¿Puedes construir Magnific AI con IA?

Construye un sustituto personal cercano y honesto de Magnific AI en un repositorio vacío.
Usa Python 3.12, FastAPI, SQLite, ComfyUI como worker local y un frontend pequeño en React; no ofrezcas stacks alternativos.
El flujo principal es: poner en cola experimentos locales de ampliación y mejora, enviar trabajos a un servidor de modelos propiedad del usuario y conservar configuraciones y resultados reproducibles.
Haz que la primera ejecución funcione localmente con un comando documentado.
Almacena todos los datos del usuario localmente por defecto y facilita la exportación.
Coloca los secretos en .env, incluye .env.example y nunca confirmes credenciales en el repositorio.
Crea controles para prompt, negative-prompt, seed, dimensiones, modelo y workflow.
Envía trabajos únicamente al endpoint local de ComfyUI configurado en .env.
Registra los parámetros exactos de generación y el JSON del workflow junto a cada resultado.
Construye una hoja de contactos con búsqueda y acciones para comparar, marcar como favorito, anotar y volver a ejecutar.
Admite entradas locales de image-to-image y máscaras sin subirlas a ningún otro sitio.
Muestra las necesidades estimadas de VRAM y falla claramente cuando falte un workflow o modelo.
Incluye estados claros de vacío, carga, éxito y error recuperable.
Agrega validación de entradas, nombres de archivo seguros y manejo adecuado de APIs no disponibles.
Escribe pruebas enfocadas para la transformación principal y un flujo feliz de extremo a extremo.
Crea un README con configuración, arquitectura, permisos, ubicación de datos y pasos de respaldo.
No agregues cuentas, facturación, telemetría, analítica ni un plano de control alojado.
No afirmes reproducir datos propietarios, liquidez de red, acceso regulado ni infraestructura de vanguardia.
Deja fuera deliberadamente el entrenamiento de un nuevo modelo de vanguardia.
Deja fuera deliberadamente copiar el modelo o conjunto de datos propietario de un proveedor.
Deja fuera deliberadamente el alojamiento público de generaciones y la moderación.
Termina ejecutando las pruebas y enumerando los comandos exactos utilizados.