
• benjamin landing, dónde estudiar con programas reales, navegación y accesibilidad

// cómo lo hicieron

Next.js 16 con shadcn/ui y Supabase. La voz es una llamada en tiempo real con OpenAI Realtime por WebRTC (modelo mini, VAD del servidor y corte por costo o inactividad). Los lugares salen de Google Maps, un motor de recomendaciones con tests cruza gustos y cercanía, y suma avisos de proximidad, traductor y cámara para preguntar qué estás viendo. Un reloj simulado y un joystick mueven la demo.

• nicolas búsqueda de lugares, tarjetas con foto, onboarding animado y perfil del viajero
• tiago agente con avisos de cercanía, traductor con elevenlabs y reloj simulado
• lucas traductor conversacional, cámara a pantalla completa y pwa instalable

// cómo lo hicieron

Backend TrailBase con extensiones en Rust-WASM, front en React con shadcn y un servicio de agentes en TypeScript. El núcleo llama a Claude Code en modo headless con Haiku y un JSON Schema de salida; el research usa el MCP de Exa y solo guarda fuentes que Exa devolvió. Un servicio aparte con Graphiti y FalkorDB guarda la red de founders como grafo para hacer match por problemas y enfoques.

• manuel prototipo con trailbase, agente cofundador, validación de hipótesis y frontend

// cómo lo hicieron

PWA en React servida por un Cloudflare Worker, con Supabase (Postgres con RLS, auth de Google y Edge Functions). Claude Sonnet corre solo en una Edge Function con herramientas: busca productos con full-text en español, guarda perfil y menú y arma la lista. Un scraper en Python carga precios de supermercados con historial por trigger, y las decisiones quedan en unas 30 ADRs.

• ivan marca viveri, rediseño v2 con login de google y deck del pitch en /pitch
• francisco scraper de supermercados, edge functions, carrito de ta-ta y adrs
• camilo frontend en react: menú, lista de compras con precios, chat y edge functions

// cómo lo hicieron

Backend FastAPI y web Next.js en Render, con Supabase Storage para los audios. Whisper en Groq transcribe y gpt-oss-120b con salida estructurada hace triage de emergencias, extracción con cita textual por dato y consultas en lenguaje natural; el código verifica cada cita y compara contra el plan de cuidado. Login con código por SMS de Twilio y un script de evaluación con 20 casos.

• felipe capa llm agnóstica con groq, triage, invitaciones y avisos al equipo
• santiago web en next.js y backend en python: auth por teléfono, pacientes y evals
• erika backend y web: alertas, notificaciones, roles, invitaciones y keep-awake

// cómo lo hicieron

Next.js 16 con SQLite vía Drizzle, push web y OAuth con GitHub, Linear y Slack, más Google Health y Calendar. Gemini narra los resúmenes, lee fotos de comida y propone acciones del agente como JSON validado en el servidor. Los cruces con papers y el puntaje son deterministas a propósito: la IA solo narra lo que pasa el control, y de Slack se guarda la hora, nunca el contenido.

• santiago frontend en next.js: carriles del día, mapa de estrés, ui ascii e ingestas
• renzo login con google, oauth de calendar, slack, github y linear, y cron del agente

// cómo lo hicieron

Next.js con Postgres, sesiones con iron-session y mapa con Leaflet. El reporte se arma conversando: un LLM (DeepSeek) pide aclaraciones, extrae la dirección y redacta, y un modelo de decisión de typesafe.ai evalúa el reporte, lo compara con candidatos para agruparlo y define la prioridad con umbrales. Tiene bandejas para cada unidad de respuesta y seeds de cuadrillas por zona.

• federico backend de operación, tests de base de datos, seeds, consola en next.js y pitch
• zuo despacho transaccional, consultas de estado en lenguaje natural y polling

// cómo lo hicieron

Monorepo pnpm con un worker Node que atiende Telegram, panel Next.js en Vercel y Supabase con realtime. Claude Sonnet interpreta el pedido con salida estructurada y los audios se transcriben; después reglas y un gate en código, sin IA, deciden qué se publica. Lo que toca código va a un agente con Claude Agent SDK que abre un PR con preview de Vercel. Un primer repo probó un clasificador con DeepSeek de respaldo.

• salvador panel, worker y agente: pedidos de cambios, vistas previas y performance
• juan bot de telegram, cola y pipeline del worker, panel y esquema en supabase

// cómo lo hicieron

Next.js con Upstash Redis y push web, sin base de datos tradicional. Claude responde al abuelo, con lectura en voz alta, y arma la configuración charlando con la familia; todas las llamadas a la IA pasan por un solo módulo del servidor. Un Apps Script en Gmail lee esa configuración para clasificar y proteger mails, y hay un botón de ayuda que llama a la familia o al 911.

• ines protección de mail con gmail (apps script y oauth) y evaluación del asistente
• lara app del abuelo con voz, botón de ayuda, escudo anti-estafas y web push
• felipe panel de la familia: charla con IA, reglas, lugares y conexión de gmail

// cómo lo hicieron

Monorepo Better-T-Stack con Next.js, Convex y Better-Auth. Una acción de Convex procesa la visita: Claude Sonnet convierte las fotos y el audio del voluntario en una ficha estructurada con evidencia, y la urgencia se calcula con la tabla de puntajes real de la fundación (18 campos, máximo 135). Genera una ficha A4 descargable y un portal reúne a varias fundaciones.

• martina nueva visita con ficha por IA, historias para donantes y alta de usuarios
• camila identidad visual de rancho cero, roles de voluntario y coordinador y pitch
• luca portal de fundaciones, ranking, informe descargable y carga de audio

// cómo lo hicieron

Monorepo con una app Next.js en Vercel y el AI SDK. Claude Sonnet entrevista por chat (los audios se transcriben con ElevenLabs Scribe) y arma nombre, voz, paleta y brandbook; las imágenes y piezas salen de modelos de imagen de OpenAI y Gemini. Para el pitch armaron una herramienta con Playwright que recorre la app sola con cada caso de demo y graba un video por caso.

• ezequiel web en next.js: portada, flujo de creación de marca, corrida de noche y pitch
• juan entrevista por voz con elevenlabs, branderia con carrito y casos de demo
• rodrigo web del cliente con IA, compra de dominio por api de vercel y auditoría de costos