feat(episode): DEPURA_el-clmax-del-experimento-el-caso-4-discr_S20260705.R99_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: NONE | Type: troubleshooting
Summary: EPISODIO 101 — MNEMO_PRE_DIGEST: El clímax del experimento: el caso #4 discrimin

episodes/DEPURA_el-clmax-del-experimento-el-caso-4-discr_S20260705.R99_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,45 @@
+---
+episode_id: "b9bda9e8-e183-44c3-96dc-eff69deb8456"
+puente_flat: "DEPURA_el-clmax-del-experimento-el-caso-4-discr_S20260705.R99_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260705.EVAL_INSTRUMENT_FORGE_SKILL"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "NONE"
+fase_proyecto: "operations"
+tipo_semantico: "troubleshooting"
+summary_one_line: "EPISODIO 101 — MNEMO_PRE_DIGEST: El clímax del experimento: el caso #4 discriminó — y desmont"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-12T16:16:36.865876+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+# El clímax del experimento: el caso #4 discriminó — y desmontó la lectura fácil
+
+John, este es el resultado que valida todo el diseño. Commit `430e4db`, push 3/3.
+
+## Por fin una tarea donde el base falla
+
+El caso #4 (reimplementar el mini-lenguaje de `format` a mano — tarea grande, ~200-286 líneas por brazo, el brazo A tardó **18 minutos**) fue el primero donde el base tropezó. Pero solo el **fuzz de 5000 casos** lo reveló; mis 30 curados daban empate. Ground-truth = `format()` nativo, imposible de falsear.
+
+| Brazo | Fuzz 5000 |
+|---|---|
+| **A** base 1-pasada | **0.9958** ❌ 21 fallas (`=` + miles + zero-fill: no agrupó los ceros de relleno con comas) |
+| **B** 2ª-pasada genérica | **1.000** ✅ |
+| **C** RELOJERO | **1.000** ✅ |
+
+## El hallazgo que solo el brazo B de control hace visible
+
+**B (segunda pasada genérica) igualó a C (RELOJERO): ambos 1.000.**
+- **C − B = +0.000** → RELOJERO no aportó *nada* sobre revisar una vez.
+- **B − A = C − A = +0.0042** → lo que recuperó la correctitud fue **pensar dos veces, no el protocolo.**
+
+**Sin el brazo B, el resultado ingenuo (C 1.0 vs A 0.9958) diría "RELOJERO gana" — y sería falso.** Es la segunda pasada, que B logra con menos código (198 vs 286 LOC). Ese es exactamente el confound (order effect) que señalé cuando evaluamos tu propuesta — ahora **medido**. Verifiqué anti-trampa: ningún brazo llamó `format()` nativo; los tres reimplementaron a mano.
+
+## Veredicto consolidado (N=4)
+
+**`C − B = +0.000` en los CUATRO casos.** El protocolo RELOJERO específico —contrato I/O + micro-mecanismos + auto-verificación pesada— **no ha superado a "escribe y revisa una vez" en ninguna tarea**, ni siquiera en la grande donde el base falla. El beneficio real es *revisar una vez* (barato); los 3 artefactos pesados de RELOJERO no han demostrado valor incremental sobre esa revisión ligera. **Tu duda queda fuertemente respaldada por dato.**
+
+Detalle: [docs/VEREDICTO_AB_LAB_N4_S20260705.md](docs/VEREDICTO_AB_LAB_N4_S20260705.md).