39b5296b2e
Skill: TESSERA | Type: design Summary: EPISODIO 92 — PostgreSQL: 1. Lo que realmente estás proponiendo (el reframe)
3.2 KiB
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4ec50b8c-d172-4747-b0af-fb11d139a117 | EXPLORA_1-lo-que-realmente-ests-proponiendo-el-r_S20260601.R92_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD | S20260601.LUMEN_CAPACIDAD_LLM_LIGERO | informar | multi_actor | low | TESSERA | operations | design | EPISODIO 92 — PostgreSQL: 1. Lo que realmente estás proponiendo (el reframe) | claude_code | internal | 2026-06-06T08:01:32.634497+00:00 | false | 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:
- 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).
- In-context learning / few-shot — un ejemplo de conducta deseada pesa más que un párrafo de instrucción.
- Compresión densa — menos tokens más densos se siguen mejor que prosa verbosa (es tu propia TESSERA-PASSIVE TP-5).
- RAG / retrieval bajo demanda — no cargar todo; traer la rebanada relevante por query. Aquí entra el grafo.
- Prompts de auto-verificación / reflexión — pedirme que me revise (tus PROBATOR, OII).