ember-memory-test/episodes/DEPURA_para-john-r26_S20260618.R3_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
08a7f893-0508-4fa9-81db-918b87b50ac4	DEPURA_para-john-r26_S20260618.R3_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD	S20260618.VERIFY_FIRST_PASSPORT_FIX	informar	multi_actor	low	NONE	operations	troubleshooting	EPISODIO 3 — MNEMO Pipeline: 📍 PARA JOHN — R26	claude_code	internal	2026-06-18T15:31:11.525383+00:00	false	pending

Mi inclinación: borrar solo el grupo 4 (el redundante 7c72acd9, conservando el más completo 05fea691) + conservar 1, 2, 3, 5 + refinar Capa 1 con gate de similitud 0.95. Mínimo daño, máxima honestidad. La pregunta esencial — solo tú la pones: ¿Dedup conservador (solo borrar lo casi-idéntico, grupo 4) o agresivo (también las re-emisiones 2 y 5 que se solapan ~85%, asumiendo que su delta es trivial)?

📍 PARA JOHN — R26

• Hice: Antes de borrar, medí la similitud real de los 5 pares. Descubrí que solo 1 es duplicado limpio (0.958); 2 son falsos positivos (contenido distinto) y 2 son re-emisiones evolucionadas. Frené el borrado masivo — habría destruido contenido único. - Falta: Tu decisión de alcance (abajo) + ejecutar el borrado del set confirmado + refinar Capa 1 (gate de similitud, porque tiene el mismo sesgo agresivo). - Mi consejo: Conservador — borra solo el grupo 4, conserva el resto, y arreglemos Capa 1. El "problema de near-dups" era mucho menor de lo que parecía. - Para avanzar, elige:
  • 🟢 A (recomendado) — Borrar solo grupo 4 (1 episodio, archivado) + refinar Capa 1 con gate de similitud 0.95. - 🟡 B — Borrar grupos 4 + 2 + 5 (3 episodios, los borderline incluidos) + refinar Capa 1. - ⚪ C — No borrar nada aún; primero refinar/revertir Capa 1 y revisar el corpus con más calma.