AL Grano Radar
Aplicación de escritorio funcional · v1.0.0 para Windows · Proyecto privado
Aplicación de escritorio para investigar canales, vídeos, comentarios y oportunidades de contenido.
Electron · React · TypeScript · SQLite · YouTube Data API v3 · OpenAI
Resumen y problema
Decidir qué grabar a continuación suele hacerse por intuición. La información que mejor responde a esa pregunta ya existe y es pública: los comentarios de los vídeos del propio nicho. El problema es el volumen — leer y cruzar cientos de comentarios de varios vídeos para detectar qué duda se repite es un trabajo de horas que casi nadie hace de forma sistemática.
AL Grano Radar automatiza ese recorrido completo: busca canales y vídeos mediante la API oficial de YouTube, descarga sus comentarios públicos, los clasifica uno a uno con IA, agrega los patrones que se repiten entre varios vídeos y propone ideas de vídeo con su justificación y las evidencias que la sostienen.
Es una aplicación de escritorio, no un servicio en la nube. Toda la investigación se guarda en una base de datos local en el ordenador del usuario: sin cuentas, sin servidor propio, sin telemetría. El usuario aporta sus propias claves de YouTube y OpenAI, por lo que el consumo de las APIs se gestiona directamente desde sus cuentas.
Cómo funciona
Configurar las claves
El usuario introduce su clave de YouTube Data API v3 y la de IA. Se cifran con el almacén seguro del sistema operativo antes de guardarse. Sin claves configuradas, la aplicación no realiza ninguna llamada de red.
Buscar y guardar
Búsqueda de canales y vídeos por palabra clave contra la API oficial. Lo relevante se guarda en la base local, con control de cuota diaria y caché para no malgastar peticiones.
Descargar comentarios
De cada vídeo guardado se descargan sus comentarios públicos. La aplicación registra si la descarga terminó verificada como completa y bloquea el análisis mientras no lo esté, en lugar de analizar una muestra parcial.
Clasificar y sintetizar con IA
Cada comentario se clasifica por categoría, sentimiento e intención. A partir de esas clasificaciones se generan insights: de un vídeo concreto, o de un conjunto de dos o más vídeos para detectar qué se repite en todo el nicho.
Revisar, decidir y exportar
De los insights se derivan ideas de vídeo con título, promesa, formato, dificultad, prioridad y los comentarios que las justifican. El usuario aprueba o descarta cada una y exporta el resultado.
Mi papel
Definí el producto, el problema que resuelve, la arquitectura sobre la que está construido y las reglas de ingeniería que la sostienen: frontera entre procesos como fuente única de verdad, borrados siempre transaccionales y con confirmación previa, nunca errores técnicos crudos en la interfaz, y un test de regresión por cada fallo real encontrado. Dirigí un proceso de desarrollo asistido por IA en el que diferentes agentes participaron en arquitectura, implementación, revisión y verificación, bajo un flujo estricto de una fase por rama, plan previo, revisión de la implementación y aprobación explícita antes de cada integración. Las decisiones de producto, arquitectura y seguridad, la aceptación de cada fase y la verificación final sobre el paquete instalado —instalación, prueba funcional con datos reales de extremo a extremo y comprobación de integridad de datos— fueron humanas.
Agentes utilizados en el proceso: ChatGPT Work · Claude Code · Codex
Arquitectura y tecnologías
Escritorio multiproceso
Electron con React y TypeScript, organizado como monorepo de varios paquetes independientes.
Arquitectura hexagonal
El dominio y los casos de uso no conocen ni Electron ni la base de datos. YouTube, IA, persistencia y exportadores son adaptadores intercambiables enchufados a interfaces.
Frontera blindada
La interfaz no accede a Node ni a la red: se comunica por canales tipados y validados en tiempo de ejecución, con aislamiento de contexto activo y una política de contenido que bloquea destinos externos.
Persistencia local
SQLite con migraciones versionadas que se aplican al arrancar. Sin cascadas automáticas: el borrado se resuelve en código, con vista previa, confirmación en dos pasos y transacción con reversión total.
Integración con YouTube
Solo API oficial y datos públicos, sin scraping. Gestor de cuota que corta antes del límite diario, caché en memoria y reintentos con retroceso exponencial.
Calidad y empaquetado
Vitest, ESLint, Prettier y verificación de tipos también sobre los tests. Distribución en instalador y ejecutable portable para Windows.
Cómo utiliza la IA
Para qué se usa
La versión actual utiliza modelos de OpenAI para clasificar comentarios, sintetizar insights y generar propuestas de contenido. Son tres tareas separadas, cada una con su propio prompt versionado y su propio modelo configurable, encadenadas: cada paso consume la salida ya validada del anterior. La arquitectura permite incorporar otros proveedores en el futuro.
Qué no hace la IA
No busca en YouTube, no descarga comentarios, no decide qué guardar ni qué borrar, no aprueba ideas y no publica nada. No es un agente autónomo: es un clasificador y un sintetizador dentro de un flujo que el usuario dirige paso a paso. La decisión final sobre cada idea es siempre humana.
Cómo se controla
Toda respuesta del modelo se valida contra un esquema estricto antes de tocar la base de datos; un valor fuera de catálogo cae a un valor seguro en lugar de descartar el comentario. Cada ejecución se persiste de forma transaccional: o se guarda entera, o no se guarda nada. Hacia el proveedor de IA viaja el texto de los comentarios y el título del vídeo y del canal — nunca el nombre del autor del comentario.
Decisiones y desafíos
Aplicación local en lugar de servicio en la nube
La investigación estratégica de un creador es material sensible. Guardarla en el propio equipo elimina el servidor que mantener y la cuenta que gestionar, a cambio de renunciar a colaboración y sincronización.
Claves cifradas sin plan B inseguro
Las claves se cifran con el almacén seguro del sistema. Si el cifrado no está disponible, la aplicación se niega a guardarlas en lugar de escribirlas en texto plano.
Ningún borrado automático en cascada
Borrar un canal muestra antes qué se va a eliminar, exige confirmación explícita y se ejecuta en una única transacción que revierte por completo si algo falla.
Analizar datos incompletos sin saberlo
Una descarga interrumpida dejaba una muestra parcial que la IA analizaba como si fuera el total. Se resolvió persistiendo el estado verificado de cada descarga y bloqueando el análisis mientras no conste como completa.
Una cascada de borrado con un hueco
Al eliminar un canal quedaban ideas huérfanas apuntando a datos inexistentes. Se centralizó la resolución de dependencias en un único punto, con un test que fuerza una violación real de integridad.
Un módulo nativo con dos entornos
La base de datos usa un binario compilado que debe coincidir con el entorno de ejecución: uno para la aplicación, otro para los tests. Se resolvió con pasos de reconstrucción explícitos y documentados.
Testing, seguridad y resultado
975
pruebas automatizadas verificadas
v1.0.0
empaquetada para Windows
Extremo a extremo
flujo funcional completo, de la búsqueda a la exportación
Las pruebas no se limitan al camino feliz: se verifica la reversión real de transacciones forzando violaciones de integridad, el rechazo de dominios falsificados al cargar miniaturas, la ocultación de claves y de nombres de autor en los registros, y el comportamiento de cada integración sin clave configurada. Además, la versión empaquetada se verificó manualmente sobre el instalador real con datos reales.
Seguridad y privacidad
Todo se guarda en el ordenador del usuario. La aplicación solo contacta con la API de YouTube, con el proveedor de IA que el propio usuario configure y con el servidor de miniaturas oficial de YouTube. Sin telemetría, sin analítica, sin llamadas ocultas. Las claves se cifran con el almacén seguro del sistema y los registros ocultan activamente las claves API y el nombre público del autor de cada comentario. Solo se utilizan datos públicos obtenidos mediante APIs oficiales, sin scraping.
Resultado
AL Grano Radar cubre hoy el recorrido íntegro desde una palabra clave hasta una lista de ideas de vídeo aprobadas y exportadas, con persistencia local, control de cuota, credenciales cifradas y una suite de casi mil pruebas automatizadas. Está empaquetada como versión 1.0.0 y verificada sobre el ejecutable real con datos reales.
Captura
Ficha técnica
- Tipo de aplicación
- Aplicación de escritorio
- Plataforma
- Escritorio (Windows)
- Estado
- Funcional
- Disponibilidad
- Herramienta interna
- Datos
- Almacenamiento local
- Tecnologías principales
- Electron · React · TypeScript · SQLite · YouTube Data API v3 · OpenAI · Arquitectura hexagonal · Modelo BYOK
- Versión
- v1.0.0
- Sistema
- Windows x64
- Distribución
- Instalador y versión portable
- Pruebas
- 975 pruebas automatizadas verificadas
- Privacidad
- Sin cuentas de usuario · sin telemetría
- Proceso
- Desarrollo asistido por ChatGPT Work, Claude Code y Codex
- #YouTube
- #Análisis de contenido
- #Insights con IA
Próxima etapa
Aplicación de escritorio funcional · v1.0.0 para Windows · Proyecto privado
AL Grano Radar ha alcanzado una primera versión funcional para Windows, empaquetada y verificada con datos reales. Actualmente se utiliza como herramienta privada para investigar contenido y detectar oportunidades a partir de comentarios públicos de YouTube. La siguiente etapa puede centrarse en ampliar sus capacidades, preparar una distribución limitada o mantenerla como herramienta interna de AL Grano IA.
Actualmente no se distribuye públicamente. Está disponible para demostración.