estado: cerrar los siete puntos ciegos del vigilante, y pasarlo a diario

Recuento de los fallos de esta semana: diecisiete. Ni uno solo fue un caso que
el vigilante juzgara mal — los diecisiete estaban en sitios donde el vigilante
no mira. Eso es una buena noticia: los puntos ciegos son enumerables y el
juicio equivocado no.

Lo que no miraba nadie, con el fallo real que lo motiva:

  tags        5 duplicados vivieron TRES SEMANAS repartiendo 7 posts entre dos
              archivos flacos, los dos ofrecidos a Google en sitemap-tags.xml
  páginas     todas las reglas eran de posts; /about no tiene metas en ninguno
              de los dos sitios
  <head>      el EN emite DOS Article con titulares distintos, y sigue con
              twitter:site=@ghost y article:publisher=facebook.com/ghost
  robots.txt  el bloque «Cloudflare Managed» apareció solo en el EN y nadie lo
              decidió; cambia sin pasar por git
  hreflang    lo comprobaba SOLO seo_audit.py, que NO TIENE TIMER
  hub         se publicó una vez y se pudrió: «31 casos» con 33
  programados check_rules hace `if status != "published": continue`, así que un
              programado con la meta mal es invisible hasta el día DESPUÉS de
              publicarse — cuando ya lo ha visto Google

Decisiones:
  - módulo aparte y no dentro de seo_watch.py (ya pasa de 500 líneas), pero
    colgando del MISMO vigilante: una huella por sitio y un solo aviso. Dos
    notificadores compitiendo es como se deja de leer un informe
  - robots.txt se compara contra una INSTANTÁNEA versionada. Sin una foto
    contra la que comparar, un cambio que nadie hizo es invisible para siempre
  - un chequeo que revienta se convierte en HALLAZGO, no tumba a los demás. Lo
    peligroso de un vigilante no es que falle: es que falle y parezca limpio
  - og_*/twitter_* vacíos en una PÁGINA quedan fuera por COMPROBACIÓN, no por
    comodidad: Ghost los deriva de las metas al renderizar, verificado sobre el
    HTML público del hub ES. Avisar de eso sería mandar a arreglar algo que ya
    está bien

Timer semanal → DIARIO. Con 2 posts/semana más programados y deriva de tema y
robots, el lunes dejaba hasta seis días de exposición. No añade ruido: solo
avisa si hay hallazgos Y han cambiado, así que un día limpio no manda nada.

8 tests, cada uno la cicatriz de un fallo real, incluidos los dos que hacen
creíble a un vigilante: que DETECTA la avería (probado con deriva simulada de
robots) y que un chequeo roto se oye.

Primera ejecución real: 8 hallazgos, todos preexistentes, 32 s.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

This commit is contained in:

ChemaVX

2026-07-29 17:21:46 +00:00

co-authored by

Claude Opus 5

parent 2ae260a14f

commit 5b91895ef1

6 changed files with 623 additions and 8 deletions

									
										robots-esperado.json
									
		+21
		
												View File
												
				@@ -0,0 +1,21 @@

				{

				 "_nota": "Foto de robots.txt para detectar deriva. El bloque «Cloudflare Managed content» del EN aparece y cambia SOLO, sin pasar por git. OJO: hoy 2026-07-29 el EN bloquea 9 rastreadores de IA y el ES no bloquea NINGUNO. Esa asimetría NO la decidió nadie: es el default de Cloudflare en una zona y no en la otra. Está congelada aquí para que al menos no cambie en silencio, pero sigue pendiente de decisión. Cuando se decida, actualizar este fichero.",

				 "en": {

				  "bloqueados": [

				   "Amazonbot",

				   "Applebot-Extended",

				   "Bytespider",

				   "CCBot",

				   "ClaudeBot",

				   "CloudflareBrowserRenderingCrawler",

				   "GPTBot",

				   "Google-Extended",

				   "meta-externalagent"

				  ],

				  "content_signal": "search=yes,ai-train=no,use=reference"

				 },

				 "es": {

				  "bloqueados": [],

				  "content_signal": null

				 }

				}