From a2f10b598c2c7e2b00b273aacd8ba997672ded7e Mon Sep 17 00:00:00 2001 From: Ember Date: Sun, 4 Oct 2026 14:01:46 +0000 Subject: [PATCH] feat(episode): TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Skill: TESSERA | Type: troubleshooting Summary: EPISODIO 1 — MEMORIA: [R1.seccion1.P1] La respuesta corta --- ...ot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md | 53 +++++++++++++++++++ 1 file changed, 53 insertions(+) create mode 100644 episodes/TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md diff --git a/episodes/TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md b/episodes/TRAZA_r1seccion1p1-la-respuesta-corta_S20261003.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md new file mode 100644 index 00000000..ebd69a8b --- /dev/null +++ b/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: