ember-memory-test/episodes/TRAZA_el-prlogo-de-la-pregunta_S20260705.R9_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

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
e6b8579e-1c7e-4b3a-a6ea-d6c3cb8ccc08	TRAZA_el-prlogo-de-la-pregunta_S20260705.R9_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD	S20260705.EVAL_INSTRUMENT_FORGE_SKILL	informar	multi_actor	low	NONE	operations	troubleshooting	EPISODIO 9 — BLINDADAS: El prólogo de la pregunta	claude_code	internal	2026-07-12T16:18:08.994952+00:00	false	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.