Reading Tracker App

Módulos

El sistema se organiza en superficies independientes, cada una resolviendo una parte del trabajo diario.

Arquitectura

• Arquitectura 100% local: React + Vite del lado del cliente, Node + Express + LowDB del lado del servidor, todo corriendo en la máquina del usuario.
• LowDB guarda todo en un archivo JSON plano en disco — sin motor de base de datos separado, sin dependencias nativas que compilar, portable y legible con cualquier editor de texto.
• Sin login, sin telemetría, sin nube: los datos no salen nunca de la máquina y no dependen de que un tercero siga existiendo.
• Dataset de ejemplo cargable con un click, escrito desde cero, para evaluar el producto sin necesitar datos reales.

Proceso

1. Definición de premisa y arquitectura: todo en local, sin login, sin telemetría, sin depender de infraestructura de terceros. LowDB guarda todo en un archivo JSON plano en disco — sin motor separado, sin dependencias nativas que compilar.
2. Primera pasada de rediseño visual rechazada — el resultado era el típico dashboard oscuro con gradientes violeta que cualquier herramienta de IA produce por default. Se repitió el ciclo hasta que el sistema de diseño (paleta, tipografía, comportamiento del ícono central) tuvo identidad propia.
3. Bugs reales encontrados en el camino: un selector de tipo de gráfico en Estadísticas que aparentaba funcionar pero siempre mostraba lo mismo; una violación de las reglas de Hooks de React visible en consola; colores de una paleta vieja escondidos en formato rgba() decimal, invisibles a cualquier búsqueda que solo revisara valores hex.
4. Dos auditorías completas del proyecto — una técnica (bugs, imports muertos, consistencia de código) y una de diseño (páginas que seguían con el look viejo). La primera pasada fue superficial y se mandó a rehacer; la segunda encontró más de 100 inconsistencias reales repartidas en 20+ archivos.
5. Diseño del sistema de gamificación: XP, 9 niveles, 42 logros automáticos en 5 rarezas, desafíos configurables — sin rankings, sin compartir, sin nadie mirando. El sistema hace visible un progreso que de otra forma sería invisible, no genera comparación.
6. Separación de "mi instancia personal" del template descargable — al principio los ejemplos de la app eran mi biblioteca real, con títulos y citas propias. Separar ambas versiones fue su propia fase de trabajo, con un dataset de ejemplo escrito desde cero.

Lo que aprendí

Dirigir un rediseño completo con una herramienta de IA no reemplazó el criterio de diseño — lo puso a prueba constantemente. La parte más valiosa no fue la velocidad de generar código, sino sostener el estándar: rechazar lo genérico cuando aparecía, pedir profundidad cuando la primera respuesta era superficial, y verificar en vez de asumir que algo estaba bien solo porque compilaba.