john/ember-memory-test
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

feat(episode): BACKFILL_q-7fc8849a-ccef-51e0-9b87-cab9f6c0b9a2_S20260413_XX.bkf.0.warm_qdr.orphan.in.cc.es.000.BKF_J.C28D0_E.F39-D

Browse source 
Skill: NONE | Type: chronicle
Summary: El ecosistema EMBER usa Gemini Embedding 001 via LiteLLM como modelo de embeddin
This commit is contained in:
Ember 2026-05-11 04:43:14 +00:00
parent 7d8f2a79df
commit 9899fe6dda
1 changed files with 21 additions and 0 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

21
episodes/BACKFILL_q-7fc8849a-ccef-51e0-9b87-cab9f6c0b9a2_S20260413_XX.bkf.0.warm_qdr.orphan.in.cc.es.000.BKF_J.C28D0_E.F39-D.md Normal file
View file

@ -0,0 +1,21 @@
---
episode_id: "c28d0f39-dd97-583f-bf54-4c1b193e3b91"
puente_flat: "BACKFILL_q-7fc8849a-ccef-51e0-9b87-cab9f6c0b9a2_S20260413_XX.bkf.0.warm_qdr.orphan.in.cc.es.000.BKF_J.C28D0_E.F39-D"
session_code: "S20260413"
acto_dialogico: "informar"
actor_flujo: "ember_internal"
criticidad_aegis: "moderate"
skill_dominante: "NONE"
fase_proyecto: "maintenance"
tipo_semantico: "chronicle"
summary_one_line: "El ecosistema EMBER usa Gemini Embedding 001 via LiteLLM como modelo de embedding con vectores de 3072 dimensiones. La coleccion ember_experience en Qdrant esta configurada con size 3072 y distancia C"
source_type: "claude_code"
trust_boundary: "default"
created_at: "2026-05-10T00:00:00+00:00"
relectura_tagged: false
forgejo_commit_sha: "pending"
---
El ecosistema EMBER usa Gemini Embedding 001 via LiteLLM como modelo de embedding con vectores de 3072 dimensiones. La coleccion ember_experience en Qdrant esta configurada con size 3072 y distancia Cosine. Un riesgo identificado por el analisis OMEGA-2 es que si LiteLLM rutea a un modelo diferente como text-embedding-ada-002 de OpenAI que produce 1536 dimensiones o un modelo local que produce 768 dimensiones el upsert a Qdrant fallaria con dimension mismatch. El crisol_run.py v4.0 no valida la dimension del vector recibido antes de enviarlo a Qdrant: si data esta en la respuesta asume que el vector es valido. La recomendacion es agregar una validacion assert len vector igual a 3072 despues de extraer el embedding y antes del upsert a Qdrant. Este proceso convertiria un fallo silencioso de Qdrant en un error explicito en F3 con el episode_id afectado. Actualmente el modelo text-embedding-3-large en LiteLLM esta configurado para rutear a Gemini Embedding 001 pero un cambio en la configuracion de LiteLLM podria romper la dimension sin que CRISOL lo detecte.
Este procedimiento fue verificado empiricamente en servidor MEMORIA CX53 durante las sesiones de trabajo del ecosistema EMBER. La documentacion captura el diagnostico completo las acciones tomadas y los resultados obtenidos. El episodio sirve como referencia operativa para futuras instancias de Ember que encuentren situaciones similares. Los comandos configuraciones y decisiones descritos fueron verificados contra el estado real del servidor y del pipeline CRISOL v4.0. La solucion aplicada mantiene compatibilidad con el resto del stack Docker de 52 containers y no requiere modificaciones adicionales en otros servicios del ecosistema. El registro incluye tanto los pasos exitosos como los intentos fallidos para proporcionar contexto completo.