feat(episode): TRAZA_recomendaciones-en-orden-crisol-es-load_S20260711.R44_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: reflection
Summary: EPISODIO 44 — ember_experience: Recomendaciones (en orden; crisol es load-bearin

episodes/TRAZA_recomendaciones-en-orden-crisol-es-load_S20260711.R44_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,32 @@
+---
+episode_id: "fd23c206-713e-4b7d-b848-0786214d44a7"
+puente_flat: "TRAZA_recomendaciones-en-orden-crisol-es-load_S20260711.R44_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260711.SHERPA_BRIEFING_FABLE"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "TESSERA"
+fase_proyecto: "operations"
+tipo_semantico: "reflection"
+summary_one_line: "EPISODIO 44 — ember_experience: Recomendaciones (en orden; crisol es load-bearing → cadena o"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-12T15:16:09.792393+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+**Memorias: 68/100.** Los cuerpos del corpus sano son buenos de verdad — prosa autocontenida de 250-500 palabras, sin relleno fabricado, y las HyDE autoescritas (post jun-18) son excelentes (10-12 preguntas específicas por episodio). Pero: hay títulos contaminados con chrome (`"📍 PARA JOHN"` como título de episodio, ingresado incluso esta noche desde payloads viejos de la cola), HyDE de fallback pobres cuando faltó el bloque authored (incluida una vacía), y la metadata facetada está degenerada — `aroma_j/e` idénticos en el 100% de la muestra, `match_status=MISMATCH` casi siempre (el clasificador F2 sigue inútil), criticidad y valencia constantes: columnas que cuestan y no discriminan nada. El BLC además es hoy un sello, no una cadena auditable (posición ~40.600 vs ~650 puntos reales, OTS eternamente `pending`).
+
+**Retrieval: 72/100.** La fusión V1 está en producción y funciona: mis dos queries de prueba devolvieron 5/5 resultados relevantes con payload completo, y el oráculo fresco dio recall@10 0.794 (pasaría el umbral 0.70 del gate). La degradación desde 0.903 es atribuible a los near-dups — limpiarlos debería recuperar ~0.10 de recall@1. El embedding es consistente end-to-end (`gemini-embedding-2`), la lección del mismatch de modelos no reincidió.
+
+## Recomendaciones (en orden; crisol es load-bearing → cadena orquestada, no hot-patch)
+
+1. **R-1** Reconciliar el contrato HyDE: **A)** ampliar el CHECK de PG a 3-12 (mi inclinación — PG es canónico) o **B)** truncar a 5 en PG y dejar las ≥10 solo en Qdrant. Es UNA migración + decisión tuya.
+2. **R-2** Contabilidad honesta en F5 (contar `INSERT 0 1` reales, `partial` en pipeline_runs, `PG_FAIL` en el reporte).
+3. **R-3** `DO UPDATE` que refresque `content_sha256/content_text/hyde_queries` (cierra la convergencia).
+4. **R-4** Dedup de near-dups en Qdrant/Neo4j post-fix + re-medir oráculo.
+5. **R-5** Construir el C2 watchdog (SLO 2h, diseño ya existe) + retrieval_gate en cron con timeout ≥600s.
+6. **R-6/R-7** Sanitizar el slug del puente (causa de los 26 rechazos), remediar `rejected/`, scrubear la passphrase vieja que quedó en claro en `EXODUS_S20260618` (línea 97 — está rotada, pero el patrón viola la doctrina), y decidir el futuro de las facetas muertas (aromas/F2).
+
+—