infografia_brief: guion verificado para la infografía de un post

Las tres infografías falladas del 27-jul no fallaron al dibujar, fallaron al
decidir qué era cierto. ChatGPT tenía el artículo anterior en el contexto de la
conversación y coló la ficha de Vilas-Boas dentro de la infografía de Talavera,
y los 84 expedientes del Ejército del Aire español dentro de la de Vilas-Boas.
En una llegó a inventarse un dominio, bibliotecavirtual.defesa.gov.br, que no
existe: una brasileñización del español, a un clic de publicarse.

La respuesta no es pedirle al modelo que se porte bien, es no dejarle decidir.
El guion se extrae del artículo (claude -p, coste cero) y se VERIFICA contra el
propio artículo antes de que ChatGPT vea nada. A ChatGPT le llega "maqueta este
texto", no "lee esto y decide qué es cierto".

Decisiones que no son de adorno:

- La verificación es regex sobre el artículo, sin modelo de por medio. Un
  modelo autoevaluándose es exactamente lo que ya falló tres veces.
- Tres severidades, sacadas de cómo falló esto en la vida real: nombre propio
  fuera del artículo se cae, URL fuera del artículo se cae sin excepciones, y
  cifra que no aparece literal solo avisa. Lo tercero porque el artículo dice
  "mil novecientas páginas" donde el guion escribe "1.900", y tumbar eso
  automáticamente daría más falsos positivos que aciertos. Los nombres propios
  fueron el 100% de la contaminación observada.
- Los títulos de panel NO se verifican: "DATOS DEL CASO" es una etiqueta
  editorial, no una afirmación sobre el caso, y no tiene por qué aparecer en el
  artículo. Verificarlos hacía caer todos los paneles y el informe se volvía
  inservible.
- Una mayúscula en inicio de frase no cuenta como nombre propio, o cualquier
  viñeta que empiece por verbo ("Llegan…", "Comienza…") sale marcada como
  forastera. Las siglas (SBEDV, APRO, OVNI) sí se persiguen en cualquier
  posición: son marcador de contaminación.
- Se compara plegando minúsculas y tildes. El modelo escribe "Neron" donde el
  artículo dice "Nerón" y eso no es contaminación; la de verdad son palabras
  que no están en el artículo de ninguna forma.
- El idioma lo fija --site, no se adivina del texto: es un dato duro que no se
  equivoca, y el idioma del guion arrastra el de la imagen.

Verificado con la avería real, no con un caso de laboratorio: al guion
contaminado de Talavera se le caen Vilas-Boas, Martins, Fontes, Bühler, SBEDV,
Creighton, São Francisco de Sales y el dominio inventado, y se eliminan enteros
los dos paneles que se quedan sin viñetas, mientras los legítimos sobreviven
sin un solo falso positivo. Sobre los dos artículos publicados hoy, extrayendo
de cero: 0 descartes y 0 avisos en ambos, guion inglés íntegro en inglés y
español íntegro en español.

Solo lectura sobre Ghost: no toca el post, no publica, no genera imágenes.
El wrapper ~/.local/bin/infografia queda fuera del repo, como seo-check.

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

infografia_brief.py

@@ -0,0 +1,314 @@
+#!/usr/bin/env python3
+"""Guion verificado para la infografía de un post (Tool G).
+
+Por qué existe: las tres infografías falladas del 2026-07-27 no fallaron al
+dibujar, fallaron al DECIDIR qué era cierto. ChatGPT tenía el artículo anterior
+en el contexto de la conversación y coló datos de un caso en la infografía de
+otro (la ficha de Vilas-Boas dentro de Talavera, los 84 expedientes españoles
+dentro de Vilas-Boas) y llegó a inventarse un dominio, bibliotecavirtual.defesa
+.gov.br, que no existe.
+
+La respuesta no es pedirle al modelo que se porte bien, es no dejarle decidir:
+aquí se extrae el guion del artículo y se VERIFICA contra el propio artículo
+antes de que ChatGPT vea nada. Lo que no case, no llega a la imagen.
+
+Severidades, calcadas de cómo falló esto en la vida real:
+  · nombre propio que no está en el artículo  → SE CAE (fue el 100% de la
+    contaminación observada: São Francisco de Sales, Fontes, Bühler, O Cruzeiro)
+  · URL o dominio que no está en el artículo  → SE CAE, sin excepciones
+  · cifra que no está en el artículo          → AVISA, pero se queda: el
+    artículo puede decir "mil novecientas páginas" y el guion "1.900", y
+    tumbar eso automáticamente daría más falsos positivos que aciertos
+
+Solo lectura sobre Ghost. No publica, no toca el post, no genera imágenes.
+"""
+
+import argparse
+import json
+import os
+import re
+import string
+import subprocess
+import sys
+import tempfile
+
+sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
+
+WORK = os.path.expanduser("~/.cache/infografia")
+TEMPLATE = os.path.join(os.path.dirname(os.path.abspath(__file__)), "infografia_prompt.md")
+
+# Mismos dos sitios que el resto de ~/seo-tools. El idioma NO se adivina del
+# texto: lo fija el sitio, que es un dato duro y no se equivoca nunca.
+SITES = {
+    "en": {"cli": "ghst-en", "idioma": "inglés",
+           "fecha": "November 12, 1976", "decimal": "punto"},
+    "es": {"cli": "ghst-es", "idioma": "español",
+           "fecha": "12 de noviembre de 1976", "decimal": "coma"},
+}
+
+EXTRACT_PROMPT = """Lee el artículo que va al final y devuelve SOLO un objeto JSON
+(sin ```, sin texto alrededor) con el guion de una infografía.
+
+Reglas innegociables:
+- Cada dato debe salir del artículo. No uses tu conocimiento del caso.
+- Copia los nombres propios, cifras y fechas TAL CUAL aparecen en el artículo.
+- No inventes horas, referencias de archivo ni URLs.
+- Si un bloque no tiene material suficiente en el artículo, déjalo con menos
+  viñetas o devuélvelo vacío. Prefiero tres viñetas ciertas que seis dudosas.
+- Escribe el guion en el mismo idioma que el artículo.
+
+Estructura exacta:
+{{
+  "titular": "caso y año, máx 60 car.",
+  "subtitulo": "gancho corto, máx 60 car.",
+  "entradilla": "3-4 líneas resumiendo el artículo",
+  "cronologia": [{{"marca": "hora o duración literal del artículo", "texto": "qué pasó"}}],
+  "paneles": [{{"titulo": "...", "vinetas": ["...", "..."]}}],
+  "franja": [{{"titulo": "...", "vinetas": ["...", "..."]}}]
+}}
+
+"paneles" son la secuencia de los hechos (entre 4 y 8).
+"franja" son los bloques de cierre: datos del caso, lugar, argumentos a favor,
+argumentos escépticos, legado y lo que el artículo sostenga.
+
+ARTÍCULO:
+{articulo}
+"""
+
+# Palabras que van en mayúscula por posición, no por ser nombre propio. Solo se
+# usan para no dar la lata: si una de éstas no está en el artículo, es que el
+# artículo es muy corto, no que haya contaminación.
+RUIDO = {"el", "la", "los", "las", "un", "una", "y", "de", "del", "en", "the", "a", "an"}
+
+
+def sh(cmd, timeout=600):
+    return subprocess.run(cmd, shell=True, capture_output=True, text=True, timeout=timeout)
+
+
+def fetch(slug, cli):
+    """Baja el post por el wrapper ghst-*, igual que seo_finish.fetch."""
+    fd, path = tempfile.mkstemp(suffix=".json", prefix="infografia_")
+    os.close(fd)
+    try:
+        sh(f"{cli} post list --limit 100 --formats html --json > {path}")
+        with open(path) as f:
+            data = json.load(f)
+        posts = data.get("posts", data) if isinstance(data, dict) else data
+    finally:
+        os.unlink(path)
+    for p in posts:
+        if p.get("slug") == slug:
+            return p
+    sys.exit(f"ERROR: no encuentro el post '{slug}' en {cli}")
+
+
+def plano(html):
+    return re.sub(r"\s+", " ", re.sub(r"<[^>]+>", " ", html or "")).strip()
+
+
+# ── verificación ──────────────────────────────────────────────────────────────
+# Nada de esto usa un modelo: son regex sobre el texto del artículo. Un modelo
+# comprobándose a sí mismo es justo lo que ya falló tres veces.
+
+RE_TOKEN = re.compile(r"[A-Za-zÁÉÍÓÚÑÜÀÂÃÇáéíóúñüàâãç][\wÁÉÍÓÚÑÜÀÂÃÇáéíóúñüàâãç'’\-]*")
+RE_CIFRA = re.compile(r"\d[\d.,:]*")
+RE_URL = re.compile(r"(?:https?://|www\.)\S+|\b[\w\-]+\.(?:com|es|org|net|gov|br|gob)\b\S*", re.I)
+# Un token en mayúscula que va detrás de uno de estos signos lo está por
+# posición, no por ser nombre propio.
+RE_ARRANQUE = re.compile(r"[.:;!?¡¿—–\-(\[«\"]\s*$")
+
+
+def pliega(s):
+    """Minúsculas y sin tildes.
+
+    Comparar con tildes generaba falsos positivos tontos (el modelo escribe
+    «Neron» donde el artículo dice «Nerón») sin aportar nada: la contaminación
+    de verdad son palabras que NO están en el artículo de ninguna forma.
+    """
+    tabla = str.maketrans("áéíóúüàâãçñÁÉÍÓÚÜÀÂÃÇÑ", "aeiouuaaacnAEIOUUAAACN")
+    return s.translate(tabla).lower()
+
+
+def _en_articulo(token, articulo):
+    return pliega(token).strip(string.punctuation + "’'") in articulo
+
+
+def revisa(texto, articulo):
+    """Devuelve (nombres_fuera, cifras_fuera, urls_fuera) de una cadena del guion.
+
+    Solo se persiguen los tokens que parecen nombre propio de verdad:
+      · mayúscula inicial que NO esté al principio de la frase
+      · siglas en versalitas en cualquier posición (SBEDV, APRO, OVNI)
+    Sin lo primero, cualquier viñeta que empiece por un verbo («Llegan…»,
+    «Comienza…») se marcaba como forastera y el informe se volvía inservible.
+    """
+    urls = [u for u in RE_URL.findall(texto) if not _en_articulo(u, articulo)]
+    nombres = []
+    for m in RE_TOKEN.finditer(texto):
+        t = m.group()
+        sigla = len(t) > 1 and t.isupper()
+        propio = t[:1].isupper() and not t.isupper()
+        if propio and RE_ARRANQUE.search(texto[:m.start()] or " "):
+            continue                      # va en mayúscula por ir detrás de punto
+        if propio and m.start() == 0:
+            continue                      # ídem, principio de la cadena
+        if not (sigla or propio) or t.lower() in RUIDO:
+            continue
+        if not _en_articulo(t, articulo):
+            nombres.append(t)
+    cifras = [c for c in RE_CIFRA.findall(texto)
+              if len(c.strip(".,:")) > 1 and not _en_articulo(c, articulo)]
+    return nombres, cifras, urls
+
+
+def filtra(guion, articulo_low, informe):
+    """Poda el guion en sitio. Devuelve el guion limpio.
+
+    Una viñeta con un nombre propio o una URL forastera se cae entera: no se
+    puede "arreglar" media viñeta sin inventar, y ése es justo el pecado que
+    esta herramienta existe para evitar.
+    """
+    def cadena_ok(texto, donde):
+        nombres, cifras, urls = revisa(texto, articulo_low)
+        for c in cifras:
+            informe["avisos"].append(f"{donde}: cifra «{c}» no aparece literal en el artículo")
+        if urls:
+            informe["caidas"].append(f"{donde}: URL forastera {urls} → «{texto[:70]}»")
+            return False
+        if nombres:
+            informe["caidas"].append(f"{donde}: nombre(s) {nombres} fuera del artículo → «{texto[:70]}»")
+            return False
+        return True
+
+    for campo in ("titular", "subtitulo", "entradilla"):
+        if guion.get(campo) and not cadena_ok(guion[campo], campo):
+            guion[campo] = ""
+
+    # Marca y texto se revisan por separado: concatenarlos le quitaba a la
+    # primera palabra del texto su condición de inicio de frase, y cualquier
+    # entrada que empezara por un verbo salía marcada como forastera.
+    guion["cronologia"] = [
+        h for h in guion.get("cronologia", [])
+        if cadena_ok(h.get("marca", ""), "cronología/marca")
+        and cadena_ok(h.get("texto", ""), "cronología")
+    ]
+
+    for bloque in ("paneles", "franja"):
+        limpios = []
+        for p in guion.get(bloque, []):
+            # Los títulos de panel NO se verifican: son etiquetas editoriales
+            # («DATOS DEL CASO», «ARGUMENTOS ESCÉPTICOS»), no afirmaciones sobre
+            # el caso, y no tienen por qué aparecer en el artículo.
+            titulo = p.get("titulo", "")
+            p["vinetas"] = [v for v in p.get("vinetas", [])
+                            if cadena_ok(v, f"{bloque}/«{titulo[:24]}»")]
+            if p["vinetas"]:
+                limpios.append(p)
+            else:
+                informe["caidas"].append(f"{bloque}: panel «{titulo[:30]}» se queda sin viñetas y se elimina")
+        guion[bloque] = limpios
+    return guion
+
+
+# ── guion a texto ─────────────────────────────────────────────────────────────
+
+def formatea(guion):
+    out = [f"TITULAR: {guion.get('titular','')}",
+           f"SUBTÍTULO: {guion.get('subtitulo','')}",
+           f"ENTRADILLA: {guion.get('entradilla','')}", ""]
+    if guion.get("cronologia"):
+        out.append("CRONOLOGÍA")
+        for h in guion["cronologia"]:
+            out.append(f"  {h.get('marca','')} — {h.get('texto','')}")
+        out.append("")
+    for bloque, etiqueta in (("paneles", "PANELES (secuencia)"), ("franja", "FRANJA INFERIOR")):
+        if not guion.get(bloque):
+            continue
+        out.append(etiqueta)
+        for i, p in enumerate(guion[bloque], 1):
+            marca = f"{i:02d}. " if bloque == "paneles" else "  · "
+            out.append(f"{marca}{p['titulo']}")
+            for v in p["vinetas"]:
+                out.append(f"      - {v}")
+        out.append("")
+    return "\n".join(out).strip()
+
+
+def main():
+    ap = argparse.ArgumentParser(description="Guion verificado para la infografía de un post")
+    ap.add_argument("slug")
+    ap.add_argument("--site", choices=("en", "es"), required=True)
+    ap.add_argument("--out", help="guardar el prompt final aquí (además de imprimirlo)")
+    ap.add_argument("--claude-bin", default=os.environ.get("CLAUDE_BIN", "claude"))
+    ap.add_argument("--guion-json", help="saltarse el modelo y usar este guion ya extraído")
+    a = ap.parse_args()
+
+    cfg = SITES[a.site]
+    post = fetch(a.slug, cfg["cli"])
+    articulo = plano(post.get("html"))
+    if len(articulo.split()) < 200:
+        sys.exit(f"ERROR: el artículo tiene {len(articulo.split())} palabras; ¿seguro que es el slug bueno?")
+
+    print(f"═══ [{a.site.upper()}] {a.slug}")
+    print(f"    {post.get('status')} · {len(articulo.split())} palabras · idioma: {cfg['idioma']}")
+
+    if a.guion_json:
+        with open(a.guion_json) as f:
+            guion = json.load(f)
+    else:
+        print("    extrayendo el guion con claude -p (coste cero, plan Pro)…")
+        fd, pfile = tempfile.mkstemp(suffix=".txt", prefix="infografia_prompt_")
+        os.close(fd)
+        with open(pfile, "w") as f:
+            f.write(EXTRACT_PROMPT.format(articulo=articulo))
+        try:
+            r = sh(f'{a.claude_bin} -p < "{pfile}"')
+        finally:
+            os.unlink(pfile)
+        if r.returncode != 0:
+            sys.exit(f"ERROR: claude -p falló ({r.returncode}): {r.stderr[:300]}")
+        crudo = r.stdout.strip()
+        m = re.search(r"\{.*\}", crudo, re.S)
+        if not m:
+            sys.exit(f"ERROR: no encuentro JSON en la respuesta del modelo:\n{crudo[:400]}")
+        try:
+            guion = json.loads(m.group())
+        except json.JSONDecodeError as e:
+            sys.exit(f"ERROR: JSON inválido del modelo ({e}):\n{m.group()[:400]}")
+
+    os.makedirs(WORK, exist_ok=True)
+    with open(os.path.join(WORK, f"{a.site}-{a.slug[:40]}-crudo.json"), "w") as f:
+        json.dump(guion, f, ensure_ascii=False, indent=1)
+
+    informe = {"caidas": [], "avisos": []}
+    antes = json.dumps(guion, ensure_ascii=False)
+    guion = filtra(guion, pliega(articulo), informe)
+
+    print(f"\n─── verificación contra el artículo ───")
+    print(f"  descartado: {len(informe['caidas'])} | avisos: {len(informe['avisos'])}")
+    for c in informe["caidas"]:
+        print(f"  ✗ {c}")
+    for v in informe["avisos"]:
+        print(f"  ⚠ {v}")
+    if not informe["caidas"] and not informe["avisos"]:
+        print("  ✓ todo el guion está anclado al artículo")
+    if len(json.dumps(guion, ensure_ascii=False)) < len(antes) * 0.5:
+        print("\n  ⚠️  se ha caído más de la mitad del guion: revísalo antes de usarlo")
+
+    with open(TEMPLATE) as f:
+        plantilla = string.Template(f.read())
+    prompt = plantilla.safe_substitute(
+        idioma_nombre=cfg["idioma"], formato_fecha=cfg["fecha"],
+        formato_decimal=cfg["decimal"], guion=formatea(guion),
+    )
+
+    destino = a.out or os.path.join(WORK, f"{a.site}-{a.slug[:40]}-prompt.txt")
+    with open(destino, "w") as f:
+        f.write(prompt)
+    print(f"\n─── prompt listo para pegar en ChatGPT ───")
+    print(f"  {destino}\n")
+    print(prompt)
+
+
+if __name__ == "__main__":
+    main()

infografia_prompt.md

@@ -0,0 +1,43 @@
+Eres diseñador de infografías editoriales. Vas a maquetar UNA infografía a
+partir del guion que te doy más abajo.
+
+════════ REGLA 0 ════════
+El guion ya está cerrado y verificado contra el artículo original. Tu trabajo es
+MAQUETARLO, no completarlo ni corregirlo.
+
+· No añadas ningún dato, nombre, fecha, cifra, institución ni URL que no esté
+  en el guion. Ni de tu conocimiento del caso, ni de mensajes anteriores de
+  esta conversación.
+· No "mejores" ni "completes" un panel que te parezca corto. Si tiene tres
+  viñetas, lleva tres.
+· No inventes horas intermedias en la cronología. Si el guion salta de 01:45 al
+  amanecer, la imagen salta igual.
+· Prohibidas las URLs, los logotipos institucionales y las referencias de
+  archivo que no aparezcan literalmente en el guion.
+
+════════ IDIOMA ════════
+Todo el texto de la imagen va en $idioma_nombre, sin una sola palabra del otro
+idioma: titular, subtítulos, títulos de panel, viñetas, notas y pies.
+Formatos en $idioma_nombre: $formato_fecha, decimales con $formato_decimal.
+
+════════ ESTILO ════════
+· 1200 × 800 px, horizontal.
+· Fondo oscuro, paneles rectangulares con borde tenue, tipografía de palo seco,
+  un color de acento coherente con el tema. Sobrio y documental: esto acompaña a
+  un artículo de investigación, no a un titular sensacionalista.
+· Cabecera: titular en dos líneas, entradilla de 3-4 líneas e ilustración de la
+  escena central.
+· Cuerpo: los paneles numerados en orden, la cronología en una columna lateral,
+  y la franja inferior con el resto de bloques.
+· Si un panel no cabe con holgura, redúcelo de tamaño o quítalo entero — nunca
+  recortes el texto a mitad de frase.
+
+════════ COMPROBACIÓN FINAL ════════
+Antes de entregar, confirma por escrito:
+1. ¿Todo el texto está en $idioma_nombre?
+2. ¿Aparece algún dato que NO esté en el guion?
+3. ¿Se contradice algún panel con otro de la misma imagen?
+4. ¿Hay alguna URL, logo o referencia oficial que no venga en el guion?
+
+════════ GUION ════════
+$guion