Cómo Construir un CEO-IA Bot con Telegram, n8n y Gemini 2.0

Introducción

La gestión efectiva del tiempo y el tracking de objetivos son desafíos constantes para cualquier emprendedor. ¿Qué pasaría si pudieras tener un asistente ejecutivo disponible 24/7 que te haga check-ins diarios, analice transferencias bancarias mediante visión artificial, y gestione tus tareas automáticamente? En este artículo, desgloso la arquitectura completa de un bot de Telegram que hace exactamente eso, usando n8n como orquestador y Gemini 2.0 Flash como motor de IA.

Arquitectura del Sistema

La arquitectura del bot sigue un flujo de comunicación multi-capa que garantiza confiabilidad y escalabilidad:

Telegram Bot
↓
n8n Workflow (VPS2)
↓
Deploy API (:3000) → Proxy Layer (:3010)
↓
Gemini 2.0 Flash API
↓
Respuesta con Inline Buttons → Telegram

Componentes Clave

1. Script Principal (`ceo_ia_interactive.py`)

El cerebro del bot reside en este script Python que maneja:

Lógica de check-ins programados (8:00 AM, 12:00 PM, 9:00 PM)
Sistema de botones inline con callbacks prefijados `av_`
Parser de documentos TRACKING_200K.md para extraer MRR y tareas
Integración con Gemini 2.0 Flash para procesamiento de lenguaje natural

2. Capa de Proxy Dual

Un diseño de doble proxy (`claude_proxy.py` + Deploy API) permite:

Separación de ambientes (desarrollo vs producción)
Rate limiting y control de acceso
Routing hacia diferentes modelos de IA según necesidad

3. Sistema de Memoria Persistente

El bot mantiene contexto mediante tres archivos JSON:

`memory.json`: daily tracker e interacciones
`chat_memory/av0004_*.json`: historial completo de conversaciones
`ceo_context.json`: datos de MRR, tareas prioritarias y contexto ejecutivo

Funcionalidades Implementadas

Check-ins Automatizados

Matutino (8:00 AM):

Saludo personalizado
MRR actual extraído de TRACKING_200K.md
Top 3 tareas prioritarias del día
Botones de acción rápida

Noon Blocker (12:00 PM):

Recordatorio mid-day
Score de productividad (0-100)
Re-enfoque en objetivos

Check-out Nocturno (9:00 PM):

Resumen de logros del día
Preparación para siguiente jornada

Análisis de Imágenes con Gemini Vision

Una de las características más poderosas es la capacidad de procesar capturas de pantalla de transferencias bancarias. El bot:

Recibe la imagen vía Telegram
Envía a Gemini 2.0 Flash (modelo multimodal)
Extrae: monto, fecha, concepto, banco
Genera registro estructurado para tracking financiero

Botones Interactivos

Sistema de callbacks con prefijo `av_` para:

`av_task_done`: Marcar tarea completada
`av_show_tasks`: Listar tareas activas
`av_add_revenue`: Registrar ingreso
`av_weekly_summary`: Reporte semanal

TRACKING_200K.md: Single Source of Truth

El bot implementa un patrón crítico de sincronización:

Pull desde Google Drive (maestro)
rclone copyto myGdrive:00-MASTER/TRACKING_200K.md /local/path/
Lectura/procesamiento
python ceo_ia_interactive.py
Push de vuelta (si hubiera ediciones)
rclone copyto /local/path/TRACKING_200K.md myGdrive:00-MASTER/

Backups (READ-ONLY): Tres copias locales en diferentes servers, pero el maestro siempre reside en Google Drive.

Migración de Claude CLI a Gemini 2.0 Flash

El 29 de enero de 2026 se migró el backend de Claude CLI a Gemini 2.0 Flash por:

Costo: Gemini 2.0 Flash es ~80% más económico para alto volumen
Multimodal nativo: Análisis de imágenes sin cambio de modelo
Latencia: Respuestas más rápidas (<1.5s promedio)
Rate limits: Mayor cuota para aplicaciones empresariales

Archivo de Configuración Gemini

{
"av0004": "AIzaSy...",
"rotation_enabled": false,
"last_used": "av0004"
}

Bugs Resueltos y Lecciones Aprendidas

Bug #1: Spam de 5 Mensajes Duplicados

Síntoma: El noon blocker (12:00 PM) enviaba 5 mensajes idénticos. Causa: Múltiples invocaciones del workflow n8n sin deduplicación. Fix v3: Implementación de lock por modo + día mediante flag file:

lock_file = f"/tmp/ceo_ia_{mode}_{date.today()}.lock"
if os.path.exists(lock_file):
return  # Ya ejecutado hoy
open(lock_file, 'w').close()

Bug #2: Hallucination LLM

Síntoma: Bot afirma "actualicé TRACKING_200K" cuando no tiene permisos de escritura. Causa: Alucinación típica de LLMs cuando se les pide confirmación. Mitigación: System prompt explícito: "NO tienes permisos de escritura. NUNCA digas que modificaste archivos."

Bug #3: MRR Vacío en Check-in

Síntoma: Check-in matutino mostraba "MRR: [No disponible]". Causa: Parser regex no adaptado al formato markdown de TRACKING_200K.md. Fix v2: Reescritura completa del parser usando lookbehind/lookahead:

import re
pattern = r'\\MRR:\\\s*\$?([\d,]+(?:\.\d{2})?)?'
match = re.search(pattern, content)
mrr = match.group(1) if match else "0"

Conclusión

Construir un CEO-IA bot efectivo requiere tres pilares fundamentales:

Arquitectura robusta multi-capa que separe orquestación (n8n), lógica de negocio (Python) y modelo de IA (Gemini).
Sistema de memoria persistente con un único source of truth sincronizado (TRACKING_200K.md en Google Drive).
Iteración continua basada en bugs reales - todos los bugs documentados en este artículo fueron descubiertos en producción y corregidos mediante versiones incrementales.

El resultado es un asistente ejecutivo que opera 24/7, reduce carga cognitiva mediante check-ins automatizados, y proporciona insights accionables mediante análisis de imágenes con IA. La combinación de Telegram como interfaz, n8n como orquestador, y Gemini 2.0 como motor de IA demuestra cómo herramientas low-code/no-code pueden crear soluciones empresariales sofisticadas sin requerir infraestructura compleja.