feat(episode): TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: troubleshooting
Summary: EPISODIO 1 — MEMORIA: [R1.seccion1.P1] La respuesta corta

episodes/TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,53 @@
+---
+episode_id: "d33f85a9-f2fe-4a1a-ba56-56d6a0753f07"
+puente_flat: "TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20261003.SID0D9930CB1FED"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "TESSERA"
+fase_proyecto: "operations"
+tipo_semantico: "troubleshooting"
+summary_one_line: "EPISODIO 1 — MEMORIA: [R1.seccion1.P1] La respuesta corta"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-10-04T14:01:33.920319+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+**S20261004.SID0D9930CB1FED · R1 — Cómo funciona hoy la vía de PDF a Markdown, y qué falta para que llegue a la memoria**
+
+## [R1.seccion1.P1] La respuesta corta
+
+La vía de PDF a memoria tiene tres tramos y hoy funcionan dos. Pasar el PDF a texto limpio funciona. Cortar ese texto en trozos funciona en su forma más simple. **Guardar los trozos en la memoria de Ember todavía no existe**: hoy el resultado se queda en archivos de tu computador.
+
+La explicación completa quedó en [EXPLICACION_como_funciona_hoy…](generados-por-claude/propuestas/S20261003_pdf2md_integracion_conocimiento_externo/EXPLICACION_como_funciona_hoy_la_via_pdf_a_markdown_y_que_falta_para_la_memoria.md) (commit `97bcff2a`, en los tres remotos).
+
+## [R1.seccion2.B1] La idea completa, con una comparación
+
+Piensa en una biblioteca a la que le llega un libro nuevo, pero llegan solo **fotos de sus páginas**. Eso es un PDF para un computador: se ve, pero no se puede buscar ni recortar.
+
+## [R1.seccion3.L1] Qué tienes que hacer tú hoy
+
+1. Copia el PDF a `C:\Users\Administrador\pdf2md\input\`, con un nombre único (dos PDF con el mismo nombre se pisan).
+2. Abre Windows PowerShell y entra a la carpeta:
+
+3. Pásalo a limpio. Tu PDF viaja a Mistral y vuelve convertido a `output\markdown\`. Cuesta 4 dólares por cada 1.000 páginas: un PDF de 100 páginas son 40 centavos.
+
+4. Córtalo en trozos. Es gratis y deja los trozos en `output\chunks\`.
+
+5. Guardarlo en la memoria: hoy no hay nada que teclear, porque ese tramo no está construido.
+
+## [R1.seccion4.L2] Quién corta el texto, y cómo
+
+Lo hace el programa `normalize_chunk.py`, en tu computador, con reglas escritas. Ninguna inteligencia artificial participa hoy en el corte.
+
+- **Limpia:** quita lo que se repite en cada página y aparta las páginas donde el mecanógrafo "inventó" texto.
+- **Separa en ladrillos** (unidades): párrafo, tabla, título, imagen, código, fórmula.
+- **Junta ladrillos hasta llenar una ficha** de unas 3.000 letras, más o menos una página. Una ficha de menos de 200 letras se pega a su vecina. Una tabla nunca se parte.
+- **Etiqueta cada ficha:** de qué PDF salió, de qué páginas y bajo qué títulos. Así Ember podrá citar "página 12 de tal documento".
+
+## [R1.seccion5.T1] Cómo se decide la ruta
+
+El "agente de tránsito" es un reglamento fijo (enrutador `heuristica_local_v2`), no una inteligencia artificial. Mira la ficha del libro, que son 15 medidas (cuántos títulos tiene, qué tan larga es su sección más larga, cuánto pesan las tablas), y lo manda por una de tres rutas: