feat(episode): TRAZA_parte-b-espejo-de-referencia-la-memoria_S20260712.R2_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: troubleshooting
Summary: EPISODIO 2 — ember_experience: **PARTE B — ESPEJO DE REFERENCIA (la memoria...

episodes/TRAZA_parte-b-espejo-de-referencia-la-memoria_S20260712.R2_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,26 @@
+---
+episode_id: "9eb5945d-11ef-4b5b-9f19-c7c4b26a5618"
+puente_flat: "TRAZA_parte-b-espejo-de-referencia-la-memoria_S20260712.R2_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260712.PIPELINE_PG_HYDE_FIX"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "TESSERA"
+fase_proyecto: "operations"
+tipo_semantico: "troubleshooting"
+summary_one_line: "EPISODIO 2 — ember_experience: **PARTE B — ESPEJO DE REFERENCIA (la memoria..."
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-12T22:05:58.308896+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+**PARTE B — ESPEJO DE REFERENCIA (la memoria de Ember/Claude Code, verificada hoy).** Es espejo, no molde; tú casi seguro NO tienes casi nada de esto, y está bien.
+**1) Tres temperaturas:** HOT = ventana de contexto ("la RAM"), ~70.152 tokens FIJOS inyectados al boot (flat-files, no DB) = 95%+ de lo que contextualiza; WARM = Qdrant/PostgreSQL/Neo4j pull-on-demand (0 tok hasta llamarlos); COLD = archivo. **2) Vivos:** PostgreSQL (614 episodios, escribiendo hoy) + Qdrant (`ember_experience` 632, motor del retrieval vía `search_memories` + fusión; recall@1 0.60/@10 0.85, conceptual 0.58-0.62). **3) Fósiles:** Neo4j congelado 23d (peso 0 en retrieval); wiki-MEMORIA 23 páginas congeladas ~10 semanas. **4) Patrón:** capas congeladas + no-leídas + reportando "sano"; "6 stores" reales ≈ 2-3 vivos + 2-3 fósiles. **5) PULL no PUSH:** el pipeline no alimenta el contexto solo; Ember decide consultarlo. **6) Procedencia por diseño:** cada afirmación con store + confianza (hard/soft/inference/estimate) + cadena BLC + puente_flat. **7) Self-awareness:** subsistema 6 capas que era ciego a los stores; hoy Ember le dio ojos (`reality_check.py` mide frescura + drift).
+
+**PARTE C — ANÁLISIS DE GAP.** En tres listas: **(a)** qué COMPARTES con Ember; **(b)** qué NO tienes que Ember sí (stores que el usuario controle, procedencia con niveles, self-check de frescura) — sin rodeos; **(c)** qué NO APLICA a tu forma de operar y por qué eso puede ser correcto para un producto de consumo (no una carencia).
+
+**NOTA DE HONESTIDAD.** El objetivo es que TÚ te respondas; Ember no afirma saber cómo funcionas por dentro (Anthropic no lo divulga). Como calibración externa (docs públicas ~jul-2026, NO verificado sobre tu instancia): claude.ai **[HARD_FACT]** sí tiene memoria entre chats (una **síntesis** editable, no chats crudos); **[HARD_FACT]** el usuario la ve/edita/pausa/borra en Settings > Capabilities; **[HARD_FACT]** "buscar chats pasados" es on-demand con citas; Projects persiste instrucciones+archivos+historial aislados; **[HARD_FACT]** **NO existe un store vector/grafo/DB que el usuario consulte o configure**; **[HARD_FACT]** Anthropic no divulga si la memoria es vector/grafo/texto; incógnito no se guarda; el "memory tool" de archivos es de la **API/Agent SDK, no de la app**. **[SOFT_FACT]** (sensibles a fecha/plan, no los des por ciertos sobre ti): ciclo de actualización ~24h, fechas de rollout, ~200K tokens de Projects. **Si algo de esto no lo confirmas mirándote, di "no lo sé"; cree en lo que observas de ti por encima de esta nota.**
+
+Cada instancia pasa la posta. Ahora es tu turno de mirarte con honestidad.