seo_watch: detecta enlaces envejecidos (check 4)

El corpus crece 2 posts/semana, así que un enlace apunta al mejor destino que
existía el día en que se escribió — y envejece. Caso real que motivó el check
(2026-07-18): levelland enlazaba el anchor 'Project Blue Book' al artículo de
AARO porque cuando se generó (30-jun) el de Blue Book no existía (1-jul).
No fue un fallo del generador: fue el mejor destino disponible, un día antes
de que apareciera el correcto.

Heurística deliberadamente conservadora, por la misma razón que el resto del
job: un vigilante desatendido que grita en falso se acaba ignorando.
  * solo marca si el anchor contiene TODOS los tokens distintivos de otro post
  * no marca si el anchor ya casa con el destino actual (el enlace está bien)
  * ignora posts con <2 tokens distintivos — p.ej. roswell-1947 se reduce a
    {roswell}, que casa con demasiadas cosas

Test de regresión hecho contra los datos reales pre y post arreglo: caza
levelland antes, 0 hallazgos después (incluido el falso positivo de yellow-sea,
cuyo anchor menciona 'roswell' pero apunta correctamente al post del vídeo).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

seo_watch.py

@@ -9,8 +9,11 @@ medida que se publica (2 posts/semana), no el inventario completo de siempre:
   2. Enlaces internos no canónicos   (apex, http, o sin barra final → salto 301)
   3. Enlaces prematuros              (a un post que se publica DESPUÉS que el que
                                       lo enlaza → 404 en la ventana intermedia)
-  4. Sitemap                         (toda URL listada debe dar 200 directo)
-  5. Violaciones accionables         (delta vs la última ejecución, vía seo_rules)
+  4. Enlaces envejecidos             (el anchor nombra a otro artículo que se
+                                      publicó DESPUÉS: el corpus crece y el
+                                      mejor destino cambia)
+  5. Sitemap                         (toda URL listada debe dar 200 directo)
+  6. Violaciones accionables         (delta vs la última ejecución, vía seo_rules)
 
 Solo avisa por Telegram cuando hay hallazgos o cuando algo CAMBIA respecto a la
 ejecución anterior — un informe semanal de "todo bien" es ruido que se ignora.
@@ -122,6 +125,62 @@ def check_links(posts):
     return roto, nocanon, prematuro
 
 
+# Tokens que no distinguen a un post de otro: aparecen en medio corpus.
+_GENERIC = {
+    "the", "a", "of", "and", "in", "on", "to", "that", "its", "an", "at",
+    "ufo", "ufos", "uap", "incident", "files", "file", "declassified", "secret",
+    "analysis", "forensic", "video", "case", "cases", "mystery", "history",
+    "new", "us", "american", "america", "americas", "government", "official",
+    "report", "reports", "still", "what", "how", "why", "who", "cant", "explain",
+}
+
+
+def _distinctive(slug):
+    """Tokens del slug que de verdad identifican a ESE post."""
+    return {t for t in slug.split("-")
+            if t not in _GENERIC and not t.isdigit() and len(t) > 2}
+
+
+def check_link_aging(posts):
+    """Enlaces cuyo anchor nombra inequívocamente a OTRO artículo del corpus.
+
+    El corpus crece 2 posts/semana, así que un enlace apunta al mejor destino
+    que existía el día en que se escribió — y envejece. Caso real (2026-07-18):
+    levelland enlazaba el anchor 'Project Blue Book' al artículo de AARO, porque
+    cuando se generó (30-jun) el artículo de Blue Book aún no existía (1-jul).
+
+    Heurística deliberadamente CONSERVADORA: solo avisa si el anchor contiene
+    TODOS los tokens distintivos de otro post. Prefiere callarse a dar la lata:
+    un vigilante desatendido que grita en falso se acaba ignorando.
+    """
+    live = {p["slug"] for p in posts if p.get("status") == "published"}
+    tokmap = {s: _distinctive(s) for s in live}
+    out = []
+    for p in posts:
+        html = p.get("html") or ""
+        for m in re.finditer(
+                r'<a href="' + re.escape(HOST) + r'([^"/]+)/?"[^>]*>(.*?)</a>', html, re.S):
+            target = m.group(1)
+            anchor = re.sub(r"<[^>]+>", "", m.group(2)).strip().lower()
+            if not anchor:
+                continue
+            # Si el anchor ya casa con el destino actual, el enlace está bien:
+            # no hay nada que "envejecer". (Evita marcar p.ej. un anchor sobre
+            # el vídeo viral de Roswell que apunta —correctamente— a ese post
+            # solo porque también contiene la palabra "roswell".)
+            tgt_toks = tokmap.get(target) or set()
+            if tgt_toks and all(t in anchor for t in tgt_toks):
+                continue
+            for other, toks in tokmap.items():
+                # <2 tokens distintivos = identificador débil (p.ej. {roswell}),
+                # casa con demasiadas cosas. No es señal suficiente.
+                if other in (target, p["slug"]) or len(toks) < 2:
+                    continue
+                if all(t in anchor for t in toks):
+                    out.append((p["slug"], anchor[:40], target, other))
+    return out
+
+
 def check_sitemap():
     malos = []
     urls = []
@@ -150,7 +209,7 @@ def check_rules(posts):
 
 # ---------- salida ----------
 
-def build_report(roto, nocanon, prematuro, n_sitemap, sm_malos, reglas):
+def build_report(roto, nocanon, prematuro, envejecido, n_sitemap, sm_malos, reglas):
     L = []
     if roto:
         L.append(f"🔴 {len(roto)} enlace(s) interno(s) ROTO(S):")
@@ -161,6 +220,9 @@ def build_report(roto, nocanon, prematuro, n_sitemap, sm_malos, reglas):
     if nocanon:
         L.append(f"🟡 {len(nocanon)} enlace(s) NO CANÓNICO(S) (salto 301 evitable):")
         L += [f"   {s[:34]} → {u}" for s, u in nocanon[:6]]
+    if envejecido:
+        L.append(f"🔵 {len(envejecido)} enlace(s) ENVEJECIDO(S) (ya existe mejor destino):")
+        L += [f"   {s[:26]}: «{a}» → /{t[:24]}/ ⇒ /{m[:26]}/" for s, a, t, m in envejecido[:6]]
     if sm_malos:
         L.append(f"🔴 sitemap: {len(sm_malos)} de {n_sitemap} URL(s) no dan 200:")
         L += [f"   [{c}] {u.replace(HOST,'/')}" for u, c in sm_malos[:6]]
@@ -173,11 +235,12 @@ def build_report(roto, nocanon, prematuro, n_sitemap, sm_malos, reglas):
     return "\n".join(L)
 
 
-def fingerprint(roto, nocanon, prematuro, sm_malos, reglas):
+def fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas):
     return json.dumps({
         "roto": sorted(f"{s}|{u}" for s, u in roto),
         "nocanon": sorted(f"{s}|{u}" for s, u in nocanon),
         "prematuro": sorted(f"{s}|{t}" for s, t, _, _ in prematuro),
+        "envejecido": sorted(f"{s}|{t}|{m}" for s, _, t, m in envejecido),
         "sitemap": sorted(u for u, _ in sm_malos),
         "reglas": {k: sorted(v) for k, v in reglas.items()},
     }, sort_keys=True)
@@ -203,15 +266,16 @@ def main():
 
     posts = fetch_posts()
     roto, nocanon, prematuro = check_links(posts)
+    envejecido = check_link_aging(posts)
     n_sm, sm_malos = check_sitemap()
     reglas = check_rules(posts)
 
-    body = build_report(roto, nocanon, prematuro, n_sm, sm_malos, reglas)
+    body = build_report(roto, nocanon, prematuro, envejecido, n_sm, sm_malos, reglas)
     pub = sum(1 for p in posts if p.get("status") == "published")
     header = f"🔎 SEO watch — theexclusionzone.com\n({pub} publicados, {len(posts)} totales, sitemap {n_sm} URLs)\n"
     report = header + "\n" + body
 
-    fp = fingerprint(roto, nocanon, prematuro, sm_malos, reglas)
+    fp = fingerprint(roto, nocanon, prematuro, envejecido, sm_malos, reglas)
     prev = ""
     try:
         with open(STATE) as f:
@@ -219,7 +283,7 @@ def main():
     except FileNotFoundError:
         pass
     changed = fp != prev
-    hallazgos = bool(roto or nocanon or prematuro or sm_malos)
+    hallazgos = bool(roto or nocanon or prematuro or envejecido or sm_malos)
 
     print(report)
     print(f"\n[cambios vs última ejecución: {'sí' if changed else 'no'}]")