feat(episode): TRAZA_el-veredicto-final-del-arco-retrieval-5_S20260719.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: NONE | Type: troubleshooting
Summary: EPISODIO 1 — MNEMO_PRE_DIGEST: 🎯 El veredicto final del arco retrieval (5 experi

episodes/TRAZA_el-veredicto-final-del-arco-retrieval-5_S20260719.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,46 @@
+---
+episode_id: "a3991776-2700-42c6-99b8-2003836b9357"
+puente_flat: "TRAZA_el-veredicto-final-del-arco-retrieval-5_S20260719.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260719.ORACULO_RETRIEVAL_X09"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "NONE"
+fase_proyecto: "operations"
+tipo_semantico: "troubleshooting"
+summary_one_line: "EPISODIO 1 — MNEMO_PRE_DIGEST: 🎯 El veredicto final del arco retrieval (5 experimentos)"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-19T13:25:55.259893+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+Commit `a3d2c761` — 3/3. El arco del oráculo llegó a su verdad completa. Te doy la síntesis final, sin adornos.
+
+# 🎯 El veredicto final del arco retrieval (5 experimentos)
+
+Corrí filter-then-rank con tres brazos. **Ninguno subió el recall@1:**
+
+| Brazo | recall@1 | por qué |
+|---|---|---|
+| Baseline (pool completo) | 0.060 | — |
+| Filtro por mes | 0.066 | solo 2 meses → encoge poco |
+| Filtro por entidad | **0.049 (peor)** | encoge a ~54 candidatos **pero pierde el episodio correcto** |
+
+**La lección que cierra la búsqueda:** encoger el pool no basta — **el filtro tiene que RETENER el episodio correcto.** El experimento anterior (S-2) subió a 0.36 porque su pool de 145 *siempre* contenía el target (era un filtro-oráculo perfecto). Los filtros reales no son oráculos: el de mes retiene el target pero apenas encoge; el de entidad encoge fuerte pero **bota el target** cuando su texto indexado (título ceremonial genérico) no comparte palabras con la pregunta.
+
+## La verdad honesta, después de cinco experimentos
+
+**No hay bala de plata de una línea.** El retrieval real es débil (~6% a la primera, ~16% en el top-10 a escala) y la causa es **estructural**: hay demasiados episodios-turno delgados, ceremonialmente casi idénticos ("PARA JOHN — R1", "EPISODIO N — MARKER"), con el resumen vacío. Cada palanca que probamos falló o apenas movió:
+
+- Multi-store RRF: perdió 4 veces.
+- Fusión V1: era humo de leakage (no aporta en preguntas reales).
+- Summaries solos: ayudan el top-10, no el top-1.
+- Filter-then-rank barato: no retiene el target y encoge.
+
+**La mejora real requiere inversión estructural, no un tweak:** granularidad más gruesa (fusionar turnos → menos near-duplicates) **+** poblar los resúmenes y re-indexar por ellos (sube la cobertura del índice). Combinadas: menos episodios, más ricos, más encontrables.
+
+## Lo que este arco SÍ ganó (y es mucho)
+
+Pagamos el precio de medir honesto y compramos la verdad: **el 0.490 era un fantasma de leakage; el número real es 0.06.** Falsificamos cuatro hipótesis con evidencia — cada una nos ahorró una inversión que no habría movido la aguja (un re-embed de 828 episodios, más afinado de fusión, más multi-store). Dejamos un examen honesto permanente (reutilizable, anclado por sha256) y un diagnóstico correcto y accionable. Y una nota que importa: "reencontrar el hilo de un chat" (por session_code) sigue al 100% — esa es la vía que Ember usa en la práctica.