feat(short): generación y render de Shorts vía shortsmith

Añade /generate short_en y /short_spec. El pipeline genera un shot spec
con Haiku, verifica cada cifra, fecha y cita contra los chunks de la
sesión, lo renderiza en shortsmith y entrega el MP4 por Telegram junto
a un informe de claims.

- ShortsmithClient con sondeo y fallback al spec JSON si el render falla
- Contrato de plantillas obtenido de GET /templates, no codificado
- Comprobación de fundamento determinista, sin LLM
- outputs.published_url para enlazar el artículo de Ghost
- Normalización de comillas rectas a tipográficas (ver KNOWN-ISSUES.md)

Lo que no aparece en los chunks se contrasta contra el ejemplo del
prompt: si casa ahí es fuga, no invención, y se informa como tal. El
purgado de sesiones se lleva también su MP4.

La subida a YouTube queda fuera a propósito: fase 3.

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

KNOWN-ISSUES.md

@@ -81,3 +81,47 @@ Mitigations now in place:
 
 If a research still dies, the scraped sources survive in the DB: `/process`
 re-chunks and scores them without re-scraping.
+
+## Un shot spec escrito por Haiku falla de dos maneras concretas
+
+Medido el 2026-08-01 generando Shorts de verdad contra sesiones reales (JAL
+1628 #153, Bélgica #158). Las dos están mitigadas, pero conviene saber que
+existen porque las dos son silenciosas si nadie mira.
+
+**1. Comillas rectas dentro de una cadena JSON.** El modelo escribe
+`"quote_a": ""CREDIBLE PEOPLE. THEY TOLD CLEARLY WHAT THEY SAW.""` y la cadena
+se cierra en la segunda comilla: el JSON entero deja de parsear. Se repitió en
+los tres intentos aunque el prompt lo prohíbe explícitamente y aunque el error
+se le devolvía con el fragmento exacto. **No se arregla insistiendo**: lo
+arregla `_typographic_inner_quotes()` en `src/generator/shortspec.py`, que
+convierte esas comillas en `“ ”` recorriendo el texto con estado de cadena.
+Sólo se ejecuta después de un fallo de parseo, así que un JSON correcto no pasa
+por ahí. Además es lo que se quiere dibujar: las citas del canal van con
+tipográficas.
+
+**2. Se copian cifras del ejemplo del prompt.** El `examples/jal1628.json` que
+va en el prompt como referencia de formato es también una fuente de datos muy
+tentadora. En la primera eval dorada, tres claims del spec generado venían del
+ejemplo y no de las fuentes: `232 FT` (largo de un 747) y `40 YEARS` no
+aparecían en NINGUNO de los 126 chunks de la sesión, y `RARELY, IF EVER` estaba
+en 1 chunk que no entró en el top-40 que vio el modelo. La sección 5 del prompt
+lo dice ahora en mayúsculas ("FORMAT ONLY … a number copied from here is a
+fabrication") y eso bajó de 3 a 1.
+
+El ejemplo se queda con cifras reales a propósito — uno sintético enseña peor
+la forma —, así que la defensa es estructural: `check_grounding()` contrasta lo
+que no encuentra en los chunks **contra el propio ejemplo**, y lo que casa ahí
+sale en el informe como `🧪 copiado del EJEMPLO del prompt (fuga, no
+invención)`. Son dos diagnósticos y piden dos acciones: una invención hay que
+verificarla, una fuga hay que borrarla.
+
+Corolario: **el informe de claims no es decorativo**. Si algún día se manda el
+vídeo sin él, se estará publicando lo que el modelo recuerde del ejemplo.
+
+## El comprobador de fundamento sólo mira los chunks que vio el modelo
+
+`check_grounding()` compara contra los mismos ~40 chunks que se metieron en el
+prompt, no contra los 126 de la sesión. Es deliberado — la pregunta es "¿lo
+sacó de lo que le dimos?" — pero produce falsos positivos cuando el dato existe
+en la sesión y no entró en el top-k. Un falso positivo cuesta un vistazo; un
+falso negativo cuesta la credibilidad del canal.