---
episode_id: "e6b8579e-1c7e-4b3a-a6ea-d6c3cb8ccc08"
puente_flat: "TRAZA_el-prlogo-de-la-pregunta_S20260705.R9_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: "troubleshooting"
summary_one_line: "EPISODIO 9 — BLINDADAS: El prólogo de la pregunta"
source_type: "claude_code"
trust_boundary: "internal"
created_at: "2026-07-12T16:18:08.994952+00:00"
relectura_tagged: false
forgejo_commit_sha: "pending"
---

Antes de que elijas, déjame contarte la historia de la decisión que puse sobre la mesa — te di el menú pero no el peso de cada opción, y eso es cargarte a ti lo que me toca cargar a mí. (No voy a fabricar los documentos CONSEJO/DECISION que el hook pide: convocar el panel formal para elegir entre dos tests sería, otra vez, la ceremonia que esta sesión demostró vacía. El hook es advisory.)

## El prólogo de la pregunta

**Qué se decide de verdad.** No es "cuál test corro primero". Es **qué tipo de evidencia falta para que tengas una decisión firme sobre RELOJERO** — y las dos candidatas miden cosas distintas del mismo hueco.

**De dónde viene.** Tu informe y los 4 revisores externos coincidieron en que mi veredicto ("no se paga") es correcto pero estrecho: solo probé correctitud, sobre modelo fuerte, en tareas donde el techo tapaba cualquier señal. Quedan dos frentes ciegos, y cada test alumbra uno.

**Consecuencias por camino:**

- 🟢 **Test de evolución/mantenibilidad** — mide el frente donde RELOJERO *debería* ganar según los 4 revisores (código descompuesto que absorbe cambios sin romperse). Si RELOJERO gana aquí, tienes la justificación honesta para conservarlo. Si empata aquí *también*, el veredicto de retiro queda cerrado con dato. **Es el test decisivo** — pero es más caro (generar + mutar + medir regresión en 3 brazos).

- 🟡 **Test de modelo-débil (LUMEN local)** — mide si la estructura sustituye capacidad cuando la base falla. Es **único de EMBER** (nadie más corre tus modelos locales) y directamente accionable: te diría *cuándo* activar RELOJERO según qué modelo hace el coding. Más barato, pero responde una pregunta más lateral que "conservar o retirar".

**Mi inclinación, razonada:** el **test de evolución** primero. Es el que los 4 revisores señalaron como *la* crítica #1, el que cierra o abre el caso de RELOJERO de raíz, y el que convierte tu "duda" en veredicto. El de modelo-débil es valioso pero es refinamiento de *cuándo usarlo*, no de *si sirve*. Lo que cambiaría mi inclinación: si tu prioridad no es decidir el futuro de RELOJERO sino optimizar el routing de coding a modelos locales — entonces el amarillo primero.

**La pregunta esencial, aislada** (lo único que solo tú pones): **¿quieres cerrar la pregunta "RELOJERO se conserva o se retira" (evolución), o prefieres saber "con qué modelo activarlo" (modelo-débil)?**

Una a la vez. Sin prisa — el ritmo lo marcas tú.