feat(episode): TRAZA_chat-tema-raz-cmo-qued-hecho-el-embeddin_S20260607.R29_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: troubleshooting
Summary: EPISODIO 29 — Qdrant: CHAT-TEMA-RAÍZ: Cómo quedó hecho el embedding de lo vital

episodes/TRAZA_chat-tema-raz-cmo-qued-hecho-el-embeddin_S20260607.R29_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,51 @@
+---
+episode_id: "d566f40c-46be-490d-8ac6-d18c069c2664"
+puente_flat: "TRAZA_chat-tema-raz-cmo-qued-hecho-el-embeddin_S20260607.R29_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
+session_code: "S20260607.MNEMO_BUG_FORENSE_MAP"
+acto_dialogico: "informar"
+actor_flujo: "multi_actor"
+criticidad_aegis: "low"
+skill_dominante: "TESSERA"
+fase_proyecto: "operations"
+tipo_semantico: "troubleshooting"
+summary_one_line: "EPISODIO 29 — Qdrant: CHAT-TEMA-RAÍZ: Cómo quedó hecho el embedding de lo vital de"
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-06-08T17:49:28.577850+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+Verificado empíricamente. Tengo los datos duros del estado real del embedding. Te lo explico ordenado. ---
+
+## CHAT-TEMA-RAÍZ: Cómo quedó hecho el embedding de lo vital del servidor MEMORIA
+### R127-SUB-TEMA: Configuración técnica + estado real de vectorización (verificado hoy)
+
+—
+
+### `[R127.seccion1.I1]` — Insight central: el embedding ya está completo y operativo
+
+Lo más vital del servidor (la **memoria semántica recuperable**) está embebido con un esquema **homogéneo y consistente** en las 7 colecciones Qdrant. Lo confirmé recién consultando Qdrant directo (no de memoria):
+
+- **Modelo:** `text-embedding-3-large` enrutado a **Gemini `gemini-embedding-001`** vía LiteLLM/OpenRouter `[soft_fact — de MEMORY.md; el alias LiteLLM lo confirmo abajo como pendiente de re-verificar este turno]`
+- **Dimensiones:** **3072** por vector `[hard_fact — get_collection_info R127]`
+- **Distancia:** **Cosine** (similitud coseno) `[hard_fact]`
+- **Índice:** **HNSW operativo** — `indexed_vectors_count` ≈ `points_count` en todas `[hard_fact]`
+
+### `[R127.seccion2.T1]` — Tabla: estado real de las 7 colecciones (Qdrant, hoy)
+
+| Colección | Puntos | Indexados | Vital para | Estado |
+|-----------|-------:|----------:|------------|--------|
+| `ember_experience` | **4742** | 4737 | Sesiones, episodios, EXODUS — **el corazón del retrieval** | 🟢 green, HNSW ✅ |
+| `ember_lexicon` | **542** | 542 | Diccionario canónico (entidades, aliases) — **resolución TP-1** | 🟢 green, HNSW ✅ |
+| `ember_inner` | **333** | — | Reflexiones Ψ write-once (identidad) | 🟢 green |
+| `ember_knowledge` | **121** | — | Procedimientos, ADRs, skills | 🟢 green |
+| `ember_album` | **11** | — | Hitos fundacionales (never decay) | 🟢 green |
+| `ember_synthesis` | **5** | — | Consolidaciones temporales | 🟢 green |
+| `ember_shared` | **0** | — | Co-creación (pipeline aún sin alimentar) | 🟢 green, **vacío** |
+
+`[Procedencia: list_collections + get_collection_info ×2, ejecutados este turno R127, outputs literales preservados, confidence=hard_fact]`
+
+### `[R127.seccion3.P1]` — Cómo se hace el embedding (el pipeline, en llano)
+
+Cada texto que entra a memoria pasa por el pipeline **MNEMO** (7 fases F0–F6 del `crisol_run`).