Cómo Construyo YPH AI: ComfyUI, Cloudflare y Agentes de Cursor (Build Log de Fundador)

TL;DR para fundadores ocupados

• YPH AI → Digital Content Logistics: formato ganador → Seed Video → Collab → Proof-of-Post a escala long-tail.
• Dolor → Sample Deficit: las cajas escalan linealmente; la publicación y accountability de afiliados, no.
• Stack edge → Vite + React en Cloudflare Workers, D1 para datos de app, Queues para dispatch de jobs de render.
• Stack render → ComfyUI en GPUs NVIDIA (pool con autoscale); gateway en la GPU habla con ComfyUI en localhost.
• Loop dev → Agentes de Cursor para velocidad de iteración; revisión de fundador en posicionamiento y copy de compliance.

---

¿Por qué estoy construyendo YPH AI?

YPH AI (yourproducthere.ai/es/about) es La cadena de suministro digital del social e-commerce.

Operadores en TikTok Shop y canales similares chocan con el Sample Deficit: cada afiliado nuevo tradicionalmente significa otra caja física, otro retraso de courier y otro creador que quizá nunca publique. El costo logístico escala linealmente. El output creativo, no.

YPH no promete reemplazar todo el muestreo físico. El descubrimiento VIP y las pruebas creativas aún se benefician de producto real. YPH cubre la fase de escala long-tail cuando ya tienes un formato ganador (hook, ritmo, demo, CTA que convierte).

En lenguaje de producto ese objeto es el Seed Video. Un Digital Sample agrupa Seed Video + Collab (flujo de apply para afiliados) + Proof-of-Post (verificación de entrega). Eso es Digital Content Logistics — no un download digital ni sustituto de claims testimoniales que el afiliado no ganó.

¿Cómo se ve el loop de producto para operadores?

El workflow del operador es aburrido a propósito:

1. Subir un Seed Video que ya rinde.
2. Abrir Collab para que afiliados apliquen desde un link.
3. Afiliados reciben variante demostrativa (no scripts falsos de “lo probé”).
4. Proof-of-Post desbloquea rewards y futuros collabs.

El copy público usa formato ganador en landing y estrategia. Seed Video queda en app, legal y ops. Esa división mantiene claro el lenguaje hacia afiliados y precisión en Terms y revisión admin.

El compliance importa: YPH entrega plantillas de demostración, no ficción testimonial. Scripts que implican uso de primera mano sin uso real están fuera de scope — ver Terms de YPH y rubrica de revisión de seed en el producto.

¿Cómo está arquitecturada la plataforma?

Dos planos: control plane en edge y plano de render GPU.

Edge: Cloudflare + Vite + React

El sitio público y la app autenticada comparten un codebase Vite + React. Cloudflare Workers sirven shells de marketing, el SPA bajo /app y rutas API.

D1 guarda usuarios, orgs, digital samples, estado de collab y metadata de jobs de render. Cloudflare Queues desacoplan “el usuario pidió generar” de “la GPU está lista ahora.” Con capacidad ajustada, los jobs quedan QUEUED y el dispatch reintenta — mejor que fingir renders síncronos.

Rutas de marketing (/, /es, /experimental, /about, artículos de contenido) se prerenderizan donde importa SEO. URLs de share Collab reciben Open Graph dinámico vía HTMLRewriter del Worker.

Render: ComfyUI en GPUs NVIDIA

La generación de video no corre en Workers. Un renderer gateway en cada máquina GPU habla con ComfyUI en localhost. Los workflows alinean cara/voz al Seed Video preservando fidelidad de producto.

Las GPUs corren en hardware NVIDIA con autoscale según profundidad de cola — suben cuando render-jobs se acumula, bajan en idle. Jobs atascados se recuperan y reencolan para que operadores no vean “RENDERING forever” si una VM muere a mitad de job.

Por eso los benchmarks de calidad son públicos. Herramientas genéricas de avatar no prueban fidelidad seed-to-output para un SKU concreto. Operadores y socios TSP necesitan ver oclusión, energía y cinemática antes de confiar en activación long-tail.

¿Dónde ayudan los agentes de Cursor (y dónde no)?

Uso agentes de Cursor como pasante senior con stamina infinita: borradores rápidos, refactors y glue code — yo edito lo que sale a producción.

Los agentes ayudaron con:

• Iteración de rutas y componentes React entre marketing + superficies /app.
• Handlers API Worker, queries D1 y edge cases del consumer de colas.
• Scripts de inject SEO, entradas de sitemap y scaffolding MDX (patrones ya probados en padron.sh).
• Fixtures de test y formas de logs de observabilidad al depurar dispatch de render.

Los agentes no reemplazaron:

• Posicionamiento de categoría y la regla híbrida muestra física/digital.
• Lenguaje demo vs testimonial en output Collab.
• Umbrales de calidad de render y qué mostramos en /experimental.
• Claims legal-safe en copy hacia operadores.

Si lees padron.sh por consejo Cursor vs Codex, este post es el capítulo adyacente: mismo loop dev asistido por agentes, distinto ICP (operadores de social commerce, no indie hackers eligiendo IDE).

¿Qué leer a continuación en YPH AI?

Si eres operador pasado MVP con formato creativo ganador:

• Sobre YPH AI — historia de categoría y contexto de fundador.
• Benchmarks de calidad — prueba seed-to-output.
• Guía activación long-tail — playbook híbrido.
• Ghosting tras muestra de producto — por qué existe Proof-of-Post.

Si eres builder curioso del stack: orquestación edge en Cloudflare, ComfyUI pesado en GPUs, colas en medio — esa es la forma. La prueba del producto está en los píxeles de /experimental, no en este blog post.