Construyendo event-scout: una micro-app agéntica que corre sin supervisión

Una vez por ejecución, event-scout recorre una base de datos curada de fuentes de sitios de eventos, calendarios, boletines y unos pocos feeds de LinkedIn. De todo lo que recupera, conserva solo eventos presenciales y futuros al alcance de Remagen, puntúa cada uno según su utilidad para nosotros, elimina duplicados en un único almacén y reconstruye un panel que de verdad abrimos.

Poco de esa lista es novedoso por sí solo. Lo que lo hace funcionar es que corre sin supervisión según un calendario, y que el juicio que aplica es el nuestro, no un filtro genérico de relevancia. El resultado no es un feed de todos los eventos tecnológicos de Alemania. Es una respuesta corta y clasificada a una pregunta: dónde deberíamos aparecer a continuación.

La decisión de diseño que importa es dónde se detiene el modelo y empieza un script.

El fetch se delega a un ayudante determinista. Un pequeño orquestador en Node renderiza cada fuente pendiente en un navegador headless real, así maneja páginas con JavaScript, muros ligeros anti-bot y listas de carga diferida, y captura datos de eventos estructurados de schema.org cuando una página los expone. Eso es fontanería: fiable, programable y siempre igual.

El agente lee lo que el fetcher guardó y hace las partes que resisten al hard-coding: extraer eventos reales de páginas desordenadas, decidir qué cuenta como presencial y relevante, puntuar cada uno, y detectar que dos anuncios son el mismo evento. Un segundo pequeño motor fusiona luego, poda entradas viejas y regenera el panel.

🔸 No hagas que el modelo haga lo que un script hace barato.
Renderizar una página y escribir un archivo es trabajo determinista. Pasárselo al modelo sería más lento, más caro y menos fiable.

🔸 No hagas que un script haga lo que necesita juicio.
Si un anuncio a medio formatear es un evento real, relevante y presencial es exactamente la llamada en la que un modelo es bueno y una regex no.

Poner esa línea en el lugar correcto es la mayor razón por la que la herramienta es fiable en lugar de una demo ingeniosa.

Un scout que revisa cada fuente por igual en cada ejecución desperdicia la mayor parte de su esfuerzo, porque los eventos no aparecen de forma uniforme.

Así que cada fuente lleva su propio historial breve de rendimiento. Las fuentes que producen eventos relevantes de forma fiable se revisan en cada ejecución. Las fuentes que vuelven vacías una y otra vez se repliegan hacia un enfriamiento creciente, una semana, luego dos, luego un mes, y se vuelven a probar al expirar en lugar de descartarse. Una fuente que simplemente no renderizó eventos se despriorizó en silencio; solo una fuente que falla al cargar varias veces seguidas se retira como rota.

El efecto es que la atención fluye hacia donde los eventos realmente aparecen, y se ajusta sola a lo largo de semanas sin que nadie la atienda. Ese autoajuste es lo que convierte lo de sin supervisión en una afirmación real y no en un deseo.

La puntuación es deliberadamente nuestra. Cada evento recibe un valor sobre 100, ponderado según nuestra situación: qué tan cerca y fácil de alcanzar es, con qué densidad la sala reúne el tipo de compradores que servimos, qué tan íntimo es, si hay una palanca concreta como un descuento o un turno para hablar, y qué tan pronto es.

La ponderación lleva una opinión que tenemos sobre la venta. Una gran conferencia solo clasifica alto cuando hay una palanca real que usar, porque para la venta basada en relaciones una sala abarrotada sin una vía de entrada vale menos que una mesa redonda regional pequeña donde de verdad podemos hablar con la gente. El resultado se lee como un panel de decisión más que como un calendario: apunta a dónde invertir un día, no a todo lo que existe.

Un feed genérico de eventos no podría codificar eso, porque el juicio es específico de cómo un equipo concreto gana trabajo. Esa especificidad es la razón por la que valió la pena construirlo en lugar de comprarlo.

event-scout es pequeño a propósito. Todo el asunto es un puñado de archivos JSON para las fuentes y el almacén de eventos, un par de scripts y un panel HTML autocontenido que se abre directo desde el disco. No hay base de datos que correr ni suscripción que renovar. Los datos siguen siendo nuestros, y también la puntuación.

Este es el mismo movimiento que los propios equipos no técnicos de Anthropic han descrito, construir pequeñas herramientas internas con un agente de codificación en lugar de presentar una solicitud y esperar (claude.com). Sobre ese patrón hemos escrito también desde el lado del usuario (iiterate).

No está libre de asperezas, y pretender lo contrario sería deshonesto. Las fuentes con muro de login necesitan una sesión capturada a mano una vez. Unos pocos sitios tercos siguen siendo leads manuales en lugar de resultados falsos. Y verificamos cada reconstrucción revisando la estructura de la página directamente, porque una captura de pantalla se atasca en la carga de una fuente tipográfica. Nada de eso cambia la conclusión: cuando una tarea es repetible y específica de cómo trabajas, un agente de codificación puede convertirla en una pequeña herramienta propia por menos que el SaaS o las horas manuales que reemplaza. La pregunta más difícil no es si puedes construir una. Es cuál de tus tareas semanales ha estado esperando en silencio convertirse en una.