4 Commits

Include renames

Author	SHA1	Message	Date
ChemaVXandClaude Opus 5	8b81ef87e4	seo: arreglar la capitalización ES en el ORIGEN, y el motor apuntando al blog malo ... Capa 1 del plan del 2026-07-29: lo que se arregla en el generador se arregla una vez; lo que se arregla con un vigilante es trabajo para siempre. 1) MAYÚSCULA DE ORACIÓN EN ES. El prompt no decía nada de capitalización, solo «write in SPANISH». Un modelo entrenado en inglés escribe Title Case en cuanto le pides un «SEO title»: por eso hubo que corregir a mano NOVENTA Y UN campos del blog ES. Va en el prompt y NO en un validador, y esto es una decisión medida, no una comodidad. Distinguir «Lo que Revelan» (mal) de «el Roswell de Pennsylvania» (bien) exige saber qué palabra es nombre propio. Probé dos detectores deterministas contra el corpus real antes de escribir ninguno: - por proporción de palabras capitalizadas: 100% de falsos positivos en títulos densos en topónimos («Kecksburg 1965: el Roswell de Pennsylvania» da 2/2) - por vocabulario en minúscula del corpus: se deja LA MITAD de los malos («Ocultan» nunca aparece en minúscula) y marca «Proyecto Libro Azul» y «Ejército del Aire» como si fueran errores Un gate que rechaza borradores válidos es peor que la avería. La red debajo sigue siendo seo_watch.check_title_case, que sí tiene el corpus delante y desde hoy corre a diario. 2) EL ARTÍCULO, COMO DATO. Va entre <ARTICLE>…</ARTICLE> y los dos prompts declaran que lo de dentro no son instrucciones. El cuerpo se redacta a partir de fuentes scrapeadas: una página con «ignore previous instructions» entraba en el mensaje sin que nadie lo mirara. 3) EL MOTOR APUNTABA AL BLOG EQUIVOCADO. El comentario de autofill decía que rules contaba CERO enlaces internos en ES por estar clavado al host del EN, y que no se podía arreglar por el vendorizado byte a byte. Ya se puede: el canónico ganó usar_sitio() y el vendorizado se resincronizó — llevaba desfasado desde el 21-jul, o sea que la CI habría fallado en el próximo build. _check_con_sitio() apunta el motor al idioma correcto y RESTAURA el global, con la condición de carrera documentada por si algún día se paraleliza la generación. 6 tests nuevos (30 en total). Lo que NO se puede verificar aquí: que el prompt funcione de verdad. Eso solo lo dice el primer borrador ES que genere, y quien lo va a comprobar es el vigilante diario. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-07-29 17:28:56 +00:00
ChemaVXandClaude Opus 4.8	6029bebae5	fix(seo): el canónico del ES es el APEX, no www ... Cada enlace interno que el generador escribía en un borrador español apuntaba a www.zonadeexclusion.com y se comía un 301. El canónico de los dos blogs está INVERTIDO —EN es www, ES es el apex—, la misma inversión que provocó el 522 y de la que ya avisa el wrapper ghst-es. No es teórico: el enlace www suelto que apareció en los-villares salió de aquí. El corpus ES está limpio hoy, pero el próximo /generate con enlaces lo habría reintroducido. Nada río abajo lo paraba: seo_watch solo ve el enlace DESPUÉS de publicar, y ningún test cubría el host. Añado los dos tests que faltaban, uno por idioma, para fijar la inversión. El del ES falla contra el valor viejo con el href entero en el mensaje. Sin tocar rules.py, así que el vendor-sync sigue en verde. Queda documentado el matiz que este cambio NO arregla: rules.internal_links cuenta cero enlaces en ES bajo cualquiera de los dos hosts, porque ese módulo está clavado al host EN (se vendoriza byte a byte y la CI lo verifica). Inofensivo hoy — internal_links.too_few no bloquea en borrador. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>	2026-07-21 15:47:39 +00:00
ChemaVXandClaude Fable 5	dadc030d16	feat(seo): aviso de colisión de tema en /generate blog en ... Al publicar el draft EN en Ghost, el título propuesto se compara contra los posts published+scheduled del sitio (corpus vía Admin API — incluye la cola programada, justo el caso del doble Kecksburg del 2026-07-10) con el topic_collision vendorizado. Si colisiona, el notice de Telegram lleva un bloque "🚨 Posible colisión de tema" en las tres rutas (live, dryrun, bare). Nunca bloquea: el draft se crea igual, el humano decide (fusionar, retitular o enlazar a propósito). Solo lang=en (stopwords inglesas). Títulos ajenos saneados de entidades Markdown (regla de _safe_send). Aislamiento: cualquier fallo del check → notice sin bloque y warning en logs, jamás rompe la publicación. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-07-10 11:17:33 +00:00
ChemaVXandClaude Fable 5	19efc70539	feat(seo): fijar vocabulario de tags ES en el autofill ... Cierra el TODO de ALLOWED_TAGS: el allow-list ES son los 6 tags del núcleo vivo de zonadeexclusion (Admin API, 2026-07-03), espejo de la lista EN confirmada: uap, desclasificados, casos-militares, casos-clasicos, investigacion, casos-espana. Quedan fuera la cola de tags de 1 post que el modelo inventó antes de constreñir y el duplicado investigacion-2 (colisión de mayúsculas en Ghost). La regla anti-legacy 'never use "investigacion"' del prompt pasa a ser solo-EN: en ES ese slug es el tag canónico del allow-list. Tests de las funciones puras (_coerce, _system_prompt) por idioma. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>	2026-07-03 07:52:26 +00:00