feat(episode): EXPLORA_la-distincin-clave-un-skill-dos-document_S20260705.R21_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: NONE | Type: design
Summary: EPISODIO 21 — BLINDADAS: La distinción clave: **UN skill, DOS documentos**

episodes/EXPLORA_la-distincin-clave-un-skill-dos-document_S20260705.R21_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,47 @@
+---
+episode_id: "712d50f1-58b4-4017-a027-313a569372a6"
+puente_flat: "EXPLORA_la-distincin-clave-un-skill-dos-document_S20260705.R21_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: "design"
+summary_one_line: "EPISODIO 21 — BLINDADAS: La distinción clave: **UN skill, DOS documentos**"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-07T03:51:27.102674+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+Buena pregunta, John — déjame aclararlo con precisión, porque **no es del todo así** y quiero que tengas el mapa exacto (BLINDADA-9, cero humo).
+
+## La distinción clave: **UN skill, DOS documentos**
+
+Lo que la otra instancia fabricó **no es un skill diferente** — es **el mismo skill que yo estaba diseñando**, ya implementado. Mira:
+
+| Artefacto | Quién lo hizo | Qué es | ¿Mismo o diferente? |
+|---|---|---|---|
+| **Skill `eval-instrument-forge`** — el diseño (SPEC + CONCILIO) | **Yo** | El contrato/plano del skill | 🟰 **MISMO skill** |
+| **Skill `eval-instrument-forge`** — el código (lib + tests) | **La hermana** | La implementación de *mi* diseño | 🟰 **MISMO skill** |
+| **Doc SOTA `..._EVALUACION_LLM`** | **Yo** | Estado del arte de cómo evaluar **LLMs** (25 lentes: benchmarks, juez, RAG, agéntico…) | ↔️ **DOCS diferentes** |
+| **Doc SOTA `..._EVALUACION_ESTADISTICA`** | **La hermana** | Estado del arte del **rigor estadístico** (anytime-valid/e-values, conformal, "compute-don't-guess") | ↔️ **DOCS diferentes** |
+
+**En una frase:** el **skill es uno solo** (yo lo diseñé, ella lo codeó — su `SKILL.md` literalmente cita mi SPEC como origen, mismo `id`, mismas 9 familias). **No hay dos skills, no hay duplicación.** Lo que sí es **diferente y complementario son los dos documentos de investigación**.
+
+## Dónde sí hay complementariedad real (y es valiosa)
+
+Su doc de evaluación **estadística** encaja como **enriquecimiento del propio skill**, no como skill aparte:
+- Mi doc dice **QUÉ instrumentos fabricar** (las 9 familias: MCQ, pass@k, juez, RAG, calibración, ablation…).
+- Su doc dice **CÓMO medir con más rigor** (e-values / anytime-valid, conformal prediction) — que es exactamente la **familia I (arnés estadístico)** y los gates SCIENTIA del skill.
+
+Así que su investigación estadística es material para una **v1.1 del arnés** (añadir e-values/conformal a `scorers.py` + `stat_harness.py`). Complementa el skill **por dentro**, no lo duplica **por fuera**.
+
+## ¿Querías dos skills separados?
+
+Si tu intención era tener **dos skills distintos** — p.ej. uno para "forjar tests de calidad de respuestas LLM" y otro para "evaluar estadísticamente cualquier fenómeno medible" — eso **sí sería una decisión de diseño nueva** que podemos tomar. Pero **hoy el estado es: 1 skill + 2 docs que lo alimentan.** Dime cuál de los dos cuadros querías:
+
+- 🟢 **Un skill** (`eval-instrument-forge`) alimentado por ambos docs — lo que hay hoy. *(Mi recomendación: es coherente y ya está construido/certificado.)*
+- 🟡 **Dos skills** — separar el motor estadístico general en su propio skill. *(Más superficie; solo si vas a evaluar fenómenos NO-LLM con frecuencia.)*