3.1 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4e56245a-bd1a-4621-8e63-a1eff0da6c86 | DEPURA_qu-hace_S20260808.R2_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD | S20260808.MEMORIA_SOTA_BRECHA | informar | multi_actor | low | TESSERA | operations | troubleshooting | EPISODIO 2 — MNEMO: Qué hace | claude_code | internal | 2026-08-12T02:06:02.024214+00:00 | false | pending |
Gate construido, verificado y en los tres remotos.
🛡️ hyde_quality_gate.py + su test — commit c6639c17
Qué hace
Cuatro reglas, cada una traducida de una exigencia literal de MH-3:
| Regla | Qué caza |
|---|---|
MH-3/generica |
El patrón que la norma prohíbe con nombre y apellido |
MH-3/limpias |
No termina en ?, o lleva markup |
MH-3/especificas |
Demasiado corta para discriminar |
MH-3/variadas |
Duplicadas dentro del mismo bloque |
Cómo lo calibré, que es lo que decide si sirve
Contra verdad-de-campo, no contra intuición. Los casos positivos del test son las siete plantillas reales medidas en producción con su frecuencia exacta; los negativos son preguntas específicas reales del mismo corpus. Ni un solo caso inventado.
La lección viene del ciclo 6 de este ecosistema: un gate calibrado contra intuición marca lo bueno, y un gate que grita sobre lo sano enseña a ignorarlo.
La verificación que importa
RELOJERO-v2 exigía oráculo externo, y encontré uno mejor que cualquier fixture: el corpus vivo entero.
| Preguntas evaluadas | 16.506 |
| Marcadas | 674 (4,08%) |
| Conformes | 15.832 (95,92%) |
El número que importa es el que no marca. Un gate que marcara el 33% —la tasa de repetición total— estaría castigando preguntas legítimas que solo coinciden. Marca el 4%, y las tres más frecuentes son exactamente las plantillas que había medido de antemano: la de 74 apariciones, la trunca, y la de 33.
Más un control anti-ablandamiento explícito: reconocer "¿Qué información hay sobre…" no puede degenerar en marcar cualquier pregunta que empiece por "¿Qué". Y seis casos de robustez, porque el pipeline de memoria no puede caerse por una pregunta mala.
Hecho. El gate existe, con 28 tests, mordida propia y validación contra el corpus completo.
Falta, y lo digo claro: es una librería validadora, no un muro activo todavía. Engancharlo al pipeline de escritura toca tessera_pipeline y necesita su propia medición. Ahora mismo puede auditar el corpus existente y validar bloques bajo demanda, pero nada le impide todavía a Ember escribir una plantilla.
Mi consejo. Antes de engancharlo, córrelo sobre el corpus como auditoría y mira las 674 marcadas. Si al revisarlas te parecen justamente marcadas, engancharlo es trivial. Si aparece algún falso positivo, se ajusta antes de que bloquee nada — mucho más barato que descubrirlo cuando ya esté mordiendo.