feat(episode): TRAZA_vas-de-retrieval-nuevas-encontradas-en_S20260718.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: design
Summary: EPISODIO 1 — MNEMO_PRE_DIGEST: 🗺️ Vías de retrieval nuevas — encontradas en los

episodes/TRAZA_vas-de-retrieval-nuevas-encontradas-en_S20260718.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,47 @@
+---
+episode_id: "cd44e8d7-2dcd-4365-944f-01c4c5464be5"
+puente_flat: "TRAZA_vas-de-retrieval-nuevas-encontradas-en_S20260718.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260718.ECC_TOOLBOX_SURFACER"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "TESSERA"
+fase_proyecto: "operations"
+tipo_semantico: "design"
+summary_one_line: "EPISODIO 1 — MNEMO_PRE_DIGEST: 🗺️ Vías de retrieval nuevas — encontradas en los datos que Y"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-07-19T03:42:16.556807+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+Investigación completa, John — commit `90f71412`, push 3/3. **La respuesta a tu encargo es un SÍ rotundo, con números:**
+
+## 🗺️ Vías de retrieval nuevas — encontradas en los datos que YA tenemos
+
+Inspeccioné los 52 campos reales de `public.episode` (750 episodios) y medí cuáles están poblados:
+
+**🟢 5 VÍAS NUEVAS OPERATIVAS HOY (cero construcción — son queries):**
+
+| Vía | Población | Pregunta que habilita |
+|---|--:|---|
+| **`skill_dominante`** | 750/750 | "¿en qué episodios dominó FORENSE/SHERPA?" |
+| **`related_entities`** | **744/750** | "¿qué episodios mencionan X?" — **LA vía entidad real** (y alimenta directo el fix v4-LEXICON del canal grafo) |
+| **`importance_score`** | 750/750 | "solo los recuerdos importantes" |
+| **`puente_facets`** | 750/750 | facetas del PUENTE desagregadas (verbo/fase/criticidad) — multi-facet sin parsear |
+| **`has_code`** | 59 | "episodios con código" |
+
+**🔴 7 vías DISEÑADAS pero VACÍAS (0/750)** — `has_decision` (¡cero, pese a que decidimos todo el día!), `phi_b/v/j` (los valores Φ no viajan), `nomenclatura_id`, `user_intent`, `relectura`, `superseded_by`. **Mismo patrón que PHI_GOLDEN NAME** — y la joya estratégica: **un solo fix del writer las enciende TODAS**, porque los datos ya viajan en los markers que emito cada turno (PRE_DIGEST → entities/decisiones, PHI_GOLDEN → phi/name, nomenclatura → id). Un fix, ~9 vías nuevas.
+
+**⚠️ 2 hallazgos de arquitectura:** las tablas `entities`/`episode_entities` están vacías (0,0 — el diseño normalizado nunca se pobló), y existe un **schema `mnemo.episode` rico** (con `lineage`, `causal`, `consejo_decision_pair`, `sibling_of` — ¡vías relacionales de lujo!) **desconectado de producción** (40 episodios de lab vs 750 reales).
+
+Todo grabado en las dos capas: [catálogo en el repo](docs/AUTOMEJORA_VIAS_RETRIEVAL_S20260719.md) + sección 5b del runbook en memoria operativa.
+
+**Hice:** el censo empírico de vías — de 4 conocidas pasamos a **9 operativas + 7 encendibles con un fix**. La más valiosa: `related_entities` (744/750) resuelve la mitad del fix v4-LEXICON sin construir nada.
+
+**Falta:** el **fix del writer** (1 tarea, enciende ~9 vías de golpe) — es ahora EL candidato #1 del próximo ciclo, por encima incluso de v4-LEXICON (que se apoya en él).
+
+**Mi consejo:** cerramos aquí — la investigación quedó completa, medida y persistida. El próximo ciclo tiene un plan de retrieval clarísimo: fix-writer → v4-LEXICON con related_entities → re-medir A/B.
+
+⛽ 🟢 GREEN ~510K | DE: 1