diff --git a/episodes/TRAZA_lo-que-med-hoy-sobre-sonnet-trabajando-c_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md b/episodes/TRAZA_lo-que-med-hoy-sobre-sonnet-trabajando-c_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md new file mode 100644 index 00000000..23b29758 --- /dev/null +++ b/episodes/TRAZA_lo-que-med-hoy-sobre-sonnet-trabajando-c_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md @@ -0,0 +1,34 @@ +--- +episode_id: "83dd989a-759f-4910-b8cc-853937f3996b" +puente_flat: "TRAZA_lo-que-med-hoy-sobre-sonnet-trabajando-c_S20260923.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD" +session_code: "S20260923.SID027AD4ABD902" +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: Lo que medí hoy sobre Sonnet trabajando con briefings "norma" +source_type: "claude_code" +trust_boundary: "internal" +created_at: "2026-09-23T19:41:27.226958+00:00" +relectura_tagged: false +forgejo_commit_sha: "pending" +--- + +Mi opinión: **sí, y la evidencia de esta misma sesión lo respalda**. Hago un ajuste al diseño: no crearía un skill nuevo, **extendería SHERPA**. + +### Lo que medí hoy sobre Sonnet trabajando con briefings "normales" +- **Etiquetador:** coincidió 91 % con Opus, pero en **78 de los 88 desacuerdos** rebajó "grave pero con receta conocida" a "bajo riesgo". Es un error sistemático, no aleatorio, y por eso mismo **se puede corregir desde el briefing**. +- **Generadores:** uno ató la dificultad a la ruta (repartos idénticos). Otro tuvo que rehacer la distribución. Varios necesitaron entre 5 y 10 intentos para cuadrar las cuotas. +- **Limpieza:** dos etiquetadores dejaron scripts sueltos en el repo, y uno intentó borrarlos (un guardián lo frenó). +- **Opus tampoco es inmune:** en el lote v2, un etiquetador **Opus** copió el ciclo en vez de juzgar. La calidad depende más del briefing y de los controles que del modelo. + +**Conclusión:** la brecha entre Sonnet y Opus en este tipo de tareas es sobre todo una **brecha de instrucciones y de verificación**, y eso se puede cerrar con ingeniería. + +### Qué llevaría ese "briefing para ejecutor" +1. **Validador entregado, no improvisado.** Le doy a Sonnet un script ya probado que revisa esquema, cuotas, palabras prohibidas y duplicados. Así no gasta turnos inventando su propia verificación. +2. **Ejemplos resueltos de la frontera difícil.** Casos "grave pero con receta" con su razonamiento, y contraejemplos, justo donde Sonnet falló hoy. +3. **Precorrecciones medidas**, el equivalente a EO-5 para Sonnet: "tiendes a rebajar el riesgo", "no ates la dificultad a la ruta", "no dejes archivos sueltos". +4. **Preguntas trampa de control:** mezclar entre sus casos unos 10 cuya respuesta ya conozco. Si el etiquetador falla los de control, el bloque entero se rechaza. Es la técnica estándar del etiquetado masivo. +5. **Auditoría por muestra:** Fable u Opus revisan un 5 % al azar, no todo.