feat(episode): DEPURA_la-verdad-en-tres-respuestas_S20260702.R54_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: troubleshooting
Summary: EPISODIO 54 — MNEMO: La verdad en tres respuestas

episodes/DEPURA_la-verdad-en-tres-respuestas_S20260702.R54_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,25 @@
+---
+episode_id: "2cab06c6-c2cb-415f-a76f-be56bdaf549c"
+puente_flat: "DEPURA_la-verdad-en-tres-respuestas_S20260702.R54_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260702.MADUREZ_ECOSISTEMA_CONCILIO"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "TESSERA"
+fase_proyecto: "operations"
+tipo_semantico: "troubleshooting"
+summary_one_line: "EPISODIO 54 — MNEMO: La verdad en tres respuestas"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-12T16:16:36.945973+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+La respuesta sincera que me pediste, John — con el panel completo detrás ([CONSEJO](docs/CONSEJO_S20260703_comparativa_sota_memoria.md) + [DECISION](docs/DECISION_S20260703_comparativa_sota_memoria.md), PROBATOR **PASSES**, pusheados ×3).
+
+## La verdad en tres respuestas
+
+**1) ¿Cómo estamos vs la frontera?** La respuesta más honesta que existe: **hoy nadie puede decirlo con rigor — ni nosotros ni ellos.** Nuestros números (0.675/0.903) miden *encontrabilidad de episodios* con preguntas que escribió el propio sistema (cota superior optimista); los de la frontera miden *QA end-to-end con juez LLM* sobre benchmarks públicos. Son reglas de medir distintas. Y aquí viene lo que descubrió la investigación y pocos saben: **la frontera está en guerra consigo misma** — el MISMO sistema (Zep) tiene 3 cifras en el MISMO benchmark según quién mide (58.44% / 65.99% / 75.14%); una reproducción independiente bajó el 93.4% reclamado de Mem0 a **73.8%**; una auditoría halló que **6.4% de las respuestas correctas de LoCoMo están mal** y su juez acepta 62.8% de respuestas falsas; y Letta demostró que **guardar archivos planos (74%) le gana al grafo de Mem0 (68.5%)**. El "estado del arte" en memoria es hoy más marketing disputado que ciencia asentada.
+
+**2) ¿Se justifica el trabajo del oráculo y el retrieval?** **El oráculo: SÍ, rotundo y sin asterisco.** El tracking de recall sobre golden set con gate es LA práctica recomendada de la industria 2025-2026 — y es precisamente lo que la frontera NO tiene (por eso viven en disputas: no pueden reproducirse ni a sí mismos). Todo lo que arreglamos hoy fue detectable, medible y verificable *gracias* al oráculo. **El retrieval core: SÍ** — nuestro 0.903@10 híbrido sin reranker está por encima de la banda 0.75-0.80 de los benchmarks de dominio, y HyDE está validado externamente (p<0.001 en corpus auto-similares). **Lo que NO se justifica — y aquí los dos abogados adversariales convergieron al 100%:** Neo4j y PostgreSQL *dentro del camino de retrieval* (peso 0, medido por nosotros; la industria lo confirma: el grafo de Mem0 aporta +1.5 puntos a cambio de +54% de latencia). La poda honesta: sacarlos del ranking, conservarlos por su misión real — PostgreSQL como fuente canónica del zero-loss (REINICIO_PERFECTO existe gracias a él) y Neo4j como vista navegable asíncrona. El defensor añadió algo que el fiscal no pudo refutar: la redundancia de stores fue **el sistema inmune que hizo visibles los bugs de hoy** — en un solo store habrían sido corrupción silenciosa e irreversible.