Sonar es un workspace de IA multi-agente para equipos de ventas. Un representante sube la grabación de una llamada; ~20 segundos después tiene investigación sobre la empresa del prospect, análisis estructurado de la llamada, un próximo paso recomendado y un borrador de email de follow-up con citas que enlazan a segmentos específicos de la transcripción.

¿Cómo funciona la orquestación multi-agente de Sonar?

Cuatro nodos secuenciales — investigación, análisis, estrategia, escritor — cada uno devolviendo salida estructurada vía tool use de Anthropic con esquemas Zod. Cada paso escribe una fila AgentRunStep en Postgres; la ejecución se pausa en AWAITING_APPROVAL después del nodo escritor para revisión humana. El escritor puede regenerarse con feedback sin reejecutar los nodos upstream.

¿Por qué Sonar usa prompt caching de Anthropic?

Los mensajes de sistema se cachean en cada nodo. En ejecuciones repetidas contra el mismo workspace, esto reduce tokens de entrada en ~70%, lo cual compone directamente en ganancias de latencia y costo a medida que el corpus de contexto del workspace crece.

Sonar — Fernando Picoral

Name: Sonar
Author: Fernando Picoral

Qué hace

Un representante sube la grabación de una llamada. Cerca de veinte segundos después, Sonar devuelve:

Investigación sobre la empresa del prospect (Tavily + Claude Haiku 4.5)
Análisis estructurado de la llamada — temas, dolores, objeciones, action items, sentimiento (Claude Sonnet 4.6)
Próximo paso recomendado con talking points y urgencia (Claude Sonnet 4.6)
Borrador del email de follow-up con citas en corchetes ligadas a segmentos de la transcripción (Claude Sonnet 4.6)

El revisor ve una UI dividida: email a la izquierda, transcripción a la derecha. Pasar el cursor sobre una cita resalta el segmento correspondiente. El revisor puede aprobar, editar el cuerpo en sitio o regenerar el escritor con feedback. La regeneración reutiliza el estado previo de investigación, análisis y estrategia; solo el escritor se ejecuta de nuevo.

Por qué lo construí

Quería un único proyecto que ejercitara el stack moderno de IA entero en calidad de producción: orquestación multi-agente con estado persistido, manejo de audio real, tool use estructurado, prompt caching y forma multi-tenant B2B. Sales enablement fue el dominio porque el workflow es genuinamente lineal-con-rollback, que es el punto dulce para grafos de agentes.

Cómo funciona

Orquestación multi-agente

Cuatro nodos secuenciales (investigación → transcripción → análisis → estrategia → escritor)
Cada nodo devuelve salida estructurada vía Anthropic tool use + esquema Zod. Sin salidas en texto libre.
Cada paso escribe una fila AgentRunStep. La ejecución se pausa en AWAITING_APPROVAL después del nodo escritor.
Prompt caching de Anthropic activado en mensajes de sistema — ~70% de reducción de tokens de entrada en ejecuciones repetidas.
La regeneración del escritor reutiliza estado upstream.
Ejecución en background vía after() route handler de Next.js 16 (maxDuration = 300).

Procesamiento de audio

Upload drag-drop va del browser a Supabase Storage vía URL firmada. El servidor no está en la ruta del upload.
Groq Whisper Large v3 transcribe con timestamps a nivel de segmento.
Tipo MIME y cap de 100 MB se validan tanto en la server action como en la bucket policy.
El escritor recibe segmentos de transcripción etiquetados con índices entre corchetes; las citas referencian esos índices.
La UI dividida hace scroll al segmento citado cuando el revisor pasa el cursor.

Multi-tenant B2B

Workspaces, roles (OWNER, ADMIN, MEMBER), invitaciones, API keys, audit log. Tres capas de aislamiento — alcance de fila en Postgres, guards de capa de aplicación en toda server action y bucket policies de Supabase Storage por ID de workspace.

Estado

En desarrollo activo. El pipeline de agentes + tenancy de workspace funcionan; pulido de UI y demo en vivo están en progreso.