feat(episode): TRAZA_en-la-fase-de-vectorizacin-el-texto-se_S20260607.R33_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD

Skill: TESSERA | Type: troubleshooting
Summary: EPISODIO 33 — Qdrant: En la fase de vectorización, el texto se...

episodes/TRAZA_en-la-fase-de-vectorizacin-el-texto-se_S20260607.R33_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

@@ -0,0 +1,23 @@
+---
+episode_id: "8db8d7ce-f762-4096-99dc-ac5d18ab623e"
+puente_flat: "TRAZA_en-la-fase-de-vectorizacin-el-texto-se_S20260607.R33_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 33 — Qdrant: En la fase de vectorización, el texto se..."
+source_type: "claude_code"
+trust_boundary: "internal"
+created_at: "2026-06-08T18:59:52.726152+00:00"
+relectura_tagged: false
+forgejo_commit_sha: "pending"
+---
+
+En la fase de vectorización, el texto se envía a LiteLLM → Gemini, que devuelve un vector de **3072 números** (las coordenadas semánticas del contenido). Ese vector se guarda en Qdrant junto al payload (metadata: `puente_facets`, `nomenclatura_id`, `lexicon_id`, etc.). El índice HNSW —un grafo navegable de vecinos cercanos— permite que una búsqueda recupere los chunks más parecidos en **O(log N)** en vez de comparar contra los 4742 puntos uno por uno. Lo "vital" aquí es doble: **`ember_experience`** (lo que Ember vivió y recuerda) y **`ember_lexicon`** (el vocabulario canónico que ancla las entidades para que BM25 + embedding + grafo coincidan). Ambas están **100% indexadas HNSW** — que fue justamente la deuda D-003 que se cerró el 2026-05-24 (`docs/CIERRE_DEUDA_D003_HNSW_INDEXED_S20260524.md`). ### `[R127.seccion4.Q1]` — Lo que NO verifiqué este turno (negativa honesta PR-6)
+
+- **Modelo de embedding exacto en LiteLLM:** no re-consulté el endpoint LiteLLM este turno (el alias `text-embedding-3-large`→Gemini 001 viene de MEMORY.md, `soft_fact`). `lumen_status` falló pero eso es **LUMEN/Ollama local** (LLM generativo), **no** el embedding — son cosas distintas. - **Neo4j / PostgreSQL:** consulté solo Qdrant + LiteLLM-config este turno. El estado relacional/grafo no lo toqué. **¿Quieres que profundice en alguna pieza?** Las tres ramas donde te puedo dar más:
+
+1. **Re-verificar el modelo exacto** en LiteLLM (confirmar si es Gemini 001 o text-embedding-3-large real, cierra el único `soft_fact`). 2. **`ember_shared` está en 0** — es un gap del pipeline (la colección relacional/co-creación nunca se alimentó). ¿Lo investigamos? 3. **El pipeline F0–F6 completo** — cómo viaja un texto desde tu chat hasta los 6 destinos (Qdrant + Neo4j + PostgreSQL + Nextcloud + Forgejo + Wiki).