@hoilab/ada-cli 0.84.21 → 0.85.0

package/dist/core/lectura/pdf.d.ts.map

@@ -0,0 +1 @@
+{"version":3,"file":"pdf.d.ts","sourceRoot":"","sources":["../../../src/core/lectura/pdf.ts"],"names":[],"mappings":"AAAA;;;;;;;;;;;;;;;;;;;;;;;;;;;GA2BG;AAKH,OAAO,KAAK,EAAmB,cAAc,EAAE,MAAM,wBAAwB,CAAC;AAG9E,MAAM,MAAM,YAAY,GACrB;IAAE,MAAM,EAAE,OAAO,CAAC;IAAC,KAAK,EAAE,MAAM,CAAA;CAAE,GAClC;IAAE,MAAM,EAAE,UAAU,CAAC;IAAC,OAAO,EAAE,MAAM,CAAA;CAAE,GACvC;IAAE,MAAM,EAAE,SAAS,CAAC;IAAC,MAAM,EAAE,MAAM,CAAA;CAAE,CAAC;AAmMzC,wBAAgB,eAAe,CAAC,MAAM,EAAE,MAAM,GAAG,YAAY,CA+B5D;AAMD;;;;;;GAMG;AACH,wBAAgB,kBAAkB,CAAC,KAAK,SAAS,cAAc,CAAC,GAAG,EAAE,GAAG,EAAE,GAAG,CAAC,EAAE,IAAI,EAAE,KAAK,EAAE,GAAG,EAAE,MAAM,GAAG,KAAK,CAmD/G","sourcesContent":["/**\n * Lectura de PDF sin dependencias: los flujos de contenido de un PDF van\n * comprimidos con Flate (zlib), y `node:zlib` viene de serie. omp lo resuelve\n * renderizando el documento en un navegador headless y haciéndole capturas:\n * infraestructura pesada que aquí no existe. Lo que se extrae es la CAPA DE\n * TEXTO, no una imagen del documento.\n *\n * LOS TRES ESTADOS, nunca dos — confundir dos de ellos es un fallo que se lee\n * como éxito:\n *\n *   - `texto`:    hay capa de texto y se extrajo. El caso normal.\n *   - `sin-capa`: el PDF está BIEN FORMADO pero no trae texto (escaneado o\n *                 solo imágenes). NO es «fichero vacío»: decir eso sería\n *                 mentir sobre la causa, y el modelo se lo creería.\n *   - `no-pudo`:  cifrado, malformado o sin firma. No se sabe qué había.\n *\n * LÍMITES, dichos antes de descubrirlos nadie:\n *   · No sigue el cross-reference table: recorre los objetos `N 0 obj …\n *     stream…endstream` directamente. Para leer texto basta y evita toda la\n *     maquinaria de xref (incluidos los xref streams comprimidos).\n *   · Los operadores de posicionamiento fino (Tm, matrices) se aproximan:\n *     salto de línea en Td/TD con componente vertical distinta de cero, T*,\n *     BT; espacio cuando el kerning de TJ es muy negativo. El ORDEN del\n *     texto se conserva; la GEOMETRÍA no. Para layout exacto, omp tiene el\n *     navegador y nosotros no fingimos tenerlo.\n *   · No descifra: un PDF con /Encrypt se reporta como `no-pudo`, nunca se\n *     intenta a ciegas.\n */\n\nimport { open, readFile } from \"node:fs/promises\";\nimport { isAbsolute, join } from \"node:path\";\nimport { inflateSync } from \"node:zlib\";\nimport type { AgentToolResult, ToolDefinition } from \"../extensions/types.ts\";\nimport { truncateHead } from \"../tools/truncate.ts\";\n\nexport type ResultadoPdf =\n\t| { estado: \"texto\"; texto: string }\n\t| { estado: \"sin-capa\"; detalle: string }\n\t| { estado: \"no-pudo\"; motivo: string };\n\n/** Techo de seguridad: un PDF malicioso no decide cuánta CPU gasta el lector. */\nconst MAX_FLUJOS = 800;\nconst MAX_DECODIFICADO = 8 * 1024 * 1024;\n\ninterface Flujo {\n\tdiccionario: string;\n\tcontenido: string;\n}\n\nfunction flujosDe(crudo: string): Flujo[] {\n\tconst flujos: Flujo[] = [];\n\tlet idx = 0;\n\twhile (flujos.length < MAX_FLUJOS) {\n\t\tconst kw = crudo.indexOf(\"stream\", idx);\n\t\tif (kw === -1) break;\n\t\tconst cierreDict = crudo.lastIndexOf(\">>\", kw);\n\t\tconst aperturaDict = cierreDict === -1 ? -1 : crudo.lastIndexOf(\"<<\", cierreDict);\n\t\tif (aperturaDict === -1 || cierreDict < aperturaDict) {\n\t\t\tidx = kw + 6;\n\t\t\tcontinue;\n\t\t}\n\t\tlet p = kw + 6;\n\t\tif (crudo[p] === \"\\r\") p++;\n\t\tif (crudo[p] === \"\\n\") p++;\n\t\tconst fin = crudo.indexOf(\"endstream\", p);\n\t\tif (fin === -1) {\n\t\t\tidx = kw + 6;\n\t\t\tcontinue;\n\t\t}\n\t\tflujos.push({ diccionario: crudo.slice(aperturaDict, cierreDict + 2), contenido: crudo.slice(p, fin) });\n\t\tidx = fin + 9;\n\t}\n\treturn flujos;\n}\n\nfunction decodificar(flujos: Flujo[]): { decodificados: string[]; fallosInflado: number } {\n\tconst decodificados: string[] = [];\n\tlet fallosInflado = 0;\n\tlet presupuesto = MAX_DECODIFICADO;\n\tfor (const flujo of flujos) {\n\t\tif (presupuesto <= 0) break;\n\t\t// Una imagen también va en Flate e infla megas sin aportar texto: se\n\t\t// excluye ANTES de descomprimirla, no después.\n\t\tif (/\\/Subtype\\s*\\/Image/.test(flujo.diccionario)) continue;\n\t\ttry {\n\t\t\tconst bruto = Buffer.from(flujo.contenido, \"latin1\");\n\t\t\tconst datos = flujo.diccionario.includes(\"/FlateDecode\") ? inflateSync(bruto) : bruto;\n\t\t\tif (datos.length > presupuesto) continue;\n\t\t\tpresupuesto -= datos.length;\n\t\t\tconst texto = datos.toString(\"latin1\");\n\t\t\t// Solo quedan los flujos que SON de contenido: operadores de texto.\n\t\t\tif (/\\bBT\\b/.test(texto) && /\\b(Tj|TJ)\\b/.test(texto)) decodificados.push(texto);\n\t\t} catch {\n\t\t\tfallosInflado++;\n\t\t}\n\t}\n\treturn { decodificados, fallosInflado };\n}\n\n/**\n * Escáner de operadores de texto. Mantiene una línea en curso y corta en las\n * fronteras que de verdad separan líneas; dentro de una línea, los fragmentos\n * de un TJ se pegan sin inventar separadores.\n */\nfunction extraerTextoDeContenido(decodificado: string): string {\n\tconst lineas: string[] = [];\n\tlet lineaActual = \"\";\n\tlet ultimoNumero = Number.NaN;\n\n\tconst cortaLinea = (): void => {\n\t\tlineas.push(lineaActual);\n\t\tlineaActual = \"\";\n\t};\n\tconst emite = (s: string): void => {\n\t\tlineaActual += s;\n\t};\n\n\tlet i = 0;\n\tconst n = decodificado.length;\n\twhile (i < n) {\n\t\tconst c = decodificado[i];\n\t\tif (c === \"(\") {\n\t\t\ti++;\n\t\t\tlet literal = \"\";\n\t\t\tlet profundidad = 1;\n\t\t\twhile (i < n && profundidad > 0) {\n\t\t\t\tconst ch = decodificado[i];\n\t\t\t\tif (ch === \"\\\\\") {\n\t\t\t\t\tconst sig = decodificado[i + 1];\n\t\t\t\t\tif (sig === \"n\") literal += \"\\n\";\n\t\t\t\t\telse if (sig === \"r\") literal += \"\\r\";\n\t\t\t\t\telse if (sig === \"t\") literal += \"\\t\";\n\t\t\t\t\telse if (sig === \"b\" || sig === \"f\") literal += \" \";\n\t\t\t\t\telse if (sig >= \"0\" && sig <= \"7\") {\n\t\t\t\t\t\t// Octal \\ddd, hasta tres dígitos.\n\t\t\t\t\t\tlet octal = \"\";\n\t\t\t\t\t\tlet j = i + 1;\n\t\t\t\t\t\twhile (j < n && octal.length < 3 && decodificado[j] >= \"0\" && decodificado[j] <= \"7\") {\n\t\t\t\t\t\t\toctal += decodificado[j];\n\t\t\t\t\t\t\tj++;\n\t\t\t\t\t\t}\n\t\t\t\t\t\tliteral += String.fromCharCode(Number.parseInt(octal, 8));\n\t\t\t\t\t\ti = j;\n\t\t\t\t\t\tcontinue;\n\t\t\t\t\t} else if (sig === \"\\r\") {\n\t\t\t\t\t\t// Continuación de línea: la barra se come junto al salto.\n\t\t\t\t\t\ti += decodificado[i + 2] === \"\\n\" ? 3 : 2;\n\t\t\t\t\t\tcontinue;\n\t\t\t\t\t} else if (sig === \"\\n\") {\n\t\t\t\t\t\ti += 2;\n\t\t\t\t\t\tcontinue;\n\t\t\t\t\t} else literal += sig ?? \"\";\n\t\t\t\t\ti += 2;\n\t\t\t\t\tcontinue;\n\t\t\t\t}\n\t\t\t\tif (ch === \"(\") profundidad++;\n\t\t\t\telse if (ch === \")\") {\n\t\t\t\t\tprofundidad--;\n\t\t\t\t\tif (profundidad === 0) {\n\t\t\t\t\t\ti++;\n\t\t\t\t\t\tbreak;\n\t\t\t\t\t}\n\t\t\t\t}\n\t\t\t\tliteral += ch;\n\t\t\t\ti++;\n\t\t\t}\n\t\t\temite(literal);\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"<\" && decodificado[i + 1] !== \"<\") {\n\t\t\tconst fin = decodificado.indexOf(\">\", i);\n\t\t\tif (fin === -1) break;\n\t\t\tconst hex = decodificado.slice(i + 1, fin).replace(/[^0-9A-Fa-f]/g, \"\");\n\t\t\tlet literal = \"\";\n\t\t\tfor (let j = 0; j + 1 < hex.length; j += 2) {\n\t\t\t\tliteral += String.fromCharCode(Number.parseInt(hex.slice(j, j + 2), 16));\n\t\t\t}\n\t\t\temite(literal);\n\t\t\ti = fin + 1;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"<\") {\n\t\t\t// Diccionario inline «<<»: no aporta operandos de texto.\n\t\t\ti += 2;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"[\" || c === \"]\") {\n\t\t\ti++;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"/\") {\n\t\t\t// Nombre: se consume entero para que sus letras no acaben en el texto.\n\t\t\tlet j = i + 1;\n\t\t\twhile (j < n && !/[\\s/[<>()]/.test(decodificado[j])) j++;\n\t\t\ti = j;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"-\" || c === \".\" || (c >= \"0\" && c <= \"9\")) {\n\t\t\tlet j = i + 1;\n\t\t\twhile (j < n && /[0-9.]/.test(decodificado[j])) j++;\n\t\t\tultimoNumero = Number.parseFloat(decodificado.slice(i, j));\n\t\t\t// Kerning muy negativo en TJ: así escriben varias herramientas el\n\t\t\t// espacio que no metieron como literal.\n\t\t\tif (ultimoNumero <= -150) emite(\" \");\n\t\t\ti = j;\n\t\t\tcontinue;\n\t\t}\n\t\tif (!/\\s/.test(c)) {\n\t\t\tlet j = i;\n\t\t\twhile (j < n && !/\\s/.test(decodificado[j]) && !\"()[<>/\".includes(decodificado[j])) j++;\n\t\t\tconst op = decodificado.slice(i, j);\n\t\t\tif (op === \"'\" || op === '\"' || op === \"T*\" || op === \"BT\") {\n\t\t\t\tcortaLinea();\n\t\t\t} else if (op === \"Td\" || op === \"TD\") {\n\t\t\t\t// Solo si mueve en vertical: un desplazamiento horizontal seguido\n\t\t\t\t// NO parte la línea.\n\t\t\t\tif (!Number.isNaN(ultimoNumero) && Math.abs(ultimoNumero) > 0.01) cortaLinea();\n\t\t\t}\n\t\t\t// Tj/TJ no necesitan nada aquí: el literal ya se emitió al\n\t\t\t// parsearlo; el operador solo lo confirma.\n\t\t\tultimoNumero = Number.NaN;\n\t\t\ti = j;\n\t\t\tcontinue;\n\t\t}\n\t\ti++;\n\t}\n\tif (lineaActual.trim() !== \"\") lineas.push(lineaActual);\n\treturn lineas\n\t\t.join(\"\\n\")\n\t\t.replace(/\\n{3,}/g, \"\\n\\n\")\n\t\t.trim();\n}\n\nexport function extraerTextoPdf(buffer: Buffer): ResultadoPdf {\n\t// La firma `%PDF-` puede ir precedida de basura; cabecera amplia.\n\tif (!buffer.subarray(0, 1024).toString(\"latin1\").includes(\"%PDF-\")) {\n\t\treturn { estado: \"no-pudo\", motivo: \"no lleva la firma %PDF-\" };\n\t}\n\tconst crudo = buffer.toString(\"latin1\");\n\tif (/\\/Encrypt\\s+\\d+\\s+\\d+\\s+R/.test(crudo)) {\n\t\treturn { estado: \"no-pudo\", motivo: \"está cifrado y no se descifra a ciegas\" };\n\t}\n\tconst flujos = flujosDe(crudo);\n\tif (flujos.length === 0) {\n\t\treturn crudo.includes(\"/Page\")\n\t\t\t? { estado: \"sin-capa\", detalle: \"el PDF declara páginas pero ningún flujo de contenido legible\" }\n\t\t\t: { estado: \"no-pudo\", motivo: \"estructura no reconocida: ni flujos ni páginas\" };\n\t}\n\tconst { decodificados, fallosInflado } = decodificar(flujos);\n\tif (decodificados.length === 0) {\n\t\tif (fallosInflado > 0)\n\t\t\treturn { estado: \"no-pudo\", motivo: `${fallosInflado} flujo(s) no se pudieron descomprimir` };\n\t\treturn {\n\t\t\testado: \"sin-capa\",\n\t\t\tdetalle: \"los flujos existen pero ninguno contiene operadores de texto (PDF escaneado o de solo imágenes)\",\n\t\t};\n\t}\n\tconst partes = decodificados.map(extraerTextoDeContenido).filter((p) => p !== \"\");\n\tconst texto = partes\n\t\t.join(\"\\n\\n\")\n\t\t.replace(/\\n{3,}/g, \"\\n\\n\")\n\t\t.trim();\n\tif (texto === \"\") return { estado: \"sin-capa\", detalle: \"los flujos de contenido no produjeron texto\" };\n\treturn { estado: \"texto\", texto };\n}\n\nconst CABECERA_TEXTO = \"[PDF: capa de texto extraída]\";\nconst CABECERA_SIN_CAPA =\n\t\"[PDF sin capa de texto: es un PDF escaneado o de solo imágenes. No está vacío; su contenido son imágenes y aquí no hay OCR.]\";\n\n/**\n * Envuelve la definición de `read` ya construida — mismo patrón que\n * `envolverReadConUrlsInternas`, y por la misma razón: `read.ts` es de\n * upstream y el presupuesto de sync está al tope. Si la ruta apunta a un PDF\n * real (firma `%PDF-`, nunca la extensión: los ficheros mienten), lo resuelve\n * aquí; si no, delega SIN haber leído más que la cabecera.\n */\nexport function envolverReadConPdf<TBase extends ToolDefinition<any, any, any>>(base: TBase, cwd: string): TBase {\n\treturn {\n\t\t...base,\n\t\tasync execute(toolCallId, params, signal, onUpdate, ctx): Promise<AgentToolResult<unknown>> {\n\t\t\tif (typeof params !== \"object\" || params === null || !(\"path\" in params)) {\n\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t}\n\t\t\tconst rutaCruda: unknown = params.path;\n\t\t\tif (typeof rutaCruda !== \"string\" || rutaCruda === \"\" || rutaCruda.includes(\"://\")) {\n\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t}\n\t\t\tconst absoluta = isAbsolute(rutaCruda) ? rutaCruda : join(cwd, rutaCruda);\n\t\t\ttry {\n\t\t\t\t// Solo la CABEZA antes de decidir: un binario de 500 MB no se lee\n\t\t\t\t// entero para descubrir que no es un PDF.\n\t\t\t\tconst manejador = await open(absoluta, \"r\");\n\t\t\t\tlet cabeza: Buffer;\n\t\t\t\ttry {\n\t\t\t\t\tcabeza = Buffer.alloc(1024);\n\t\t\t\t\tconst { bytesRead } = await manejador.read(cabeza, 0, cabeza.length, 0);\n\t\t\t\t\tif (!cabeza.subarray(0, bytesRead).toString(\"latin1\").includes(\"%PDF-\")) {\n\t\t\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t\t\t}\n\t\t\t\t} finally {\n\t\t\t\t\tawait manejador.close();\n\t\t\t\t}\n\t\t\t\tconst buffer = await readFile(absoluta);\n\t\t\t\tconst resultado = extraerTextoPdf(buffer);\n\t\t\t\tif (resultado.estado === \"no-pudo\") {\n\t\t\t\t\tthrow new Error(`El PDF no se pudo leer: ${resultado.motivo}.`);\n\t\t\t\t}\n\t\t\t\tif (resultado.estado === \"sin-capa\") {\n\t\t\t\t\treturn {\n\t\t\t\t\t\tcontent: [{ type: \"text\", text: `${CABECERA_SIN_CAPA}\\nDetalle: ${resultado.detalle}` }],\n\t\t\t\t\t\tdetails: { pdf: resultado.estado },\n\t\t\t\t\t};\n\t\t\t\t}\n\t\t\t\tconst truncado = truncateHead(resultado.texto);\n\t\t\t\tlet texto = `${CABECERA_TEXTO}\\n${truncado.content}`;\n\t\t\t\tif (truncado.truncated) {\n\t\t\t\t\ttexto += `\\n[Truncado: ${truncado.outputLines} de ${truncado.totalLines} líneas del texto extraído.]`;\n\t\t\t\t}\n\t\t\t\treturn { content: [{ type: \"text\", text: texto }], details: { pdf: \"texto\" } };\n\t\t\t} catch (error) {\n\t\t\t\tif (error instanceof Error && error.message.startsWith(\"El PDF no se pudo leer\")) throw error;\n\t\t\t\t// Que la falta de permisos o el directorio la cuente `read`\n\t\t\t\t// con SU mensaje, no el nuestro.\n\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t}\n\t\t},\n\t};\n}\n"]}

package/dist/core/lectura/pdf.js

@@ -0,0 +1,337 @@
+/**
+ * Lectura de PDF sin dependencias: los flujos de contenido de un PDF van
+ * comprimidos con Flate (zlib), y `node:zlib` viene de serie. omp lo resuelve
+ * renderizando el documento en un navegador headless y haciéndole capturas:
+ * infraestructura pesada que aquí no existe. Lo que se extrae es la CAPA DE
+ * TEXTO, no una imagen del documento.
+ *
+ * LOS TRES ESTADOS, nunca dos — confundir dos de ellos es un fallo que se lee
+ * como éxito:
+ *
+ *   - `texto`:    hay capa de texto y se extrajo. El caso normal.
+ *   - `sin-capa`: el PDF está BIEN FORMADO pero no trae texto (escaneado o
+ *                 solo imágenes). NO es «fichero vacío»: decir eso sería
+ *                 mentir sobre la causa, y el modelo se lo creería.
+ *   - `no-pudo`:  cifrado, malformado o sin firma. No se sabe qué había.
+ *
+ * LÍMITES, dichos antes de descubrirlos nadie:
+ *   · No sigue el cross-reference table: recorre los objetos `N 0 obj …
+ *     stream…endstream` directamente. Para leer texto basta y evita toda la
+ *     maquinaria de xref (incluidos los xref streams comprimidos).
+ *   · Los operadores de posicionamiento fino (Tm, matrices) se aproximan:
+ *     salto de línea en Td/TD con componente vertical distinta de cero, T*,
+ *     BT; espacio cuando el kerning de TJ es muy negativo. El ORDEN del
+ *     texto se conserva; la GEOMETRÍA no. Para layout exacto, omp tiene el
+ *     navegador y nosotros no fingimos tenerlo.
+ *   · No descifra: un PDF con /Encrypt se reporta como `no-pudo`, nunca se
+ *     intenta a ciegas.
+ */
+import { open, readFile } from "node:fs/promises";
+import { isAbsolute, join } from "node:path";
+import { inflateSync } from "node:zlib";
+import { truncateHead } from "../tools/truncate.js";
+/** Techo de seguridad: un PDF malicioso no decide cuánta CPU gasta el lector. */
+const MAX_FLUJOS = 800;
+const MAX_DECODIFICADO = 8 * 1024 * 1024;
+function flujosDe(crudo) {
+    const flujos = [];
+    let idx = 0;
+    while (flujos.length < MAX_FLUJOS) {
+        const kw = crudo.indexOf("stream", idx);
+        if (kw === -1)
+            break;
+        const cierreDict = crudo.lastIndexOf(">>", kw);
+        const aperturaDict = cierreDict === -1 ? -1 : crudo.lastIndexOf("<<", cierreDict);
+        if (aperturaDict === -1 || cierreDict < aperturaDict) {
+            idx = kw + 6;
+            continue;
+        }
+        let p = kw + 6;
+        if (crudo[p] === "\r")
+            p++;
+        if (crudo[p] === "\n")
+            p++;
+        const fin = crudo.indexOf("endstream", p);
+        if (fin === -1) {
+            idx = kw + 6;
+            continue;
+        }
+        flujos.push({ diccionario: crudo.slice(aperturaDict, cierreDict + 2), contenido: crudo.slice(p, fin) });
+        idx = fin + 9;
+    }
+    return flujos;
+}
+function decodificar(flujos) {
+    const decodificados = [];
+    let fallosInflado = 0;
+    let presupuesto = MAX_DECODIFICADO;
+    for (const flujo of flujos) {
+        if (presupuesto <= 0)
+            break;
+        // Una imagen también va en Flate e infla megas sin aportar texto: se
+        // excluye ANTES de descomprimirla, no después.
+        if (/\/Subtype\s*\/Image/.test(flujo.diccionario))
+            continue;
+        try {
+            const bruto = Buffer.from(flujo.contenido, "latin1");
+            const datos = flujo.diccionario.includes("/FlateDecode") ? inflateSync(bruto) : bruto;
+            if (datos.length > presupuesto)
+                continue;
+            presupuesto -= datos.length;
+            const texto = datos.toString("latin1");
+            // Solo quedan los flujos que SON de contenido: operadores de texto.
+            if (/\bBT\b/.test(texto) && /\b(Tj|TJ)\b/.test(texto))
+                decodificados.push(texto);
+        }
+        catch {
+            fallosInflado++;
+        }
+    }
+    return { decodificados, fallosInflado };
+}
+/**
+ * Escáner de operadores de texto. Mantiene una línea en curso y corta en las
+ * fronteras que de verdad separan líneas; dentro de una línea, los fragmentos
+ * de un TJ se pegan sin inventar separadores.
+ */
+function extraerTextoDeContenido(decodificado) {
+    const lineas = [];
+    let lineaActual = "";
+    let ultimoNumero = Number.NaN;
+    const cortaLinea = () => {
+        lineas.push(lineaActual);
+        lineaActual = "";
+    };
+    const emite = (s) => {
+        lineaActual += s;
+    };
+    let i = 0;
+    const n = decodificado.length;
+    while (i < n) {
+        const c = decodificado[i];
+        if (c === "(") {
+            i++;
+            let literal = "";
+            let profundidad = 1;
+            while (i < n && profundidad > 0) {
+                const ch = decodificado[i];
+                if (ch === "\\") {
+                    const sig = decodificado[i + 1];
+                    if (sig === "n")
+                        literal += "\n";
+                    else if (sig === "r")
+                        literal += "\r";
+                    else if (sig === "t")
+                        literal += "\t";
+                    else if (sig === "b" || sig === "f")
+                        literal += " ";
+                    else if (sig >= "0" && sig <= "7") {
+                        // Octal \ddd, hasta tres dígitos.
+                        let octal = "";
+                        let j = i + 1;
+                        while (j < n && octal.length < 3 && decodificado[j] >= "0" && decodificado[j] <= "7") {
+                            octal += decodificado[j];
+                            j++;
+                        }
+                        literal += String.fromCharCode(Number.parseInt(octal, 8));
+                        i = j;
+                        continue;
+                    }
+                    else if (sig === "\r") {
+                        // Continuación de línea: la barra se come junto al salto.
+                        i += decodificado[i + 2] === "\n" ? 3 : 2;
+                        continue;
+                    }
+                    else if (sig === "\n") {
+                        i += 2;
+                        continue;
+                    }
+                    else
+                        literal += sig ?? "";
+                    i += 2;
+                    continue;
+                }
+                if (ch === "(")
+                    profundidad++;
+                else if (ch === ")") {
+                    profundidad--;
+                    if (profundidad === 0) {
+                        i++;
+                        break;
+                    }
+                }
+                literal += ch;
+                i++;
+            }
+            emite(literal);
+            continue;
+        }
+        if (c === "<" && decodificado[i + 1] !== "<") {
+            const fin = decodificado.indexOf(">", i);
+            if (fin === -1)
+                break;
+            const hex = decodificado.slice(i + 1, fin).replace(/[^0-9A-Fa-f]/g, "");
+            let literal = "";
+            for (let j = 0; j + 1 < hex.length; j += 2) {
+                literal += String.fromCharCode(Number.parseInt(hex.slice(j, j + 2), 16));
+            }
+            emite(literal);
+            i = fin + 1;
+            continue;
+        }
+        if (c === "<") {
+            // Diccionario inline «<<»: no aporta operandos de texto.
+            i += 2;
+            continue;
+        }
+        if (c === "[" || c === "]") {
+            i++;
+            continue;
+        }
+        if (c === "/") {
+            // Nombre: se consume entero para que sus letras no acaben en el texto.
+            let j = i + 1;
+            while (j < n && !/[\s/[<>()]/.test(decodificado[j]))
+                j++;
+            i = j;
+            continue;
+        }
+        if (c === "-" || c === "." || (c >= "0" && c <= "9")) {
+            let j = i + 1;
+            while (j < n && /[0-9.]/.test(decodificado[j]))
+                j++;
+            ultimoNumero = Number.parseFloat(decodificado.slice(i, j));
+            // Kerning muy negativo en TJ: así escriben varias herramientas el
+            // espacio que no metieron como literal.
+            if (ultimoNumero <= -150)
+                emite(" ");
+            i = j;
+            continue;
+        }
+        if (!/\s/.test(c)) {
+            let j = i;
+            while (j < n && !/\s/.test(decodificado[j]) && !"()[<>/".includes(decodificado[j]))
+                j++;
+            const op = decodificado.slice(i, j);
+            if (op === "'" || op === '"' || op === "T*" || op === "BT") {
+                cortaLinea();
+            }
+            else if (op === "Td" || op === "TD") {
+                // Solo si mueve en vertical: un desplazamiento horizontal seguido
+                // NO parte la línea.
+                if (!Number.isNaN(ultimoNumero) && Math.abs(ultimoNumero) > 0.01)
+                    cortaLinea();
+            }
+            // Tj/TJ no necesitan nada aquí: el literal ya se emitió al
+            // parsearlo; el operador solo lo confirma.
+            ultimoNumero = Number.NaN;
+            i = j;
+            continue;
+        }
+        i++;
+    }
+    if (lineaActual.trim() !== "")
+        lineas.push(lineaActual);
+    return lineas
+        .join("\n")
+        .replace(/\n{3,}/g, "\n\n")
+        .trim();
+}
+export function extraerTextoPdf(buffer) {
+    // La firma `%PDF-` puede ir precedida de basura; cabecera amplia.
+    if (!buffer.subarray(0, 1024).toString("latin1").includes("%PDF-")) {
+        return { estado: "no-pudo", motivo: "no lleva la firma %PDF-" };
+    }
+    const crudo = buffer.toString("latin1");
+    if (/\/Encrypt\s+\d+\s+\d+\s+R/.test(crudo)) {
+        return { estado: "no-pudo", motivo: "está cifrado y no se descifra a ciegas" };
+    }
+    const flujos = flujosDe(crudo);
+    if (flujos.length === 0) {
+        return crudo.includes("/Page")
+            ? { estado: "sin-capa", detalle: "el PDF declara páginas pero ningún flujo de contenido legible" }
+            : { estado: "no-pudo", motivo: "estructura no reconocida: ni flujos ni páginas" };
+    }
+    const { decodificados, fallosInflado } = decodificar(flujos);
+    if (decodificados.length === 0) {
+        if (fallosInflado > 0)
+            return { estado: "no-pudo", motivo: `${fallosInflado} flujo(s) no se pudieron descomprimir` };
+        return {
+            estado: "sin-capa",
+            detalle: "los flujos existen pero ninguno contiene operadores de texto (PDF escaneado o de solo imágenes)",
+        };
+    }
+    const partes = decodificados.map(extraerTextoDeContenido).filter((p) => p !== "");
+    const texto = partes
+        .join("\n\n")
+        .replace(/\n{3,}/g, "\n\n")
+        .trim();
+    if (texto === "")
+        return { estado: "sin-capa", detalle: "los flujos de contenido no produjeron texto" };
+    return { estado: "texto", texto };
+}
+const CABECERA_TEXTO = "[PDF: capa de texto extraída]";
+const CABECERA_SIN_CAPA = "[PDF sin capa de texto: es un PDF escaneado o de solo imágenes. No está vacío; su contenido son imágenes y aquí no hay OCR.]";
+/**
+ * Envuelve la definición de `read` ya construida — mismo patrón que
+ * `envolverReadConUrlsInternas`, y por la misma razón: `read.ts` es de
+ * upstream y el presupuesto de sync está al tope. Si la ruta apunta a un PDF
+ * real (firma `%PDF-`, nunca la extensión: los ficheros mienten), lo resuelve
+ * aquí; si no, delega SIN haber leído más que la cabecera.
+ */
+export function envolverReadConPdf(base, cwd) {
+    return {
+        ...base,
+        async execute(toolCallId, params, signal, onUpdate, ctx) {
+            if (typeof params !== "object" || params === null || !("path" in params)) {
+                return base.execute(toolCallId, params, signal, onUpdate, ctx);
+            }
+            const rutaCruda = params.path;
+            if (typeof rutaCruda !== "string" || rutaCruda === "" || rutaCruda.includes("://")) {
+                return base.execute(toolCallId, params, signal, onUpdate, ctx);
+            }
+            const absoluta = isAbsolute(rutaCruda) ? rutaCruda : join(cwd, rutaCruda);
+            try {
+                // Solo la CABEZA antes de decidir: un binario de 500 MB no se lee
+                // entero para descubrir que no es un PDF.
+                const manejador = await open(absoluta, "r");
+                let cabeza;
+                try {
+                    cabeza = Buffer.alloc(1024);
+                    const { bytesRead } = await manejador.read(cabeza, 0, cabeza.length, 0);
+                    if (!cabeza.subarray(0, bytesRead).toString("latin1").includes("%PDF-")) {
+                        return base.execute(toolCallId, params, signal, onUpdate, ctx);
+                    }
+                }
+                finally {
+                    await manejador.close();
+                }
+                const buffer = await readFile(absoluta);
+                const resultado = extraerTextoPdf(buffer);
+                if (resultado.estado === "no-pudo") {
+                    throw new Error(`El PDF no se pudo leer: ${resultado.motivo}.`);
+                }
+                if (resultado.estado === "sin-capa") {
+                    return {
+                        content: [{ type: "text", text: `${CABECERA_SIN_CAPA}\nDetalle: ${resultado.detalle}` }],
+                        details: { pdf: resultado.estado },
+                    };
+                }
+                const truncado = truncateHead(resultado.texto);
+                let texto = `${CABECERA_TEXTO}\n${truncado.content}`;
+                if (truncado.truncated) {
+                    texto += `\n[Truncado: ${truncado.outputLines} de ${truncado.totalLines} líneas del texto extraído.]`;
+                }
+                return { content: [{ type: "text", text: texto }], details: { pdf: "texto" } };
+            }
+            catch (error) {
+                if (error instanceof Error && error.message.startsWith("El PDF no se pudo leer"))
+                    throw error;
+                // Que la falta de permisos o el directorio la cuente `read`
+                // con SU mensaje, no el nuestro.
+                return base.execute(toolCallId, params, signal, onUpdate, ctx);
+            }
+        },
+    };
+}
+//# sourceMappingURL=pdf.js.map

package/dist/core/lectura/pdf.js.map

@@ -0,0 +1 @@
+{"version":3,"file":"pdf.js","sourceRoot":"","sources":["../../../src/core/lectura/pdf.ts"],"names":[],"mappings":"AAAA;;;;;;;;;;;;;;;;;;;;;;;;;;;GA2BG;AAEH,OAAO,EAAE,IAAI,EAAE,QAAQ,EAAE,MAAM,kBAAkB,CAAC;AAClD,OAAO,EAAE,UAAU,EAAE,IAAI,EAAE,MAAM,WAAW,CAAC;AAC7C,OAAO,EAAE,WAAW,EAAE,MAAM,WAAW,CAAC;AAExC,OAAO,EAAE,YAAY,EAAE,MAAM,sBAAsB,CAAC;AAOpD,kFAAiF;AACjF,MAAM,UAAU,GAAG,GAAG,CAAC;AACvB,MAAM,gBAAgB,GAAG,CAAC,GAAG,IAAI,GAAG,IAAI,CAAC;AAOzC,SAAS,QAAQ,CAAC,KAAa,EAAW;IACzC,MAAM,MAAM,GAAY,EAAE,CAAC;IAC3B,IAAI,GAAG,GAAG,CAAC,CAAC;IACZ,OAAO,MAAM,CAAC,MAAM,GAAG,UAAU,EAAE,CAAC;QACnC,MAAM,EAAE,GAAG,KAAK,CAAC,OAAO,CAAC,QAAQ,EAAE,GAAG,CAAC,CAAC;QACxC,IAAI,EAAE,KAAK,CAAC,CAAC;YAAE,MAAM;QACrB,MAAM,UAAU,GAAG,KAAK,CAAC,WAAW,CAAC,IAAI,EAAE,EAAE,CAAC,CAAC;QAC/C,MAAM,YAAY,GAAG,UAAU,KAAK,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,KAAK,CAAC,WAAW,CAAC,IAAI,EAAE,UAAU,CAAC,CAAC;QAClF,IAAI,YAAY,KAAK,CAAC,CAAC,IAAI,UAAU,GAAG,YAAY,EAAE,CAAC;YACtD,GAAG,GAAG,EAAE,GAAG,CAAC,CAAC;YACb,SAAS;QACV,CAAC;QACD,IAAI,CAAC,GAAG,EAAE,GAAG,CAAC,CAAC;QACf,IAAI,KAAK,CAAC,CAAC,CAAC,KAAK,IAAI;YAAE,CAAC,EAAE,CAAC;QAC3B,IAAI,KAAK,CAAC,CAAC,CAAC,KAAK,IAAI;YAAE,CAAC,EAAE,CAAC;QAC3B,MAAM,GAAG,GAAG,KAAK,CAAC,OAAO,CAAC,WAAW,EAAE,CAAC,CAAC,CAAC;QAC1C,IAAI,GAAG,KAAK,CAAC,CAAC,EAAE,CAAC;YAChB,GAAG,GAAG,EAAE,GAAG,CAAC,CAAC;YACb,SAAS;QACV,CAAC;QACD,MAAM,CAAC,IAAI,CAAC,EAAE,WAAW,EAAE,KAAK,CAAC,KAAK,CAAC,YAAY,EAAE,UAAU,GAAG,CAAC,CAAC,EAAE,SAAS,EAAE,KAAK,CAAC,KAAK,CAAC,CAAC,EAAE,GAAG,CAAC,EAAE,CAAC,CAAC;QACxG,GAAG,GAAG,GAAG,GAAG,CAAC,CAAC;IACf,CAAC;IACD,OAAO,MAAM,CAAC;AAAA,CACd;AAED,SAAS,WAAW,CAAC,MAAe,EAAsD;IACzF,MAAM,aAAa,GAAa,EAAE,CAAC;IACnC,IAAI,aAAa,GAAG,CAAC,CAAC;IACtB,IAAI,WAAW,GAAG,gBAAgB,CAAC;IACnC,KAAK,MAAM,KAAK,IAAI,MAAM,EAAE,CAAC;QAC5B,IAAI,WAAW,IAAI,CAAC;YAAE,MAAM;QAC5B,sEAAqE;QACrE,gDAA+C;QAC/C,IAAI,qBAAqB,CAAC,IAAI,CAAC,KAAK,CAAC,WAAW,CAAC;YAAE,SAAS;QAC5D,IAAI,CAAC;YACJ,MAAM,KAAK,GAAG,MAAM,CAAC,IAAI,CAAC,KAAK,CAAC,SAAS,EAAE,QAAQ,CAAC,CAAC;YACrD,MAAM,KAAK,GAAG,KAAK,CAAC,WAAW,CAAC,QAAQ,CAAC,cAAc,CAAC,CAAC,CAAC,CAAC,WAAW,CAAC,KAAK,CAAC,CAAC,CAAC,CAAC,KAAK,CAAC;YACtF,IAAI,KAAK,CAAC,MAAM,GAAG,WAAW;gBAAE,SAAS;YACzC,WAAW,IAAI,KAAK,CAAC,MAAM,CAAC;YAC5B,MAAM,KAAK,GAAG,KAAK,CAAC,QAAQ,CAAC,QAAQ,CAAC,CAAC;YACvC,oEAAoE;YACpE,IAAI,QAAQ,CAAC,IAAI,CAAC,KAAK,CAAC,IAAI,aAAa,CAAC,IAAI,CAAC,KAAK,CAAC;gBAAE,aAAa,CAAC,IAAI,CAAC,KAAK,CAAC,CAAC;QAClF,CAAC;QAAC,MAAM,CAAC;YACR,aAAa,EAAE,CAAC;QACjB,CAAC;IACF,CAAC;IACD,OAAO,EAAE,aAAa,EAAE,aAAa,EAAE,CAAC;AAAA,CACxC;AAED;;;;GAIG;AACH,SAAS,uBAAuB,CAAC,YAAoB,EAAU;IAC9D,MAAM,MAAM,GAAa,EAAE,CAAC;IAC5B,IAAI,WAAW,GAAG,EAAE,CAAC;IACrB,IAAI,YAAY,GAAG,MAAM,CAAC,GAAG,CAAC;IAE9B,MAAM,UAAU,GAAG,GAAS,EAAE,CAAC;QAC9B,MAAM,CAAC,IAAI,CAAC,WAAW,CAAC,CAAC;QACzB,WAAW,GAAG,EAAE,CAAC;IAAA,CACjB,CAAC;IACF,MAAM,KAAK,GAAG,CAAC,CAAS,EAAQ,EAAE,CAAC;QAClC,WAAW,IAAI,CAAC,CAAC;IAAA,CACjB,CAAC;IAEF,IAAI,CAAC,GAAG,CAAC,CAAC;IACV,MAAM,CAAC,GAAG,YAAY,CAAC,MAAM,CAAC;IAC9B,OAAO,CAAC,GAAG,CAAC,EAAE,CAAC;QACd,MAAM,CAAC,GAAG,YAAY,CAAC,CAAC,CAAC,CAAC;QAC1B,IAAI,CAAC,KAAK,GAAG,EAAE,CAAC;YACf,CAAC,EAAE,CAAC;YACJ,IAAI,OAAO,GAAG,EAAE,CAAC;YACjB,IAAI,WAAW,GAAG,CAAC,CAAC;YACpB,OAAO,CAAC,GAAG,CAAC,IAAI,WAAW,GAAG,CAAC,EAAE,CAAC;gBACjC,MAAM,EAAE,GAAG,YAAY,CAAC,CAAC,CAAC,CAAC;gBAC3B,IAAI,EAAE,KAAK,IAAI,EAAE,CAAC;oBACjB,MAAM,GAAG,GAAG,YAAY,CAAC,CAAC,GAAG,CAAC,CAAC,CAAC;oBAChC,IAAI,GAAG,KAAK,GAAG;wBAAE,OAAO,IAAI,IAAI,CAAC;yBAC5B,IAAI,GAAG,KAAK,GAAG;wBAAE,OAAO,IAAI,IAAI,CAAC;yBACjC,IAAI,GAAG,KAAK,GAAG;wBAAE,OAAO,IAAI,IAAI,CAAC;yBACjC,IAAI,GAAG,KAAK,GAAG,IAAI,GAAG,KAAK,GAAG;wBAAE,OAAO,IAAI,GAAG,CAAC;yBAC/C,IAAI,GAAG,IAAI,GAAG,IAAI,GAAG,IAAI,GAAG,EAAE,CAAC;wBACnC,mCAAkC;wBAClC,IAAI,KAAK,GAAG,EAAE,CAAC;wBACf,IAAI,CAAC,GAAG,CAAC,GAAG,CAAC,CAAC;wBACd,OAAO,CAAC,GAAG,CAAC,IAAI,KAAK,CAAC,MAAM,GAAG,CAAC,IAAI,YAAY,CAAC,CAAC,CAAC,IAAI,GAAG,IAAI,YAAY,CAAC,CAAC,CAAC,IAAI,GAAG,EAAE,CAAC;4BACtF,KAAK,IAAI,YAAY,CAAC,CAAC,CAAC,CAAC;4BACzB,CAAC,EAAE,CAAC;wBACL,CAAC;wBACD,OAAO,IAAI,MAAM,CAAC,YAAY,CAAC,MAAM,CAAC,QAAQ,CAAC,KAAK,EAAE,CAAC,CAAC,CAAC,CAAC;wBAC1D,CAAC,GAAG,CAAC,CAAC;wBACN,SAAS;oBACV,CAAC;yBAAM,IAAI,GAAG,KAAK,IAAI,EAAE,CAAC;wBACzB,4DAA0D;wBAC1D,CAAC,IAAI,YAAY,CAAC,CAAC,GAAG,CAAC,CAAC,KAAK,IAAI,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC,CAAC;wBAC1C,SAAS;oBACV,CAAC;yBAAM,IAAI,GAAG,KAAK,IAAI,EAAE,CAAC;wBACzB,CAAC,IAAI,CAAC,CAAC;wBACP,SAAS;oBACV,CAAC;;wBAAM,OAAO,IAAI,GAAG,IAAI,EAAE,CAAC;oBAC5B,CAAC,IAAI,CAAC,CAAC;oBACP,SAAS;gBACV,CAAC;gBACD,IAAI,EAAE,KAAK,GAAG;oBAAE,WAAW,EAAE,CAAC;qBACzB,IAAI,EAAE,KAAK,GAAG,EAAE,CAAC;oBACrB,WAAW,EAAE,CAAC;oBACd,IAAI,WAAW,KAAK,CAAC,EAAE,CAAC;wBACvB,CAAC,EAAE,CAAC;wBACJ,MAAM;oBACP,CAAC;gBACF,CAAC;gBACD,OAAO,IAAI,EAAE,CAAC;gBACd,CAAC,EAAE,CAAC;YACL,CAAC;YACD,KAAK,CAAC,OAAO,CAAC,CAAC;YACf,SAAS;QACV,CAAC;QACD,IAAI,CAAC,KAAK,GAAG,IAAI,YAAY,CAAC,CAAC,GAAG,CAAC,CAAC,KAAK,GAAG,EAAE,CAAC;YAC9C,MAAM,GAAG,GAAG,YAAY,CAAC,OAAO,CAAC,GAAG,EAAE,CAAC,CAAC,CAAC;YACzC,IAAI,GAAG,KAAK,CAAC,CAAC;gBAAE,MAAM;YACtB,MAAM,GAAG,GAAG,YAAY,CAAC,KAAK,CAAC,CAAC,GAAG,CAAC,EAAE,GAAG,CAAC,CAAC,OAAO,CAAC,eAAe,EAAE,EAAE,CAAC,CAAC;YACxE,IAAI,OAAO,GAAG,EAAE,CAAC;YACjB,KAAK,IAAI,CAAC,GAAG,CAAC,EAAE,CAAC,GAAG,CAAC,GAAG,GAAG,CAAC,MAAM,EAAE,CAAC,IAAI,CAAC,EAAE,CAAC;gBAC5C,OAAO,IAAI,MAAM,CAAC,YAAY,CAAC,MAAM,CAAC,QAAQ,CAAC,GAAG,CAAC,KAAK,CAAC,CAAC,EAAE,CAAC,GAAG,CAAC,CAAC,EAAE,EAAE,CAAC,CAAC,CAAC;YAC1E,CAAC;YACD,KAAK,CAAC,OAAO,CAAC,CAAC;YACf,CAAC,GAAG,GAAG,GAAG,CAAC,CAAC;YACZ,SAAS;QACV,CAAC;QACD,IAAI,CAAC,KAAK,GAAG,EAAE,CAAC;YACf,2DAAyD;YACzD,CAAC,IAAI,CAAC,CAAC;YACP,SAAS;QACV,CAAC;QACD,IAAI,CAAC,KAAK,GAAG,IAAI,CAAC,KAAK,GAAG,EAAE,CAAC;YAC5B,CAAC,EAAE,CAAC;YACJ,SAAS;QACV,CAAC;QACD,IAAI,CAAC,KAAK,GAAG,EAAE,CAAC;YACf,uEAAuE;YACvE,IAAI,CAAC,GAAG,CAAC,GAAG,CAAC,CAAC;YACd,OAAO,CAAC,GAAG,CAAC,IAAI,CAAC,YAAY,CAAC,IAAI,CAAC,YAAY,CAAC,CAAC,CAAC,CAAC;gBAAE,CAAC,EAAE,CAAC;YACzD,CAAC,GAAG,CAAC,CAAC;YACN,SAAS;QACV,CAAC;QACD,IAAI,CAAC,KAAK,GAAG,IAAI,CAAC,KAAK,GAAG,IAAI,CAAC,CAAC,IAAI,GAAG,IAAI,CAAC,IAAI,GAAG,CAAC,EAAE,CAAC;YACtD,IAAI,CAAC,GAAG,CAAC,GAAG,CAAC,CAAC;YACd,OAAO,CAAC,GAAG,CAAC,IAAI,QAAQ,CAAC,IAAI,CAAC,YAAY,CAAC,CAAC,CAAC,CAAC;gBAAE,CAAC,EAAE,CAAC;YACpD,YAAY,GAAG,MAAM,CAAC,UAAU,CAAC,YAAY,CAAC,KAAK,CAAC,CAAC,EAAE,CAAC,CAAC,CAAC,CAAC;YAC3D,mEAAkE;YAClE,wCAAwC;YACxC,IAAI,YAAY,IAAI,CAAC,GAAG;gBAAE,KAAK,CAAC,GAAG,CAAC,CAAC;YACrC,CAAC,GAAG,CAAC,CAAC;YACN,SAAS;QACV,CAAC;QACD,IAAI,CAAC,IAAI,CAAC,IAAI,CAAC,CAAC,CAAC,EAAE,CAAC;YACnB,IAAI,CAAC,GAAG,CAAC,CAAC;YACV,OAAO,CAAC,GAAG,CAAC,IAAI,CAAC,IAAI,CAAC,IAAI,CAAC,YAAY,CAAC,CAAC,CAAC,CAAC,IAAI,CAAC,QAAQ,CAAC,QAAQ,CAAC,YAAY,CAAC,CAAC,CAAC,CAAC;gBAAE,CAAC,EAAE,CAAC;YACxF,MAAM,EAAE,GAAG,YAAY,CAAC,KAAK,CAAC,CAAC,EAAE,CAAC,CAAC,CAAC;YACpC,IAAI,EAAE,KAAK,GAAG,IAAI,EAAE,KAAK,GAAG,IAAI,EAAE,KAAK,IAAI,IAAI,EAAE,KAAK,IAAI,EAAE,CAAC;gBAC5D,UAAU,EAAE,CAAC;YACd,CAAC;iBAAM,IAAI,EAAE,KAAK,IAAI,IAAI,EAAE,KAAK,IAAI,EAAE,CAAC;gBACvC,kEAAkE;gBAClE,sBAAqB;gBACrB,IAAI,CAAC,MAAM,CAAC,KAAK,CAAC,YAAY,CAAC,IAAI,IAAI,CAAC,GAAG,CAAC,YAAY,CAAC,GAAG,IAAI;oBAAE,UAAU,EAAE,CAAC;YAChF,CAAC;YACD,6DAA2D;YAC3D,2CAA2C;YAC3C,YAAY,GAAG,MAAM,CAAC,GAAG,CAAC;YAC1B,CAAC,GAAG,CAAC,CAAC;YACN,SAAS;QACV,CAAC;QACD,CAAC,EAAE,CAAC;IACL,CAAC;IACD,IAAI,WAAW,CAAC,IAAI,EAAE,KAAK,EAAE;QAAE,MAAM,CAAC,IAAI,CAAC,WAAW,CAAC,CAAC;IACxD,OAAO,MAAM;SACX,IAAI,CAAC,IAAI,CAAC;SACV,OAAO,CAAC,SAAS,EAAE,MAAM,CAAC;SAC1B,IAAI,EAAE,CAAC;AAAA,CACT;AAED,MAAM,UAAU,eAAe,CAAC,MAAc,EAAgB;IAC7D,kEAAkE;IAClE,IAAI,CAAC,MAAM,CAAC,QAAQ,CAAC,CAAC,EAAE,IAAI,CAAC,CAAC,QAAQ,CAAC,QAAQ,CAAC,CAAC,QAAQ,CAAC,OAAO,CAAC,EAAE,CAAC;QACpE,OAAO,EAAE,MAAM,EAAE,SAAS,EAAE,MAAM,EAAE,yBAAyB,EAAE,CAAC;IACjE,CAAC;IACD,MAAM,KAAK,GAAG,MAAM,CAAC,QAAQ,CAAC,QAAQ,CAAC,CAAC;IACxC,IAAI,2BAA2B,CAAC,IAAI,CAAC,KAAK,CAAC,EAAE,CAAC;QAC7C,OAAO,EAAE,MAAM,EAAE,SAAS,EAAE,MAAM,EAAE,yCAAwC,EAAE,CAAC;IAChF,CAAC;IACD,MAAM,MAAM,GAAG,QAAQ,CAAC,KAAK,CAAC,CAAC;IAC/B,IAAI,MAAM,CAAC,MAAM,KAAK,CAAC,EAAE,CAAC;QACzB,OAAO,KAAK,CAAC,QAAQ,CAAC,OAAO,CAAC;YAC7B,CAAC,CAAC,EAAE,MAAM,EAAE,UAAU,EAAE,OAAO,EAAE,iEAA+D,EAAE;YAClG,CAAC,CAAC,EAAE,MAAM,EAAE,SAAS,EAAE,MAAM,EAAE,iDAAgD,EAAE,CAAC;IACpF,CAAC;IACD,MAAM,EAAE,aAAa,EAAE,aAAa,EAAE,GAAG,WAAW,CAAC,MAAM,CAAC,CAAC;IAC7D,IAAI,aAAa,CAAC,MAAM,KAAK,CAAC,EAAE,CAAC;QAChC,IAAI,aAAa,GAAG,CAAC;YACpB,OAAO,EAAE,MAAM,EAAE,SAAS,EAAE,MAAM,EAAE,GAAG,aAAa,uCAAuC,EAAE,CAAC;QAC/F,OAAO;YACN,MAAM,EAAE,UAAU;YAClB,OAAO,EAAE,kGAAiG;SAC1G,CAAC;IACH,CAAC;IACD,MAAM,MAAM,GAAG,aAAa,CAAC,GAAG,CAAC,uBAAuB,CAAC,CAAC,MAAM,CAAC,CAAC,CAAC,EAAE,EAAE,CAAC,CAAC,KAAK,EAAE,CAAC,CAAC;IAClF,MAAM,KAAK,GAAG,MAAM;SAClB,IAAI,CAAC,MAAM,CAAC;SACZ,OAAO,CAAC,SAAS,EAAE,MAAM,CAAC;SAC1B,IAAI,EAAE,CAAC;IACT,IAAI,KAAK,KAAK,EAAE;QAAE,OAAO,EAAE,MAAM,EAAE,UAAU,EAAE,OAAO,EAAE,6CAA6C,EAAE,CAAC;IACxG,OAAO,EAAE,MAAM,EAAE,OAAO,EAAE,KAAK,EAAE,CAAC;AAAA,CAClC;AAED,MAAM,cAAc,GAAG,gCAA+B,CAAC;AACvD,MAAM,iBAAiB,GACtB,mIAA8H,CAAC;AAEhI;;;;;;GAMG;AACH,MAAM,UAAU,kBAAkB,CAA8C,IAAW,EAAE,GAAW,EAAS;IAChH,OAAO;QACN,GAAG,IAAI;QACP,KAAK,CAAC,OAAO,CAAC,UAAU,EAAE,MAAM,EAAE,MAAM,EAAE,QAAQ,EAAE,GAAG,EAAqC;YAC3F,IAAI,OAAO,MAAM,KAAK,QAAQ,IAAI,MAAM,KAAK,IAAI,IAAI,CAAC,CAAC,MAAM,IAAI,MAAM,CAAC,EAAE,CAAC;gBAC1E,OAAO,IAAI,CAAC,OAAO,CAAC,UAAU,EAAE,MAAM,EAAE,MAAM,EAAE,QAAQ,EAAE,GAAG,CAAC,CAAC;YAChE,CAAC;YACD,MAAM,SAAS,GAAY,MAAM,CAAC,IAAI,CAAC;YACvC,IAAI,OAAO,SAAS,KAAK,QAAQ,IAAI,SAAS,KAAK,EAAE,IAAI,SAAS,CAAC,QAAQ,CAAC,KAAK,CAAC,EAAE,CAAC;gBACpF,OAAO,IAAI,CAAC,OAAO,CAAC,UAAU,EAAE,MAAM,EAAE,MAAM,EAAE,QAAQ,EAAE,GAAG,CAAC,CAAC;YAChE,CAAC;YACD,MAAM,QAAQ,GAAG,UAAU,CAAC,SAAS,CAAC,CAAC,CAAC,CAAC,SAAS,CAAC,CAAC,CAAC,IAAI,CAAC,GAAG,EAAE,SAAS,CAAC,CAAC;YAC1E,IAAI,CAAC;gBACJ,kEAAkE;gBAClE,0CAA0C;gBAC1C,MAAM,SAAS,GAAG,MAAM,IAAI,CAAC,QAAQ,EAAE,GAAG,CAAC,CAAC;gBAC5C,IAAI,MAAc,CAAC;gBACnB,IAAI,CAAC;oBACJ,MAAM,GAAG,MAAM,CAAC,KAAK,CAAC,IAAI,CAAC,CAAC;oBAC5B,MAAM,EAAE,SAAS,EAAE,GAAG,MAAM,SAAS,CAAC,IAAI,CAAC,MAAM,EAAE,CAAC,EAAE,MAAM,CAAC,MAAM,EAAE,CAAC,CAAC,CAAC;oBACxE,IAAI,CAAC,MAAM,CAAC,QAAQ,CAAC,CAAC,EAAE,SAAS,CAAC,CAAC,QAAQ,CAAC,QAAQ,CAAC,CAAC,QAAQ,CAAC,OAAO,CAAC,EAAE,CAAC;wBACzE,OAAO,IAAI,CAAC,OAAO,CAAC,UAAU,EAAE,MAAM,EAAE,MAAM,EAAE,QAAQ,EAAE,GAAG,CAAC,CAAC;oBAChE,CAAC;gBACF,CAAC;wBAAS,CAAC;oBACV,MAAM,SAAS,CAAC,KAAK,EAAE,CAAC;gBACzB,CAAC;gBACD,MAAM,MAAM,GAAG,MAAM,QAAQ,CAAC,QAAQ,CAAC,CAAC;gBACxC,MAAM,SAAS,GAAG,eAAe,CAAC,MAAM,CAAC,CAAC;gBAC1C,IAAI,SAAS,CAAC,MAAM,KAAK,SAAS,EAAE,CAAC;oBACpC,MAAM,IAAI,KAAK,CAAC,2BAA2B,SAAS,CAAC,MAAM,GAAG,CAAC,CAAC;gBACjE,CAAC;gBACD,IAAI,SAAS,CAAC,MAAM,KAAK,UAAU,EAAE,CAAC;oBACrC,OAAO;wBACN,OAAO,EAAE,CAAC,EAAE,IAAI,EAAE,MAAM,EAAE,IAAI,EAAE,GAAG,iBAAiB,cAAc,SAAS,CAAC,OAAO,EAAE,EAAE,CAAC;wBACxF,OAAO,EAAE,EAAE,GAAG,EAAE,SAAS,CAAC,MAAM,EAAE;qBAClC,CAAC;gBACH,CAAC;gBACD,MAAM,QAAQ,GAAG,YAAY,CAAC,SAAS,CAAC,KAAK,CAAC,CAAC;gBAC/C,IAAI,KAAK,GAAG,GAAG,cAAc,KAAK,QAAQ,CAAC,OAAO,EAAE,CAAC;gBACrD,IAAI,QAAQ,CAAC,SAAS,EAAE,CAAC;oBACxB,KAAK,IAAI,gBAAgB,QAAQ,CAAC,WAAW,OAAO,QAAQ,CAAC,UAAU,gCAA8B,CAAC;gBACvG,CAAC;gBACD,OAAO,EAAE,OAAO,EAAE,CAAC,EAAE,IAAI,EAAE,MAAM,EAAE,IAAI,EAAE,KAAK,EAAE,CAAC,EAAE,OAAO,EAAE,EAAE,GAAG,EAAE,OAAO,EAAE,EAAE,CAAC;YAChF,CAAC;YAAC,OAAO,KAAK,EAAE,CAAC;gBAChB,IAAI,KAAK,YAAY,KAAK,IAAI,KAAK,CAAC,OAAO,CAAC,UAAU,CAAC,wBAAwB,CAAC;oBAAE,MAAM,KAAK,CAAC;gBAC9F,4DAA4D;gBAC5D,iCAAiC;gBACjC,OAAO,IAAI,CAAC,OAAO,CAAC,UAAU,EAAE,MAAM,EAAE,MAAM,EAAE,QAAQ,EAAE,GAAG,CAAC,CAAC;YAChE,CAAC;QAAA,CACD;KACD,CAAC;AAAA,CACF","sourcesContent":["/**\n * Lectura de PDF sin dependencias: los flujos de contenido de un PDF van\n * comprimidos con Flate (zlib), y `node:zlib` viene de serie. omp lo resuelve\n * renderizando el documento en un navegador headless y haciéndole capturas:\n * infraestructura pesada que aquí no existe. Lo que se extrae es la CAPA DE\n * TEXTO, no una imagen del documento.\n *\n * LOS TRES ESTADOS, nunca dos — confundir dos de ellos es un fallo que se lee\n * como éxito:\n *\n *   - `texto`:    hay capa de texto y se extrajo. El caso normal.\n *   - `sin-capa`: el PDF está BIEN FORMADO pero no trae texto (escaneado o\n *                 solo imágenes). NO es «fichero vacío»: decir eso sería\n *                 mentir sobre la causa, y el modelo se lo creería.\n *   - `no-pudo`:  cifrado, malformado o sin firma. No se sabe qué había.\n *\n * LÍMITES, dichos antes de descubrirlos nadie:\n *   · No sigue el cross-reference table: recorre los objetos `N 0 obj …\n *     stream…endstream` directamente. Para leer texto basta y evita toda la\n *     maquinaria de xref (incluidos los xref streams comprimidos).\n *   · Los operadores de posicionamiento fino (Tm, matrices) se aproximan:\n *     salto de línea en Td/TD con componente vertical distinta de cero, T*,\n *     BT; espacio cuando el kerning de TJ es muy negativo. El ORDEN del\n *     texto se conserva; la GEOMETRÍA no. Para layout exacto, omp tiene el\n *     navegador y nosotros no fingimos tenerlo.\n *   · No descifra: un PDF con /Encrypt se reporta como `no-pudo`, nunca se\n *     intenta a ciegas.\n */\n\nimport { open, readFile } from \"node:fs/promises\";\nimport { isAbsolute, join } from \"node:path\";\nimport { inflateSync } from \"node:zlib\";\nimport type { AgentToolResult, ToolDefinition } from \"../extensions/types.ts\";\nimport { truncateHead } from \"../tools/truncate.ts\";\n\nexport type ResultadoPdf =\n\t| { estado: \"texto\"; texto: string }\n\t| { estado: \"sin-capa\"; detalle: string }\n\t| { estado: \"no-pudo\"; motivo: string };\n\n/** Techo de seguridad: un PDF malicioso no decide cuánta CPU gasta el lector. */\nconst MAX_FLUJOS = 800;\nconst MAX_DECODIFICADO = 8 * 1024 * 1024;\n\ninterface Flujo {\n\tdiccionario: string;\n\tcontenido: string;\n}\n\nfunction flujosDe(crudo: string): Flujo[] {\n\tconst flujos: Flujo[] = [];\n\tlet idx = 0;\n\twhile (flujos.length < MAX_FLUJOS) {\n\t\tconst kw = crudo.indexOf(\"stream\", idx);\n\t\tif (kw === -1) break;\n\t\tconst cierreDict = crudo.lastIndexOf(\">>\", kw);\n\t\tconst aperturaDict = cierreDict === -1 ? -1 : crudo.lastIndexOf(\"<<\", cierreDict);\n\t\tif (aperturaDict === -1 || cierreDict < aperturaDict) {\n\t\t\tidx = kw + 6;\n\t\t\tcontinue;\n\t\t}\n\t\tlet p = kw + 6;\n\t\tif (crudo[p] === \"\\r\") p++;\n\t\tif (crudo[p] === \"\\n\") p++;\n\t\tconst fin = crudo.indexOf(\"endstream\", p);\n\t\tif (fin === -1) {\n\t\t\tidx = kw + 6;\n\t\t\tcontinue;\n\t\t}\n\t\tflujos.push({ diccionario: crudo.slice(aperturaDict, cierreDict + 2), contenido: crudo.slice(p, fin) });\n\t\tidx = fin + 9;\n\t}\n\treturn flujos;\n}\n\nfunction decodificar(flujos: Flujo[]): { decodificados: string[]; fallosInflado: number } {\n\tconst decodificados: string[] = [];\n\tlet fallosInflado = 0;\n\tlet presupuesto = MAX_DECODIFICADO;\n\tfor (const flujo of flujos) {\n\t\tif (presupuesto <= 0) break;\n\t\t// Una imagen también va en Flate e infla megas sin aportar texto: se\n\t\t// excluye ANTES de descomprimirla, no después.\n\t\tif (/\\/Subtype\\s*\\/Image/.test(flujo.diccionario)) continue;\n\t\ttry {\n\t\t\tconst bruto = Buffer.from(flujo.contenido, \"latin1\");\n\t\t\tconst datos = flujo.diccionario.includes(\"/FlateDecode\") ? inflateSync(bruto) : bruto;\n\t\t\tif (datos.length > presupuesto) continue;\n\t\t\tpresupuesto -= datos.length;\n\t\t\tconst texto = datos.toString(\"latin1\");\n\t\t\t// Solo quedan los flujos que SON de contenido: operadores de texto.\n\t\t\tif (/\\bBT\\b/.test(texto) && /\\b(Tj|TJ)\\b/.test(texto)) decodificados.push(texto);\n\t\t} catch {\n\t\t\tfallosInflado++;\n\t\t}\n\t}\n\treturn { decodificados, fallosInflado };\n}\n\n/**\n * Escáner de operadores de texto. Mantiene una línea en curso y corta en las\n * fronteras que de verdad separan líneas; dentro de una línea, los fragmentos\n * de un TJ se pegan sin inventar separadores.\n */\nfunction extraerTextoDeContenido(decodificado: string): string {\n\tconst lineas: string[] = [];\n\tlet lineaActual = \"\";\n\tlet ultimoNumero = Number.NaN;\n\n\tconst cortaLinea = (): void => {\n\t\tlineas.push(lineaActual);\n\t\tlineaActual = \"\";\n\t};\n\tconst emite = (s: string): void => {\n\t\tlineaActual += s;\n\t};\n\n\tlet i = 0;\n\tconst n = decodificado.length;\n\twhile (i < n) {\n\t\tconst c = decodificado[i];\n\t\tif (c === \"(\") {\n\t\t\ti++;\n\t\t\tlet literal = \"\";\n\t\t\tlet profundidad = 1;\n\t\t\twhile (i < n && profundidad > 0) {\n\t\t\t\tconst ch = decodificado[i];\n\t\t\t\tif (ch === \"\\\\\") {\n\t\t\t\t\tconst sig = decodificado[i + 1];\n\t\t\t\t\tif (sig === \"n\") literal += \"\\n\";\n\t\t\t\t\telse if (sig === \"r\") literal += \"\\r\";\n\t\t\t\t\telse if (sig === \"t\") literal += \"\\t\";\n\t\t\t\t\telse if (sig === \"b\" || sig === \"f\") literal += \" \";\n\t\t\t\t\telse if (sig >= \"0\" && sig <= \"7\") {\n\t\t\t\t\t\t// Octal \\ddd, hasta tres dígitos.\n\t\t\t\t\t\tlet octal = \"\";\n\t\t\t\t\t\tlet j = i + 1;\n\t\t\t\t\t\twhile (j < n && octal.length < 3 && decodificado[j] >= \"0\" && decodificado[j] <= \"7\") {\n\t\t\t\t\t\t\toctal += decodificado[j];\n\t\t\t\t\t\t\tj++;\n\t\t\t\t\t\t}\n\t\t\t\t\t\tliteral += String.fromCharCode(Number.parseInt(octal, 8));\n\t\t\t\t\t\ti = j;\n\t\t\t\t\t\tcontinue;\n\t\t\t\t\t} else if (sig === \"\\r\") {\n\t\t\t\t\t\t// Continuación de línea: la barra se come junto al salto.\n\t\t\t\t\t\ti += decodificado[i + 2] === \"\\n\" ? 3 : 2;\n\t\t\t\t\t\tcontinue;\n\t\t\t\t\t} else if (sig === \"\\n\") {\n\t\t\t\t\t\ti += 2;\n\t\t\t\t\t\tcontinue;\n\t\t\t\t\t} else literal += sig ?? \"\";\n\t\t\t\t\ti += 2;\n\t\t\t\t\tcontinue;\n\t\t\t\t}\n\t\t\t\tif (ch === \"(\") profundidad++;\n\t\t\t\telse if (ch === \")\") {\n\t\t\t\t\tprofundidad--;\n\t\t\t\t\tif (profundidad === 0) {\n\t\t\t\t\t\ti++;\n\t\t\t\t\t\tbreak;\n\t\t\t\t\t}\n\t\t\t\t}\n\t\t\t\tliteral += ch;\n\t\t\t\ti++;\n\t\t\t}\n\t\t\temite(literal);\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"<\" && decodificado[i + 1] !== \"<\") {\n\t\t\tconst fin = decodificado.indexOf(\">\", i);\n\t\t\tif (fin === -1) break;\n\t\t\tconst hex = decodificado.slice(i + 1, fin).replace(/[^0-9A-Fa-f]/g, \"\");\n\t\t\tlet literal = \"\";\n\t\t\tfor (let j = 0; j + 1 < hex.length; j += 2) {\n\t\t\t\tliteral += String.fromCharCode(Number.parseInt(hex.slice(j, j + 2), 16));\n\t\t\t}\n\t\t\temite(literal);\n\t\t\ti = fin + 1;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"<\") {\n\t\t\t// Diccionario inline «<<»: no aporta operandos de texto.\n\t\t\ti += 2;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"[\" || c === \"]\") {\n\t\t\ti++;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"/\") {\n\t\t\t// Nombre: se consume entero para que sus letras no acaben en el texto.\n\t\t\tlet j = i + 1;\n\t\t\twhile (j < n && !/[\\s/[<>()]/.test(decodificado[j])) j++;\n\t\t\ti = j;\n\t\t\tcontinue;\n\t\t}\n\t\tif (c === \"-\" || c === \".\" || (c >= \"0\" && c <= \"9\")) {\n\t\t\tlet j = i + 1;\n\t\t\twhile (j < n && /[0-9.]/.test(decodificado[j])) j++;\n\t\t\tultimoNumero = Number.parseFloat(decodificado.slice(i, j));\n\t\t\t// Kerning muy negativo en TJ: así escriben varias herramientas el\n\t\t\t// espacio que no metieron como literal.\n\t\t\tif (ultimoNumero <= -150) emite(\" \");\n\t\t\ti = j;\n\t\t\tcontinue;\n\t\t}\n\t\tif (!/\\s/.test(c)) {\n\t\t\tlet j = i;\n\t\t\twhile (j < n && !/\\s/.test(decodificado[j]) && !\"()[<>/\".includes(decodificado[j])) j++;\n\t\t\tconst op = decodificado.slice(i, j);\n\t\t\tif (op === \"'\" || op === '\"' || op === \"T*\" || op === \"BT\") {\n\t\t\t\tcortaLinea();\n\t\t\t} else if (op === \"Td\" || op === \"TD\") {\n\t\t\t\t// Solo si mueve en vertical: un desplazamiento horizontal seguido\n\t\t\t\t// NO parte la línea.\n\t\t\t\tif (!Number.isNaN(ultimoNumero) && Math.abs(ultimoNumero) > 0.01) cortaLinea();\n\t\t\t}\n\t\t\t// Tj/TJ no necesitan nada aquí: el literal ya se emitió al\n\t\t\t// parsearlo; el operador solo lo confirma.\n\t\t\tultimoNumero = Number.NaN;\n\t\t\ti = j;\n\t\t\tcontinue;\n\t\t}\n\t\ti++;\n\t}\n\tif (lineaActual.trim() !== \"\") lineas.push(lineaActual);\n\treturn lineas\n\t\t.join(\"\\n\")\n\t\t.replace(/\\n{3,}/g, \"\\n\\n\")\n\t\t.trim();\n}\n\nexport function extraerTextoPdf(buffer: Buffer): ResultadoPdf {\n\t// La firma `%PDF-` puede ir precedida de basura; cabecera amplia.\n\tif (!buffer.subarray(0, 1024).toString(\"latin1\").includes(\"%PDF-\")) {\n\t\treturn { estado: \"no-pudo\", motivo: \"no lleva la firma %PDF-\" };\n\t}\n\tconst crudo = buffer.toString(\"latin1\");\n\tif (/\\/Encrypt\\s+\\d+\\s+\\d+\\s+R/.test(crudo)) {\n\t\treturn { estado: \"no-pudo\", motivo: \"está cifrado y no se descifra a ciegas\" };\n\t}\n\tconst flujos = flujosDe(crudo);\n\tif (flujos.length === 0) {\n\t\treturn crudo.includes(\"/Page\")\n\t\t\t? { estado: \"sin-capa\", detalle: \"el PDF declara páginas pero ningún flujo de contenido legible\" }\n\t\t\t: { estado: \"no-pudo\", motivo: \"estructura no reconocida: ni flujos ni páginas\" };\n\t}\n\tconst { decodificados, fallosInflado } = decodificar(flujos);\n\tif (decodificados.length === 0) {\n\t\tif (fallosInflado > 0)\n\t\t\treturn { estado: \"no-pudo\", motivo: `${fallosInflado} flujo(s) no se pudieron descomprimir` };\n\t\treturn {\n\t\t\testado: \"sin-capa\",\n\t\t\tdetalle: \"los flujos existen pero ninguno contiene operadores de texto (PDF escaneado o de solo imágenes)\",\n\t\t};\n\t}\n\tconst partes = decodificados.map(extraerTextoDeContenido).filter((p) => p !== \"\");\n\tconst texto = partes\n\t\t.join(\"\\n\\n\")\n\t\t.replace(/\\n{3,}/g, \"\\n\\n\")\n\t\t.trim();\n\tif (texto === \"\") return { estado: \"sin-capa\", detalle: \"los flujos de contenido no produjeron texto\" };\n\treturn { estado: \"texto\", texto };\n}\n\nconst CABECERA_TEXTO = \"[PDF: capa de texto extraída]\";\nconst CABECERA_SIN_CAPA =\n\t\"[PDF sin capa de texto: es un PDF escaneado o de solo imágenes. No está vacío; su contenido son imágenes y aquí no hay OCR.]\";\n\n/**\n * Envuelve la definición de `read` ya construida — mismo patrón que\n * `envolverReadConUrlsInternas`, y por la misma razón: `read.ts` es de\n * upstream y el presupuesto de sync está al tope. Si la ruta apunta a un PDF\n * real (firma `%PDF-`, nunca la extensión: los ficheros mienten), lo resuelve\n * aquí; si no, delega SIN haber leído más que la cabecera.\n */\nexport function envolverReadConPdf<TBase extends ToolDefinition<any, any, any>>(base: TBase, cwd: string): TBase {\n\treturn {\n\t\t...base,\n\t\tasync execute(toolCallId, params, signal, onUpdate, ctx): Promise<AgentToolResult<unknown>> {\n\t\t\tif (typeof params !== \"object\" || params === null || !(\"path\" in params)) {\n\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t}\n\t\t\tconst rutaCruda: unknown = params.path;\n\t\t\tif (typeof rutaCruda !== \"string\" || rutaCruda === \"\" || rutaCruda.includes(\"://\")) {\n\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t}\n\t\t\tconst absoluta = isAbsolute(rutaCruda) ? rutaCruda : join(cwd, rutaCruda);\n\t\t\ttry {\n\t\t\t\t// Solo la CABEZA antes de decidir: un binario de 500 MB no se lee\n\t\t\t\t// entero para descubrir que no es un PDF.\n\t\t\t\tconst manejador = await open(absoluta, \"r\");\n\t\t\t\tlet cabeza: Buffer;\n\t\t\t\ttry {\n\t\t\t\t\tcabeza = Buffer.alloc(1024);\n\t\t\t\t\tconst { bytesRead } = await manejador.read(cabeza, 0, cabeza.length, 0);\n\t\t\t\t\tif (!cabeza.subarray(0, bytesRead).toString(\"latin1\").includes(\"%PDF-\")) {\n\t\t\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t\t\t}\n\t\t\t\t} finally {\n\t\t\t\t\tawait manejador.close();\n\t\t\t\t}\n\t\t\t\tconst buffer = await readFile(absoluta);\n\t\t\t\tconst resultado = extraerTextoPdf(buffer);\n\t\t\t\tif (resultado.estado === \"no-pudo\") {\n\t\t\t\t\tthrow new Error(`El PDF no se pudo leer: ${resultado.motivo}.`);\n\t\t\t\t}\n\t\t\t\tif (resultado.estado === \"sin-capa\") {\n\t\t\t\t\treturn {\n\t\t\t\t\t\tcontent: [{ type: \"text\", text: `${CABECERA_SIN_CAPA}\\nDetalle: ${resultado.detalle}` }],\n\t\t\t\t\t\tdetails: { pdf: resultado.estado },\n\t\t\t\t\t};\n\t\t\t\t}\n\t\t\t\tconst truncado = truncateHead(resultado.texto);\n\t\t\t\tlet texto = `${CABECERA_TEXTO}\\n${truncado.content}`;\n\t\t\t\tif (truncado.truncated) {\n\t\t\t\t\ttexto += `\\n[Truncado: ${truncado.outputLines} de ${truncado.totalLines} líneas del texto extraído.]`;\n\t\t\t\t}\n\t\t\t\treturn { content: [{ type: \"text\", text: texto }], details: { pdf: \"texto\" } };\n\t\t\t} catch (error) {\n\t\t\t\tif (error instanceof Error && error.message.startsWith(\"El PDF no se pudo leer\")) throw error;\n\t\t\t\t// Que la falta de permisos o el directorio la cuente `read`\n\t\t\t\t// con SU mensaje, no el nuestro.\n\t\t\t\treturn base.execute(toolCallId, params, signal, onUpdate, ctx);\n\t\t\t}\n\t\t},\n\t};\n}\n"]}

package/dist/core/limpieza/comprobadores.d.ts

@@ -0,0 +1,28 @@
+/**
+ * Detección y ejecución de comprobadores — MIRANDO lo que hay en el
+ * proyecto, nunca inventando uno. `detectarComprobadores` documenta en
+ * `mirado` cada sitio que ha comprobado, se haya encontrado algo o no: es lo
+ * que distingue "no he mirado" de "he mirado y no hay nada" cuando no
+ * aparece ningún comprobador ejecutable.
+ */
+import type { Comprobador, Deteccion, Diagnostico } from "./tipos.ts";
+/**
+ * Mira qué hay en el proyecto y arma la lista de comprobadores ejecutables.
+ * Prioridad por lenguaje: la config específica (biome/eslint/tsconfig) gana
+ * sobre el script de package.json genérico, porque sabemos parsear su salida.
+ */
+export declare function detectarComprobadores(cwd: string): Deteccion;
+export interface ResultadoEjecucion {
+    diagnosticos: Diagnostico[];
+    /** Comprobadores que NO se pudieron ejecutar (ejecutable ausente, timeout…) — no confundir con "corrió limpio". */
+    fallidos: Array<{
+        id: string;
+        etiqueta: string;
+        motivo: string;
+    }>;
+}
+/** Ejecuta comprobadores en paralelo y agrega sus diagnósticos. */
+export declare function ejecutarComprobadores(comprobadores: readonly Comprobador[]): Promise<ResultadoEjecucion>;
+/** Re-ejecuta solo los comprobadores pedidos (por id) — la verificación tras un arreglo. */
+export declare function ejecutarComprobadoresPorId(comprobadores: readonly Comprobador[], ids: ReadonlySet<string>): Promise<ResultadoEjecucion>;
+//# sourceMappingURL=comprobadores.d.ts.map

package/dist/core/limpieza/comprobadores.d.ts.map

@@ -0,0 +1 @@
+{"version":3,"file":"comprobadores.d.ts","sourceRoot":"","sources":["../../../src/core/limpieza/comprobadores.ts"],"names":[],"mappings":"AAAA;;;;;;GAMG;AAMH,OAAO,KAAK,EAAE,WAAW,EAAE,SAAS,EAAE,WAAW,EAAiB,MAAM,YAAY,CAAC;AAoDrF;;;;GAIG;AACH,wBAAgB,qBAAqB,CAAC,GAAG,EAAE,MAAM,GAAG,SAAS,CAwK5D;AA2CD,MAAM,WAAW,kBAAkB;IAClC,YAAY,EAAE,WAAW,EAAE,CAAC;IAC5B,wHAAmH;IACnH,QAAQ,EAAE,KAAK,CAAC;QAAE,EAAE,EAAE,MAAM,CAAC;QAAC,QAAQ,EAAE,MAAM,CAAC;QAAC,MAAM,EAAE,MAAM,CAAA;KAAE,CAAC,CAAC;CAClE;AAED,oEAAmE;AACnE,wBAAsB,qBAAqB,CAAC,aAAa,EAAE,SAAS,WAAW,EAAE,GAAG,OAAO,CAAC,kBAAkB,CAAC,CAkC9G;AAED,+FAA4F;AAC5F,wBAAgB,0BAA0B,CACzC,aAAa,EAAE,SAAS,WAAW,EAAE,EACrC,GAAG,EAAE,WAAW,CAAC,MAAM,CAAC,GACtB,OAAO,CAAC,kBAAkB,CAAC,CAE7B","sourcesContent":["/**\n * Detección y ejecución de comprobadores — MIRANDO lo que hay en el\n * proyecto, nunca inventando uno. `detectarComprobadores` documenta en\n * `mirado` cada sitio que ha comprobado, se haya encontrado algo o no: es lo\n * que distingue \"no he mirado\" de \"he mirado y no hay nada\" cuando no\n * aparece ningún comprobador ejecutable.\n */\n\nimport { spawn, spawnSync } from \"node:child_process\";\nimport { existsSync, readFileSync } from \"node:fs\";\nimport { dirname, join } from \"node:path\";\nimport { parsearBiomeGithub, parsearEslint, parsearGenerico, parsearTestFallido, parsearTsc } from \"./parseo.ts\";\nimport type { Comprobador, Deteccion, Diagnostico, SalidaComando } from \"./tipos.ts\";\n\nconst CONFIGS_ESLINT = [\n\t\"eslint.config.js\",\n\t\"eslint.config.mjs\",\n\t\"eslint.config.cjs\",\n\t\"eslint.config.ts\",\n\t\".eslintrc\",\n\t\".eslintrc.js\",\n\t\".eslintrc.cjs\",\n\t\".eslintrc.json\",\n];\n\n/** Busca un binario en `node_modules/.bin` subiendo directorios — la misma resolución que usa `npm run`. */\nfunction resolverBinLocal(desde: string, nombre: string): string | undefined {\n\tlet dir = desde;\n\tfor (;;) {\n\t\tconst candidato = join(dir, \"node_modules\", \".bin\", nombre);\n\t\tif (existsSync(candidato)) return candidato;\n\t\tconst padre = dirname(dir);\n\t\tif (padre === dir) return undefined;\n\t\tdir = padre;\n\t}\n}\n\n/** true si `nombre` resuelve en PATH — para herramientas ajenas a node (ruff, cargo, go). */\nfunction hayEnPath(nombre: string): boolean {\n\tconst r = spawnSync(process.platform === \"win32\" ? \"where\" : \"which\", [nombre], { stdio: \"ignore\" });\n\treturn r.status === 0;\n}\n\nfunction leerPackageJson(cwd: string): { scripts?: Record<string, string> } | undefined {\n\tconst ruta = join(cwd, \"package.json\");\n\tif (!existsSync(ruta)) return undefined;\n\ttry {\n\t\treturn JSON.parse(readFileSync(ruta, \"utf-8\"));\n\t} catch {\n\t\t// package.json ilegible: se trata como ausente, no se inventa nada a partir de él.\n\t\treturn undefined;\n\t}\n}\n\nfunction tienePyprojectRuff(cwd: string): boolean {\n\tconst ruta = join(cwd, \"pyproject.toml\");\n\tif (!existsSync(ruta)) return false;\n\ttry {\n\t\treturn readFileSync(ruta, \"utf-8\").includes(\"[tool.ruff]\");\n\t} catch {\n\t\treturn false;\n\t}\n}\n\n/**\n * Mira qué hay en el proyecto y arma la lista de comprobadores ejecutables.\n * Prioridad por lenguaje: la config específica (biome/eslint/tsconfig) gana\n * sobre el script de package.json genérico, porque sabemos parsear su salida.\n */\nexport function detectarComprobadores(cwd: string): Deteccion {\n\tconst mirado: string[] = [];\n\tconst comprobadores: Comprobador[] = [];\n\tconst tiene = (id: string) => comprobadores.some((c) => c.id === id);\n\n\tconst pkg = leerPackageJson(cwd);\n\tmirado.push(`package.json (${existsSync(join(cwd, \"package.json\")) ? \"existe\" : \"no existe\"})`);\n\n\tconst biomeConfig = existsSync(join(cwd, \"biome.json\")) || existsSync(join(cwd, \"biome.jsonc\"));\n\tmirado.push(`biome.json / biome.jsonc (${biomeConfig ? \"encontrado\" : \"no encontrado\"})`);\n\tif (biomeConfig) {\n\t\tconst bin = resolverBinLocal(cwd, \"biome\");\n\t\tif (bin) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"lint\",\n\t\t\t\tetiqueta: \"lint (biome)\",\n\t\t\t\tcomando: bin,\n\t\t\t\targs: [\"lint\", \"--reporter=github\", \".\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearBiomeGithub,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else {\n\t\t\tmirado.push(\"biome: config encontrada pero no hay node_modules/.bin/biome en el árbol de directorios\");\n\t\t}\n\t}\n\n\tconst eslintConfig = CONFIGS_ESLINT.some((f) => existsSync(join(cwd, f)));\n\tmirado.push(`config de eslint (${eslintConfig ? \"encontrada\" : \"no encontrada\"})`);\n\tif (eslintConfig && !tiene(\"lint\")) {\n\t\tconst bin = resolverBinLocal(cwd, \"eslint\");\n\t\tif (bin) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"lint\",\n\t\t\t\tetiqueta: \"lint (eslint)\",\n\t\t\t\tcomando: bin,\n\t\t\t\targs: [\".\", \"--format\", \"json\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearEslint,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else {\n\t\t\tmirado.push(\"eslint: config encontrada pero no hay node_modules/.bin/eslint en el árbol de directorios\");\n\t\t}\n\t}\n\n\tif (pkg?.scripts?.lint && !tiene(\"lint\")) {\n\t\tmirado.push(\"package.json → scripts.lint (encontrado, sin config de biome/eslint reconocida)\");\n\t\tcomprobadores.push({\n\t\t\tid: \"lint\",\n\t\t\tetiqueta: \"lint (npm run lint)\",\n\t\t\tcomando: \"npm\",\n\t\t\targs: [\"run\", \"lint\", \"--silent\"],\n\t\t\tcwd,\n\t\t\tparsear: parsearGenerico,\n\t\t\talcance: \"fichero\",\n\t\t});\n\t}\n\n\tconst tsconfig = existsSync(join(cwd, \"tsconfig.json\"));\n\tmirado.push(`tsconfig.json (${tsconfig ? \"encontrado\" : \"no encontrado\"})`);\n\tif (tsconfig) {\n\t\tconst bin = resolverBinLocal(cwd, \"tsc\");\n\t\tif (bin) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"typecheck\",\n\t\t\t\tetiqueta: \"typecheck (tsc)\",\n\t\t\t\tcomando: bin,\n\t\t\t\targs: [\"--noEmit\", \"--pretty\", \"false\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearTsc,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else if (pkg?.scripts?.typecheck) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"typecheck\",\n\t\t\t\tetiqueta: \"typecheck (npm run typecheck)\",\n\t\t\t\tcomando: \"npm\",\n\t\t\t\targs: [\"run\", \"typecheck\", \"--silent\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearGenerico,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else {\n\t\t\tmirado.push(\"tsconfig.json: sin node_modules/.bin/tsc ni scripts.typecheck en package.json\");\n\t\t}\n\t} else if (pkg?.scripts?.typecheck) {\n\t\tmirado.push(\"package.json → scripts.typecheck (encontrado, sin tsconfig.json)\");\n\t\tcomprobadores.push({\n\t\t\tid: \"typecheck\",\n\t\t\tetiqueta: \"typecheck (npm run typecheck)\",\n\t\t\tcomando: \"npm\",\n\t\t\targs: [\"run\", \"typecheck\", \"--silent\"],\n\t\t\tcwd,\n\t\t\tparsear: parsearGenerico,\n\t\t\talcance: \"fichero\",\n\t\t});\n\t}\n\n\tif (pkg?.scripts?.test) {\n\t\tmirado.push(\"package.json → scripts.test (encontrado)\");\n\t\tcomprobadores.push({\n\t\t\tid: \"test\",\n\t\t\tetiqueta: \"test (npm test)\",\n\t\t\tcomando: \"npm\",\n\t\t\targs: [\"test\", \"--silent\"],\n\t\t\tcwd,\n\t\t\tparsear: (salida) => parsearTestFallido(salida),\n\t\t\talcance: \"proyecto\",\n\t\t});\n\t}\n\n\tconst ruffConfig =\n\t\texistsSync(join(cwd, \"ruff.toml\")) || existsSync(join(cwd, \".ruff.toml\")) || tienePyprojectRuff(cwd);\n\tmirado.push(`pyproject.toml [tool.ruff] / ruff.toml / .ruff.toml (${ruffConfig ? \"encontrado\" : \"no encontrado\"})`);\n\tif (ruffConfig) {\n\t\tif (hayEnPath(\"ruff\")) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"lint-py\",\n\t\t\t\tetiqueta: \"lint (ruff)\",\n\t\t\t\tcomando: \"ruff\",\n\t\t\t\targs: [\"check\", \".\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearGenerico,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else {\n\t\t\tmirado.push(\"ruff: config encontrada pero el ejecutable 'ruff' no está en PATH\");\n\t\t}\n\t}\n\n\tconst cargoToml = existsSync(join(cwd, \"Cargo.toml\"));\n\tmirado.push(`Cargo.toml (${cargoToml ? \"encontrado\" : \"no encontrado\"})`);\n\tif (cargoToml) {\n\t\tif (hayEnPath(\"cargo\")) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"lint-rs\",\n\t\t\t\tetiqueta: \"lint (cargo clippy)\",\n\t\t\t\tcomando: \"cargo\",\n\t\t\t\targs: [\"clippy\", \"--message-format=short\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearGenerico,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else {\n\t\t\tmirado.push(\"cargo clippy: Cargo.toml encontrado pero el ejecutable 'cargo' no está en PATH\");\n\t\t}\n\t}\n\n\tconst goMod = existsSync(join(cwd, \"go.mod\"));\n\tmirado.push(`go.mod (${goMod ? \"encontrado\" : \"no encontrado\"})`);\n\tif (goMod) {\n\t\tif (hayEnPath(\"go\")) {\n\t\t\tcomprobadores.push({\n\t\t\t\tid: \"vet-go\",\n\t\t\t\tetiqueta: \"vet (go vet)\",\n\t\t\t\tcomando: \"go\",\n\t\t\t\targs: [\"vet\", \"./...\"],\n\t\t\t\tcwd,\n\t\t\t\tparsear: parsearGenerico,\n\t\t\t\talcance: \"fichero\",\n\t\t\t});\n\t\t} else {\n\t\t\tmirado.push(\"go vet: go.mod encontrado pero el ejecutable 'go' no está en PATH\");\n\t\t}\n\t}\n\n\treturn { comprobadores, mirado };\n}\n\n/** Ejecuta un comando y distingue \"no pude ejecutarlo\" (ENOENT, timeout) de una ejecución real. */\nfunction ejecutarComando(\n\tcomprobador: Comprobador,\n\ttimeoutMs = 120_000,\n): Promise<{ ok: true; salida: SalidaComando } | { ok: false; motivo: string }> {\n\treturn new Promise((resolve) => {\n\t\tlet proc: ReturnType<typeof spawn>;\n\t\ttry {\n\t\t\tproc = spawn(comprobador.comando, comprobador.args, {\n\t\t\t\tcwd: comprobador.cwd,\n\t\t\t\tshell: false,\n\t\t\t\tstdio: [\"ignore\", \"pipe\", \"pipe\"],\n\t\t\t});\n\t\t} catch (error) {\n\t\t\tresolve({ ok: false, motivo: error instanceof Error ? error.message : String(error) });\n\t\t\treturn;\n\t\t}\n\t\tlet stdout = \"\";\n\t\tlet stderr = \"\";\n\t\tlet resuelto = false;\n\t\tconst temporizador = setTimeout(() => {\n\t\t\tproc.kill(\"SIGKILL\");\n\t\t\tacabar({ ok: false, motivo: `timeout tras ${timeoutMs}ms` });\n\t\t}, timeoutMs);\n\t\tconst acabar = (r: { ok: true; salida: SalidaComando } | { ok: false; motivo: string }) => {\n\t\t\tif (resuelto) return;\n\t\t\tresuelto = true;\n\t\t\tclearTimeout(temporizador);\n\t\t\tresolve(r);\n\t\t};\n\t\tproc.on(\"error\", (error) => acabar({ ok: false, motivo: error.message }));\n\t\tproc.stdout?.on(\"data\", (d) => {\n\t\t\tstdout += d;\n\t\t});\n\t\tproc.stderr?.on(\"data\", (d) => {\n\t\t\tstderr += d;\n\t\t});\n\t\tproc.on(\"close\", (code) => acabar({ ok: true, salida: { stdout, stderr, code: code ?? 0 } }));\n\t});\n}\n\nexport interface ResultadoEjecucion {\n\tdiagnosticos: Diagnostico[];\n\t/** Comprobadores que NO se pudieron ejecutar (ejecutable ausente, timeout…) — no confundir con \"corrió limpio\". */\n\tfallidos: Array<{ id: string; etiqueta: string; motivo: string }>;\n}\n\n/** Ejecuta comprobadores en paralelo y agrega sus diagnósticos. */\nexport async function ejecutarComprobadores(comprobadores: readonly Comprobador[]): Promise<ResultadoEjecucion> {\n\tconst diagnosticos: Diagnostico[] = [];\n\tconst fallidos: ResultadoEjecucion[\"fallidos\"] = [];\n\tawait Promise.all(\n\t\tcomprobadores.map(async (comprobador) => {\n\t\t\tconst r = await ejecutarComando(comprobador);\n\t\t\tif (!r.ok) {\n\t\t\t\tfallidos.push({ id: comprobador.id, etiqueta: comprobador.etiqueta, motivo: r.motivo });\n\t\t\t\treturn;\n\t\t\t}\n\t\t\tconst parciales = comprobador.parsear(r.salida, comprobador.cwd);\n\t\t\t// Salió con error pero el parser no le sacó NINGÚN diagnóstico: no es\n\t\t\t// que el proyecto esté limpio, es que el binario probablemente\n\t\t\t// crasheó (lib que falta, versión incompatible…) y su salida no\n\t\t\t// tiene el formato que el parser espera. Sin esto, un comprobador\n\t\t\t// roto se leía como \"proyecto limpio\" — exit code ignorado del todo.\n\t\t\t// ponytail: heurística, no perfecta — un linter que legítimamente\n\t\t\t// sale con código !=0 sin issues (convención rara) contaría como\n\t\t\t// fallido; el riesgo de leer \"limpio\" un binario roto es peor.\n\t\t\tif (parciales.length === 0 && r.salida.code !== 0) {\n\t\t\t\tconst cola = `${r.salida.stdout}\\n${r.salida.stderr}`.trim().split(\"\\n\").slice(-5).join(\"\\n\");\n\t\t\t\tfallidos.push({\n\t\t\t\t\tid: comprobador.id,\n\t\t\t\t\tetiqueta: comprobador.etiqueta,\n\t\t\t\t\tmotivo: `salió con código ${r.salida.code} sin diagnósticos reconocibles:\\n${cola}`,\n\t\t\t\t});\n\t\t\t\treturn;\n\t\t\t}\n\t\t\tfor (const parcial of parciales) {\n\t\t\t\tdiagnosticos.push({ ...parcial, comprobador: comprobador.id });\n\t\t\t}\n\t\t}),\n\t);\n\treturn { diagnosticos, fallidos };\n}\n\n/** Re-ejecuta solo los comprobadores pedidos (por id) — la verificación tras un arreglo. */\nexport function ejecutarComprobadoresPorId(\n\tcomprobadores: readonly Comprobador[],\n\tids: ReadonlySet<string>,\n): Promise<ResultadoEjecucion> {\n\treturn ejecutarComprobadores(comprobadores.filter((c) => ids.has(c.id)));\n}\n"]}