---
episode_id: "9c97ded9-5e41-42e0-b704-ea044a909b79"
puente_flat: "EXPLORA_1-lo-que-realmente-ests-proponiendo-el-r_S20260601.R30_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD"
session_code: "S20260601.LUMEN_CAPACIDAD_LLM_LIGERO"
acto_dialogico: "informar"
actor_flujo: "multi_actor"
criticidad_aegis: "low"
skill_dominante: "TESSERA"
fase_proyecto: "operations"
tipo_semantico: "design"
summary_one_line: "EPISODIO 30 — PostgreSQL: 1. Lo que realmente estás proponiendo (el reframe)"
source_type: "claude_code"
trust_boundary: "internal"
created_at: "2026-06-02T17:45:05.629822+00:00"
relectura_tagged: false
forgejo_commit_sha: "pending"
---

Listo, ya tengo números reales para no opinar al aire. Te doy la investigación destilada + mi opinión genuina, que es lo que pediste.

`[R17.seccion1.I1]`

## 1. Lo que realmente estás proponiendo (el reframe)

No es "meter un grafo en CLAUDE.md". Es un cambio de **arquitectura de arranque**: pasar de **eager-loading** (cargar TODA la literatura como prosa en cada boot) a **índice navegable + retrieval bajo demanda** (cargar un mapa compacto, y traer el detalle solo cuando una tarea lo necesita). El grafo Graphify sería ese mapa. Esa es exactamente la frontera donde está hoy la investigación seria de "context engineering" y GraphRAG — y tu propio MEMORY.md ya cita a Graphiti/Zep como SOTA en memoria estructurada en grafo. Vas bien encaminado.

`[R17.seccion2.T1]`

## 2. El dato duro primero — cuánto peso cargo hoy en cada boot

Medido este turno (PowerShell, `hard_fact`):

| Artefacto | Tamaño en disco | ~Tokens (bytes/4) |
|-----------|----------------:|------------------:|
| `CLAUDE.md` raíz | 40.520 B | ~10.130 |
| `rules/*.md` (46 archivos) | 701.809 B | **~175.452** |
| `graph-hooks.json` (1 subsistema: hooks) | 164.933 B | ~41.233 |

Traducción: la carpeta `rules/` sola pesa **~175K tokens** de prosa, y la mayoría se inyecta vía los ~30 `@rules/...` del CLAUDE.md raíz **en cada sesión**. Eso es ~18-20% de mi tanque de 1M quemado antes de que digas la primera palabra. Y aquí está el problema que tu intuición huele bien: **"Lost in the Middle" (Liu et al. 2023, arXiv 2307.03172) — citado en tu propio CLAUDE.md** — dice que cuanto más relleno el contexto, más se diluye mi atención y peor sigo las instrucciones del medio. O sea: **cargar más reglas más allá de cierto punto me hace seguirlas PEOR, no mejor.** Tu hipótesis ataca el problema correcto.

`[R17.seccion3.L1]`

## 3. Los mecanismos no-deterministas (el "investigues")

Sin hooks, las palancas que moldean mi comportamiento son todas de **ingeniería de contexto**:

1. **Inyección al system prompt / memoria de arranque** — la más fuerte, porque vive siempre en contexto. Posición importa: inicio y final reciben más atención (primacy/recency).
2. **In-context learning / few-shot** — un ejemplo de conducta deseada pesa más que un párrafo de instrucción.
3. **Compresión densa** — menos tokens más densos se siguen mejor que prosa verbosa (es tu propia TESSERA-PASSIVE TP-5).
4. **RAG / retrieval bajo demanda** — no cargar todo; traer la rebanada relevante por query. **Aquí entra el grafo.**
5. **Prompts de auto-verificación / reflexión** — pedirme que me revise (tus PROBATOR, OII).