Javier Norberto Zader

Proyectos personales y freelance · Córdoba, Argentina

• Diseñé y construí 3 proyectos grandes: APiGen (plataforma de generación de código), APiGen Studio (editor visual para microservicios) y Biogas Platform (monitoreo de plantas industriales con sensores en tiempo real y modelos predictivos).
• También construí ghagga (sistema de code review con AI multi-agente) y herramientas para mi propio flujo de trabajo: plantillas para empezar proyectos nuevos, instalación y configuración automática de máquinas de desarrollo, y configuraciones de AI CLIs.
• Trabajo con tests automatizados, conventional commits y especificaciones escritas antes del código (OpenSpec) en los proyectos donde corresponde.
• Uso AI assistants (Claude Code, Codex, opencode) como parte central del workflow, no como ayuda esporádica.

APiGen — Plataforma de generación de código

Cada nuevo backend repite las mismas estructuras (entidad, repo, service, controller, DTOs, security, observability) con variaciones inconsistentes entre equipos. APiGen toma un schema SQL o un contrato OpenAPI y genera un servicio backend listo para producción con features enterprise por default, expuesto vía CLI, HTTP, IDE plugin o MCP.

• Estado: side project propio. Repo público con la idea original (Dec 2024); la versión actual es una plataforma privada multi-lenguaje.
• Pipeline desacoplado: el parser y los templates no se conocen entre sí, lo que permite agregar lenguajes nuevos sin romper lo que ya funciona.
• 22 Gradle modules organizados en librerías, generadores y feature packs opcionales. El mismo engine se usa desde CLI, servidor HTTP, plugin de IDE o servidor MCP.
• Multi-protocolo: el mismo modelo expone REST + GraphQL + gRPC sin reescribir lógica de negocio.
• Enterprise features incluidas sin código adicional: soft delete, multi-tenancy, auditoría con Hibernate Envers, caché multinivel (Caffeine + Redis), optimistic locking.
• Stack: Java 25, Spring Boot 4, Gradle, Caffeine, Redis, Docker (con Dockerfile.native para GraalVM), OpenAPI, GraphQL, gRPC, Prometheus, JMH benchmarks, Spring Cloud Contract.

APiGen Studio — Editor visual de microservicios

Las arquitecturas de microservicios típicamente se diseñan en diagramas sueltos que después no se traducen directamente en código. Studio permite modelar visualmente entidades, conexiones entre servicios, gateway routes y flujos de eventos en el browser, y exportar el proyecto multi-servicio para alimentar APiGen.

• Estado: side project propio. Demo pública en apigen-web.vercel.app.
• No es solo modelado de entidades: diseña arquitecturas de microservicios completas (services, conexiones, gateway routes, flujos de eventos).
• Cuando los nodos tienen relaciones entre sí, la librería ELK los acomoda automáticamente para minimizar cruces de líneas; cuando son nodos sueltos, caen en una grilla regular.
• Export multiformato: ZIP de proyecto Spring Boot listo para correr, JSON del modelo, SQL DDL, y diagrama PNG/SVG del canvas.
• Autosave en IndexedDB con historial de snapshots y safety snapshots antes de imports destructivos. WCAG 2.1 AA con shortcuts de teclado — el editor de grafos funciona sin mouse.
• Stack: React 19, TypeScript 5.9, Vite 7, Mantine 8, Zustand, Zod, React Flow, ELK, Playwright, Vitest.

Biogas Platform — Plataforma industrial de monitoreo

Las plantas de biogás dependen de planillas Excel y mantenimiento reactivo, sin visibilidad en tiempo real del estado de los equipos. La plataforma centraliza ingesta de datos desde sensores, monitoreo en tiempo real, detección de anomalías y predicciones de mantenimiento.

• Estado: side project propio con dominio validado por un ingeniero ambiental que conoce el día a día de las plantas de biogás.
• Edge gateway en Rust como nodo industrial autónomo: lee PLCs por Modbus TCP/RTU, almacena local en SQLite, hace inferencia ONNX (<50ms), funciona offline.
• Modelos específicos por tarea: edge (Isolation Forest + Autoencoder para anomalías), cloud (LSTM + Prophet para forecasting de biogás/energía, Random Forest + XGBoost para predicción de fallos 4-24h adelante). SHAP para explicabilidad de cada predicción.
• Pipeline ML production-grade: training en Python con scikit-learn, export a ONNX, deploy en Rust con tests de paridad bit-identical. Continuous learning con retraining automático y drift detection (PSI) que monitorea degradación de modelos en producción.
• Monorepo con 5 apps: backend Go, edge gateway Rust, servicio de ML en Python, frontend React, app mobile (Ionic).
• Reduce downtime no planificado con mantenimiento predictivo basado en condición real de los equipos, en lugar de mantenimiento reactivo o calendarizado.
• Stack: Go + GORM + Gin, PostgreSQL, Redis, Mosquitto MQTT, Rust + Tokio + Axum, ONNX Runtime, Python, scikit-learn, React 19.

ghagga — Code review con AI multi-agente

Los code reviews manuales no escalan: dependen del tiempo, foco y experiencia del reviewer. ghagga combina agentes especializados de AI con herramientas de análisis estático para producir un informe único por pull request, disponible como SaaS, GitHub Action y CLI.

• Estado: producto en desarrollo. SaaS, GitHub App y CLI distribuidos desde el mismo monorepo.
• Distintos agentes especializados (security, quality, performance) revisan en paralelo y se sintetizan en un informe único.
• 12+ herramientas de análisis estático integradas (Semgrep, Trivy, Gitleaks, PMD, Biome, Ruff, etc.) con export SARIF para integrar con pipelines SecOps/SAST existentes.
• Health score por PR como métrica unificada que combina los hallazgos de los agentes y de los analizadores estáticos.
• El mismo engine atiende 3 canales: GitHub App, CLI y dashboard SaaS, dentro de un monorepo Turborepo con 4 apps y 3 packages.
• Stack: TypeScript, Turborepo + pnpm workspaces, Hono, BullMQ, Drizzle ORM, Vercel AI SDK, Octokit, React 19 + React Router 7 (dashboard), Commander (CLI), GitHub Action.

Consorcio Canalero — Sistema de gestión

El Consorcio Canalero 10 de Mayo (Bell Ville) gestionaba la red hídrica, reportes ciudadanos y administración en herramientas separadas. La plataforma centraliza monitoreo satelital, reportes ciudadanos y gestión administrativa del consorcio en una sola aplicación.

• Estado: trabajo freelance para un cliente real (Consorcio Canalero 10 de Mayo, Bell Ville).
• Integración con Google Earth Engine para monitoreo satelital + MapLibre con Mapbox GL Draw para visualización y edición geoespacial en el frontend.
• Tile server Martin (Rust) sirve datos vectoriales desde PostGIS al frontend en tiempo real, con caché de tiles PMTiles.
• Pipelines ETL en Python procesan datos espaciales (canales, escuelas, propiedades rurales) y los normalizan antes de cargarlos en PostGIS.
• Backend Python con FastAPI y SQLAlchemy 2.0 (async con asyncpg) sobre PostgreSQL + PostGIS; migrations con Alembic y auth con fastapi-users.
• Stack: React, TypeScript, Mantine, MapLibre, Mapbox GL Draw, Martin, Python, FastAPI, SQLAlchemy, PostgreSQL + PostGIS, Alembic, Google Earth Engine, Docker.

mcp-llm-bridge — LLM gateway y servidor MCP

Cada herramienta de AI requiere configurar credenciales y proveedores por separado, sin control centralizado de costos ni routing inteligente. mcp-llm-bridge cumple dos roles: gateway HTTP compatible con la API de OpenAI para herramientas externas, y servidor MCP para clientes como Claude Code o Cursor. Centraliza 11 proveedores de LLM (API keys y suscripciones CLI) detrás de un vault cifrado.

• Estado: side project propio. Gateway live en gateway.javierzader.com.
• 11 provider adapters: 5 API directos (Anthropic, OpenAI, Google, etc.) y 6 CLI-backed (Claude Code, Gemini CLI, Codex, Copilot, Qwen, OpenCode).
• Vault cifrado para credenciales, con scope por proyecto y fallback a `_global`.
• Task-aware routing: elige el provider óptimo según el tipo de tarea (generation, refactor, summary, code), con override por proyecto.
• MCP tools que van más allá de generation: operaciones de vault, búsqueda semántica de código, estado compartido vía CRDT, inspección de uso.
• Observabilidad end-to-end: traces con OpenTelemetry, métricas con Prometheus y logging estructurado con pino.
• Stack: TypeScript, Hono, @modelcontextprotocol/sdk, better-sqlite3, OpenTelemetry, Prometheus, pino, Zod 4.

Universidad Gastón Dachary · Posadas, Misiones, Argentina

Alura Latam · Online

• Estadísticas y Machine Learning (68h)
• ETL con Pandas/NumPy y visualización (61h)
• Modelado de datos con Python (40h)

Alura Latam · Online

• Java y Spring Boot G6 (104h): API REST con Spring Boot 3, seguridad, JPA/Hibernate, Streams/Lambdas.
• Java Orientado a Objetos (45h) y Java Web con Spring (34h).
• SQL con MySQL (DML, Procedures) (36h).

Argentina Programa · Online

Fundación Proydesa · Argentina