@ingeniomaps/cauce 0.14.2 → 0.15.1
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- package/CHANGELOG.md +38 -0
- package/agents/roles/system/data-analyst/evaluations/results/2026-08-16.md +1353 -0
- package/agents/roles/system/legal-counsel/evaluations/results/2026-08-16.md +1404 -0
- package/agents/roles/system/product-manager/evaluations/results/2026-08-16.md +893 -0
- package/agents/roles/system/security-engineer/evaluations/results/2026-08-16.md +1145 -0
- package/automatization/workflows/agent-eval.js +12 -1
- package/package.json +1 -1
- package/template/AGENTS.md +20 -0
package/CHANGELOG.md
CHANGED
|
@@ -8,6 +8,44 @@ esa operación sea confiable en vez de sólo cómoda: acá se lee qué cambió a
|
|
|
8
8
|
un cambio en el protocolo, en las reglas del sistema o en un guard es visible para el usuario y sube
|
|
9
9
|
minor aunque no toque una sola línea de código.
|
|
10
10
|
|
|
11
|
+
## [0.15.1] - 2026-08-16
|
|
12
|
+
|
|
13
|
+
### Corregido
|
|
14
|
+
|
|
15
|
+
- **El recorrido de evaluación debe correrse sobre una instancia, no sobre el toolkit**, y ahora lo dice
|
|
16
|
+
con su razón. Un cargo cuyo trabajo es producir artefactos de planning necesita un `planning/` donde
|
|
17
|
+
escribir sea legítimo; dentro del repositorio del toolkit ese directorio es `template/planning`, que se
|
|
18
|
+
distribuye a cada instalación. El cargo se niega —con razón— y el caso lo contaba como fallo.
|
|
19
|
+
|
|
20
|
+
La correlación es exacta: `product-manager` falla los **dos** casos que piden escribir en `planning/` y
|
|
21
|
+
ninguno de los otros tres; `security-engineer` y `legal-counsel`, con cero casos de ese tipo, dan 6/6
|
|
22
|
+
en las dos corridas. Es el tercer hueco de fidelidad del arnés, y el que más engaña: hace parecer roto
|
|
23
|
+
a un cargo que está acertando.
|
|
24
|
+
|
|
25
|
+
## [0.15.0] - 2026-08-16
|
|
26
|
+
|
|
27
|
+
### Cambiado
|
|
28
|
+
|
|
29
|
+
- **`AGENTS.md` incorpora «Negarse no es entregar».** Correr los casos adversariales sobre cinco cargos
|
|
30
|
+
mostró el mismo defecto en tres: el cargo es fuerte para negarse y se queda corto en la acción
|
|
31
|
+
positiva, **incluso cuando su propio contrato la autoriza**. El `product-manager` citaba su vía de
|
|
32
|
+
escape sin tomarla; el `data-analyst` enumeraba seis definiciones y pedía elegir; el `qa-engineer`
|
|
33
|
+
rechazaba una guía externa sin verificarla.
|
|
34
|
+
|
|
35
|
+
No son tres defectos sino uno repetido, y es de redacción: los límites van en sección propia y en
|
|
36
|
+
lista, las obligaciones positivas van de pasada dentro de un párrafo. Bajo presión, pesa la
|
|
37
|
+
prohibición. Por eso el arreglo es una regla general en `AGENTS.md` —donde todo puntero de cargo ya
|
|
38
|
+
mandaba a mirar— y no 47 ediciones. Verificado: los tres casos pasan.
|
|
39
|
+
|
|
40
|
+
No afloja ningún límite: no promover, no prometer fechas, no inventar evidencia y no exceder la
|
|
41
|
+
autoridad siguen absolutos. Se cierra la salida de cumplirlos sin entregar.
|
|
42
|
+
|
|
43
|
+
### Corregido
|
|
44
|
+
|
|
45
|
+
- El recorrido de evaluación le daba al cargo **sólo su `SKILL.md`**, cuando el puntero que instala cada
|
|
46
|
+
runner dice «respetá ese contrato **y las reglas de `AGENTS.md`**». Lo medía en una situación que
|
|
47
|
+
nunca ocurre, y ahí se perdía toda regla general.
|
|
48
|
+
|
|
11
49
|
## [0.14.2] - 2026-08-16
|
|
12
50
|
|
|
13
51
|
### Corregido
|