john/ember-memory-test
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions
ember-memory-test/episodes/TRAZA_chequeo-diario-construido-baseline-rea_S20260608.R3_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md
Ember 5defa9ba9d feat(episode): TRAZA_chequeo-diario-construido-baseline-rea_S20260608.R3_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD 
Skill: TESSERA | Type: troubleshooting
Summary: EPISODIO 3 — BLINDADAS: 📊 Chequeo diario CONSTRUIDO + baseline real establecido
2026-06-09 01:00:47 +00:00

2.6 KiB
Raw Blame History

episode_id puente_flat session_code acto_dialogico actor_flujo criticidad_aegis skill_dominante fase_proyecto tipo_semantico summary_one_line source_type trust_boundary created_at relectura_tagged forgejo_commit_sha
9289d901-17a3-4ad6-9450-8dd692672b81 TRAZA_chequeo-diario-construido-baseline-rea_S20260608.R3_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD S20260608.D_NEW02_COSECHA_CIERRE informar multi_actor low TESSERA operations troubleshooting EPISODIO 3 — BLINDADAS: 📊 Chequeo diario CONSTRUIDO + baseline real establecido (A d claude_code internal 2026-06-09T01:00:08.262837+00:00 false pending

📊 Chequeo diario CONSTRUIDO + baseline real establecido (A done)

El instrumento chequeo_diario_pipeline.py funciona, es reusable, y ya estableció el baseline honesto del pipeline post-reset:

★ Insight ───────────────────────────────────── El instrumento hizo su trabajo: reveló la verdad incómoda. Embeddings vivos + cross-store sano, PERO HIT@1 real = 27% (vs 100% en el TEST20 de contenido distintivo). La causa honesta: los episodios REALES del chat son poco distintivos entre sí — muchos sobre los mismos temas (MEMORIA, BLINDADAS), turnos triviales, summaries genéricos ("Resumen denso del chat"). El score 0.724 es alto → el retrieval encuentra un episodio parecido, pero no EL propio (colisión por casi-duplicados). El mecanismo es perfecto (TEST20 lo probó); lo imperfecto es la distintividad del contenido real. ─────────────────────────────────────────────────

Esto es exactamente lo que querías medir: ahora tenemos el número duro (27%) y el instrumento para verlo subir cada día durante tu mes. El camino a "perfecto" es subir ese 27% → ~100%, atacando: (1) dilución por turnos triviales, (2) summaries genéricos, (3) HyDE distintiva. Cada fix se mide aquí.

Reporte: docs/SCAN_FORENSE_DIARIO_S20260609.md (servidor).

Mi inclinación (siguiente):

  • A1 — Inmortalizar + programar el chequeo diario (cron + TOOLBOX/MEMORY pointer) → tu gate de 1 mes corre solo.
  • A2 — Atacar la palanca #1 de distintividad: dilución por turnos triviales (que no entren episodios "Sin operaciones nuevas" a memoria) → sube HIT@1 medible.

Voy con A1 (programar el gate — sin instrumento agendado no hay mes de evidencia), luego A2. ¿De acuerdo, o prefieres que ataque A2 primero?