@saulwade/swl-ses 1.7.4 → 1.8.0

package/agentes/auto-evolucion-swl.md

@@ -50,7 +50,7 @@ hardGuardrails:
   - "Agentes 'evolvable: false' requieren ADR humano explícito antes de cualquier cambio."
   - "@reglas/gobernanza.md § Gate G8 — skills nuevos pasan por _userland/ + score >=70 antes de promover."
   - "Gates G1-G8 son veto: fallo en cualquier gate aborta la evolución, sin override."
-  - "@hooks/audit-trail.js — toda evolución registrada en .planning/evolucion/evoluciones.jsonl."
+  - "@hooks/audit-trail.js — toda evolución registrada en .planning/evolution/evoluciones.jsonl."
   - "Modificaciones a hooks bloqueantes (calidad-pre-commit, escaneo-secretos) requieren HITL."
 fragmentos:
   - _intent-spec
@@ -91,7 +91,7 @@ ANTES de modificar cualquier agente o skill:
    o está en la lista bloqueada (auto-evolucion-swl, red-team-swl, orquestador-swl,
    revisor-seguridad-swl), detente y reporta al usuario. La política completa
    (qué está bloqueado, por qué, y cuándo re-evaluarla) vive en
-   `.planning/evolucion/politica-evolvable.md`.
+   `.planning/evolution/politica-evolvable.md`.
 
    **1a. Normalizar el frontmatter** usando `scripts/lib/skill-normalizer.js`:
    ```bash
@@ -149,19 +149,19 @@ campo `data.diagnosis` con la clasificación del fallo dominante:
 | `timeout` | Excedió presupuesto de turnos/tiempo | `toolBudget.complex`, `maxTurnos` |
 | `schema_violation` | Output violó schema declarado | `schemas/agent-output-*.schema.json` + template de output |
 | `task_incomplete` | Terminó con scope parcial | Protocolo de cierre, definición de "done" |
-| `unknown` | No clasificable | Leer últimas 3 trazas de `.planning/auto-evolucion/agentes.jsonl` |
+| `unknown` | No clasificable | Leer últimas 3 trazas de `.planning/auto-evolution/agentes.jsonl` |
 
 ### Cómo leer el diagnosis de la sesión actual
 
 ```bash
 # Últimos nudges con su diagnosis
-tail -20 .planning/evolucion/nudges.jsonl | node -e "process.stdin.on('data',b=>b.toString().split(/\r?\n/).filter(Boolean).forEach(l=>{try{const j=JSON.parse(l);if(j.kind==='auto-evolucion')console.log(j.target,'->',j.data?.diagnosis?.tipo_fallo);}catch{}}))"
+tail -20 .planning/evolution/nudges.jsonl | node -e "process.stdin.on('data',b=>b.toString().split(/\r?\n/).filter(Boolean).forEach(l=>{try{const j=JSON.parse(l);if(j.kind==='auto-evolucion')console.log(j.target,'->',j.data?.diagnosis?.tipo_fallo);}catch{}}))"
 
 # Trazas raw del agente objetivo en los últimos 14 días
 node -e "
 const fs=require('fs');
 const ventana=Date.now()-14*24*3600*1000;
-const lines=fs.readFileSync('.planning/auto-evolucion/agentes.jsonl','utf8').split(/\r?\n/).filter(Boolean);
+const lines=fs.readFileSync('.planning/auto-evolution/agentes.jsonl','utf8').split(/\r?\n/).filter(Boolean);
 for(const l of lines){try{const j=JSON.parse(l);if(j.agente==='TU_TARGET' && Date.parse(j.ts)>=ventana)console.log(j.ts,j.status,j.tipo_fallo||'');}catch{}}"
 ```
 
@@ -672,7 +672,7 @@ como período de prueba (regla `gobernanza.md` línea 30). La promoción al core
    - Oro (≥80)      → promover sin más
    - Plata (≥70)    → promover, dejar nota en CHANGELOG: "promovido con badge Plata, mejorar en próxima evolución"
    - Bronce (≥60)   → NO promover. Devolver a _userland/ con feedback de qué dimensiones bajan el score.
-   - Sin badge (<60)→ NO promover. Documentar en .planning/evolucion/promociones-rechazadas.jsonl
+   - Sin badge (<60)→ NO promover. Documentar en .planning/evolution/promociones-rechazadas.jsonl
 4. Si badge ≥ Plata: mover archivo a habilidades/<nombre>/SKILL.md, registrar
    en manifiestos/modulos.json, actualizar INVENTARIO.md.
 5. Registrar evento en evoluciones.jsonl con tipo: "promocion-skill" y score.
@@ -702,7 +702,7 @@ Independientemente de los gates:
 
 ### Registro de evoluciones autónomas
 
-Cada evolución autónoma escribe a `.planning/evolucion/evoluciones.jsonl`:
+Cada evolución autónoma escribe a `.planning/evolution/evoluciones.jsonl`:
 
 ```json
 {"ts":"2026-04-19T...","tipo":"aplicada","target":"skill-x","score":85,"modo":"autonomo"}

package/agentes/disenador-ui-swl.md

@@ -61,6 +61,18 @@ Responsabilidades concretas:
 - Adaptar o extender design systems existentes (Material, Ant, shadcn, Radix)
 - Producir UI-SPEC.md que el implementador pueda seguir sin consultar al diseñador
 
+## Path de output canónico (OBLIGATORIO)
+
+Escribe TODOS tus artefactos en `.planning/design/` — NUNCA en la raíz del
+proyecto ni en directorios ad-hoc (`ux/`, `diseno/`, `diseno-visual/`):
+
+- `.planning/design/UI-SPEC.md` — la especificación visual principal.
+- `.planning/design/tokens.md`, `component-inventory.md`, etc. — artefactos de apoyo.
+
+El path está pineado (ADR-0031, `manifiestos/planning-paths.json`): no es elección
+del orquestador. Si ya existe `.planning/design/UI-SPEC.md`, léelo antes de
+sobreescribir. Cierra DT-PLANNING-OUTPUT-PATHS.
+
 ## Protocolo obligatorio al iniciar
 
 ANTES de definir cualquier valor visual:

package/agentes/investigador-ux-swl.md

@@ -59,6 +59,15 @@ Responsabilidades concretas:
 - Analizar datos de uso: heatmaps, funnels, tasas de conversión, bounce rates
 - Producir reportes de investigación accionables con hallazgos y recomendaciones
 
+## Path de output canónico (OBLIGATORIO)
+
+Escribe TODOS tus artefactos de investigación en `.planning/design/` (reportes,
+personas, customer journeys, análisis heurístico) — NUNCA en la raíz ni en
+`ux/`/`investigacion/`/`research/`. Path pineado (ADR-0031,
+`manifiestos/planning-paths.json`): compartes directorio con `disenador-ui-swl`
+y `ux-disenador-swl` para que el conocimiento de usuario y la spec visual vivan
+juntos. Cierra DT-PLANNING-OUTPUT-PATHS.
+
 ## Protocolo obligatorio al iniciar
 
 ANTES de comenzar cualquier investigación:

package/agentes/perfilador-usuario-swl.md

@@ -94,7 +94,7 @@ tercero (perfil del usuario). **No cruces los carriles:**
 
 3. **Verificar el dirty-bit del hook:**
    ```
-   Read(".planning/perfil-usuario/dirty.json")
+   Read(".planning/user-profile/dirty.json")
    ```
    Este archivo lista las señales acumuladas desde la última consolidación.
    Si no existe: no hay trabajo pendiente; termina con "perfil al día".
@@ -254,7 +254,7 @@ atomicWriteSync('instintos/perfil-usuario.yaml', yamlContent);
 ### Paso 6 — Limpiar dirty-bit
 
 ```bash
-rm -f .planning/perfil-usuario/dirty.json
+rm -f .planning/user-profile/dirty.json
 ```
 
 ### Paso 7 — Reportar al usuario

package/agentes/ux-disenador-swl.md

@@ -43,6 +43,12 @@ realmente pueden usar — no solo interfaces que se ven bien en un mockup.
 Tu output es la UI-SPEC.md: el contrato de diseño que el frontend-swl implementará.
 No escribes código. Diseñas con palabras, estructuras y especificaciones precisas.
 
+**Path de output canónico (OBLIGATORIO):** escribe TODOS tus artefactos en
+`.planning/design/` (`UI-SPEC.md`, wireframes, flujos) — NUNCA en la raíz ni en
+`ux/`/`diseno/`/`diseno-visual/`. Path pineado (ADR-0031,
+`manifiestos/planning-paths.json`); si ya existe `.planning/design/UI-SPEC.md`,
+léelo antes de sobreescribir. Cierra DT-PLANNING-OUTPUT-PATHS.
+
 ## Rol y responsabilidad
 
 Responsabilidades concretas:

package/comandos/swl/evaluar-skill.md

@@ -369,7 +369,7 @@ Umbral de promoción:
 |-------|-------------------------|
 | Platino, Oro, Plata | Promover a `habilidades/`, registrar en manifiestos |
 | Bronce | NO promover, devolver a `_userland/` con feedback |
-| Sin badge | NO promover, registrar rechazo en `.planning/evolucion/promociones-rechazadas.jsonl` |
+| Sin badge | NO promover, registrar rechazo en `.planning/evolution/promociones-rechazadas.jsonl` |
 
 Si un skill es rechazado ≥3 veces consecutivas, el agente escala al usuario
 con análisis de qué dimensiones bajan el score. Origen: ADR 0013 sección 3C.

package/comandos/swl/evolucion-estado.md

@@ -31,7 +31,7 @@ PATH="/c/Program Files/nodejs:/c/Program Files (x86)/nodejs:$PATH" echo '{}' | n
 ## Paso 1 — Cargar métricas
 
 ```bash
-cat .planning/evolucion/metricas.json
+cat .planning/evolution/metricas.json
 ```
 
 Si el archivo no existe: ejecutar el regenerado del Paso 0. Si sigue sin
@@ -58,7 +58,7 @@ echo "RATIO=\"$EVOL_FALSE/$TOTAL\""
 
 Estos valores alimentan la sección KERNEL del template.
 
-Si `.planning/evolucion/politica-evolvable.md` no existe, reportar como
+Si `.planning/evolution/politica-evolvable.md` no existe, reportar como
 hallazgo crítico: el kernel SIN política documentada es violación de
 `reglas/gobernanza.md`.
 
@@ -127,7 +127,7 @@ Template de salida:
       ...
 
   KERNEL (gobernanza)
-    Política evolvable .... .planning/evolucion/politica-evolvable.md
+    Política evolvable .... .planning/evolution/politica-evolvable.md
     Último ADR kernel ..... <ADR-NNNN — título — fecha>
     Agentes evolvable=false <n>/<total>
 
@@ -152,7 +152,7 @@ Al final del dashboard, sugerir acciones según las métricas:
   → `npx -y @saulwade/swl-ses@latest bootstrap-instincts` (pobla desde APRENDIZAJES.md)
 
 - Si `nudges.tasaAccion < 0.3` y `nudges.total > 5`:
-  → "Muchos nudges ignorados. Revisa `.planning/evolucion/alertas-persistentes.json`"
+  → "Muchos nudges ignorados. Revisa `.planning/evolution/alertas-persistentes.json`"
 
 - Si `alertasActivas.length > 0`:
   → listar cada alerta con `/swl:evolucionar <target>` o cmd correspondiente
@@ -178,7 +178,7 @@ Al final del dashboard, sugerir acciones según las métricas:
 
 ## Anti-substitution guardrails
 
-- Archivo de métricas: **siempre** `.planning/evolucion/metricas.json` (nunca `.planning/metricas.json`, `evolucion.json`, `estado-evolucion.json`).
+- Archivo de métricas: **siempre** `.planning/evolution/metricas.json` (nunca `.planning/metricas.json`, `evolucion.json`, `estado-evolucion.json`).
 - Hook que regenera: **siempre** `hooks/metricas-evolucion.js` (nunca `metrics.js`, `evolucion-metricas.js`, `evolution-metrics.js`).
 - Para forzar regen: pipe `echo '{}' | node ...`, nunca invocar `require()` directo.
 

package/comandos/swl/evolucionar.md

@@ -23,7 +23,7 @@ SWL tiene **tres canales independientes** de aprendizaje. Son complementarios, n
 ### Cómo se coordinan
 
 - **Evolución + perfil**: el parser de fricción (`auto-evolucion-protocolo` v1.1) cruza el log
-  `.planning/auto-evolucion/agentes.jsonl` con las señales de corrección del usuario
+  `.planning/auto-evolution/agentes.jsonl` con las señales de corrección del usuario
   para priorizar agentes cuyos runs coincidieron con correcciones. Ver tabla
   "Categorías de fricción" en el skill.
 - **Evolución + aprendizajes**: antes de modificar un skill, leer `APRENDIZAJES.md`
@@ -214,7 +214,7 @@ score_after = (evals_pass / evals_total) * 100 × factor_peso
 | `score_after < score_baseline - 5` | **Revertir** — restaurar el archivo anterior + `--record-revert --score=<N>` |
 | `score_baseline - 5 <= score_after < score_baseline` | **Requiere revisión humana** — reportar diferencia; usuario decide si acepta la regresión menor o revierte |
 
-Los 3 casos registran evento en `.planning/evolucion/evoluciones.jsonl` para el
+Los 3 casos registran evento en `.planning/evolution/evoluciones.jsonl` para el
 dashboard `/swl:evolucion-estado`.
 
 ### Regla de oro

package/comandos/swl/inbox.md

@@ -45,7 +45,7 @@ Por cada comando en la cola, decidir:
 | Instrucción de trabajo clara ("arregla el bug X", "ejecuta pruebas") | Procesar como prompt del usuario. Ejecutar la tarea siguiendo el flujo normal SWL. |
 | Slash command (`/swl:salud`, `/swl:metricas`, etc.) | Invocar ese comando directamente. |
 | Pregunta/consulta ("¿cómo va X?", "estado del release") | Responder con la información solicitada. Enviar respuesta al gateway si aplica. |
-| Feedback/corrección ("no uses Y", "prefiero Z") | Escribir a `.planning/evolucion/feedback-queue.jsonl` con tipo correspondiente y marcar como procesado. |
+| Feedback/corrección ("no uses Y", "prefiero Z") | Escribir a `.planning/evolution/feedback-queue.jsonl` con tipo correspondiente y marcar como procesado. |
 | Contenido ambiguo o sospechoso | Marcar como descartado con razón registrada. |
 
 ### Paso 3 — Procesar y marcar

package/comandos/swl/reflect-skills.md

@@ -6,7 +6,7 @@ allowed_tools: ["Read", "Write", "Edit", "Bash", "Grep", "Glob"]
 
 # /swl:reflect-skills — Descubrimiento de skills emergentes
 
-Analiza los archivos JSONL del historial de Claude Code (`~/.claude/projects/<proyecto>/*.jsonl`) y la cola de feedback del usuario (`.planning/evolucion/feedback-queue.jsonl`) para detectar intenciones repetidas que podrían formalizarse como skills, comandos o agentes nuevos del sistema SWL.
+Analiza los archivos JSONL del historial de Claude Code (`~/.claude/projects/<proyecto>/*.jsonl`) y la cola de feedback del usuario (`.planning/evolution/feedback-queue.jsonl`) para detectar intenciones repetidas que podrían formalizarse como skills, comandos o agentes nuevos del sistema SWL.
 
 Complementa a `/swl:aprender` (que trabaja sobre la sesión actual) y a `/swl:evolucionar` (que opera sobre metadatos de agentes/skills existentes). Este comando mira el **historial acumulado** y propone componentes emergentes basándose en la frecuencia real de uso.
 
@@ -41,7 +41,7 @@ Parámetros:
 
 El script produce:
 - Reporte textual en stdout
-- Archivo estructurado en `.planning/evolucion/reflect-skills-report.json`
+- Archivo estructurado en `.planning/evolution/reflect-skills-report.json`
 
 ### Paso 2 — Leer y clasificar los candidatos
 

package/comandos/swl/salud.md

@@ -290,7 +290,7 @@ SWL_AUDIT_FRAMEWORKS=1 npx -y @saulwade/swl-ses@latest audit-coverage-frameworks
 npx -y @saulwade/swl-ses@latest audit-coverage-frameworks --save
 ```
 
-Persiste en `.planning/evolucion/cobertura-frameworks.json` para comparación
+Persiste en `.planning/evolution/cobertura-frameworks.json` para comparación
 histórica tras incorporar nuevos skills de seguridad.
 
 Si `SWL_AUDIT_FRAMEWORKS` no está definida, este paso se omite sin mensaje

package/habilidades/ai-runtime-security/SKILL.md

@@ -123,12 +123,12 @@ Checklist para cualquier aplicación LLM en producción:
 - [ ] Canary token en system prompt + validación en output (capa 2)
 - [ ] Tool whitelist por agente documentada en frontmatter (capa 3)
 - [ ] Confirmación humana para acciones irreversibles (capa 3)
-- [ ] Logs de intentos detectados en `.planning/auto-evolucion/agentes.jsonl` con campo `tipo_fallo: prompt_injection`
+- [ ] Logs de intentos detectados en `.planning/auto-evolution/agentes.jsonl` con campo `tipo_fallo: prompt_injection`
 
 ## Gotchas / Errores comunes no obvios
 
 - **Confiar solo en regex**: los atacantes reescriben payloads trivialmente (sinónimos, ofuscación base64, division de strings, caracteres Unicode similares). Causa: las firmas son conocidas y públicas; cualquier evasión simple las burla. Solución: combinar siempre capa 1 con capa 2 + capa 3; nunca tratar la detección de la capa 1 como suficiente. Si el regex pasa pero el heurístico marca anomalía estructural, escalar a clasificador o a humano.
-- **Ignorar indirect injection porque "los usuarios son confiables"**: el input legítimo del usuario puede contener contenido externo no confiable (URL que se fetchea, archivo subido, documento RAG). Causa: el autor del payload no es quien interactúa — es quien puso el contenido en la ruta del agente. Solución: tratar TODO contenido externo como datos, nunca como instrucciones; auditar especialmente ingesta de URLs, fetching de páginas web, y documentos en pipelines RAG.
+- **Ignorar indirect injection porque "los usuarios son confiables"**: el input legítimo del usuario puede contener contenido externo no confiable (URL que se fetchea, archivo subido, documento RAG). Causa: el autor del payload no es quien interactúa — es quien puso el contenido en la ruta del agente. Solución: tratar todo el contenido externo como datos, nunca como instrucciones; auditar especialmente ingesta de URLs, fetching de páginas web, y documentos en pipelines RAG.
 - **Tratar el clasificador como oráculo binario**: `protectai/deberta-v3-base-prompt-injection-v2` es un modelo, no una verdad absoluta. Tiene falsos positivos y falsos negativos. Causa: los clasificadores son entrenados con datasets específicos; inputs legítimos de dominios no representados en el training pueden marcarse. Solución: usar el score como una señal entre varias, no como veredicto; calibrar el umbral contra un dataset propio de inputs legítimos antes de desplegar.
 - **Canary tokens estáticos en el código**: incluir el mismo canary en repo público o en logs permite al atacante conocerlo y evitar filtrarlo. Causa: si el canary es predecible, el atacante lo filtra del output antes de devolverlo. Solución: generar canary por sesión o por deploy, nunca hardcodeado en el repo visible; rotarlo al menos por release.
 - **Confiar en el frontmatter `tools:` del agente como único control**: el frontmatter es declaración leída por Claude Code, pero un agente con `tools: [Read]` todavía puede pedir `Bash` en su output y el runtime podría ejecutarlo si no hay enforcement. Causa: pre-aprobación ≠ restricción real. Solución: verificar que el permission mode de Claude Code o los hooks PreToolUse enforsan la restricción; no confiar solo en la declaración.

package/habilidades/auto-evolucion-protocolo/SKILL.md

@@ -194,7 +194,7 @@ ver [recursos/referencia-completa.md](recursos/referencia-completa.md).
 ## Parser de señales de fricción (v1.1)
 
 El hook `hooks/auto-evolucion.js` (SubagentStop) alimenta el log
-`.planning/auto-evolucion/agentes.jsonl` y emite *nudges* hacia
+`.planning/auto-evolution/agentes.jsonl` y emite *nudges* hacia
 `auto-evolucion-swl` cuando detecta umbrales cruzados. Este skill define
 **qué cuenta como fricción** para que el agente tenga criterio uniforme al
 interpretar el log.
@@ -233,7 +233,7 @@ Al invocar `auto-evolucion-swl` o `/swl:evolucionar <agente>`:
 
 1. **Leer el log filtrado por agente:**
    ```bash
-   grep "\"agente\":\"<nombre>\"" .planning/auto-evolucion/agentes.jsonl | tail -50
+   grep "\"agente\":\"<nombre>\"" .planning/auto-evolution/agentes.jsonl | tail -50
    ```
 
 2. **Cuantificar las 6 categorías** (fallo duro, run vacío, trivial recurrente,

package/habilidades/benchmark-memoria/SKILL.md

@@ -122,7 +122,7 @@ node scripts/benchmark-memoria.js --verbose
 ### Tracking histórico opcional
 
 Si se setea `SWL_BENCHMARK_PERSIST=1`, el benchmark escribe el resumen
-agregado a `.planning/evolucion/benchmark-memoria.jsonl` (append-only)
+agregado a `.planning/evolution/benchmark-memoria.jsonl` (append-only)
 para detectar regresión entre releases:
 
 ```bash
@@ -131,7 +131,7 @@ SWL_BENCHMARK_PERSIST=1 node scripts/benchmark-memoria.js
 
 Comparar entre releases:
 ```bash
-tail -5 .planning/evolucion/benchmark-memoria.jsonl | jq -c '{ts: .timestamp, r5: .promedio.recall_at_5}'
+tail -5 .planning/evolution/benchmark-memoria.jsonl | jq -c '{ts: .timestamp, r5: .promedio.recall_at_5}'
 ```
 
 ---

package/habilidades/drift-detection/SKILL.md

@@ -135,7 +135,7 @@ const resultado = ejecutarDriftReflect(
 ```
 
 Cuando `estado_global === 'critico'`, el módulo emite automáticamente un nudge
-a `.planning/evolucion/nudges.jsonl`:
+a `.planning/evolution/nudges.jsonl`:
 
 ```json
 {
@@ -167,7 +167,7 @@ El agente `auto-evolucion-swl` consume estos nudges para proponer mejoras.
 
 - **Timestamps inválidos en eventos JSONL provocan líneas ignoradas silenciosamente**: el módulo es permisivo con los campos pero si ningún campo de timestamp (`timestamp`, `ts`, `inicio`, `created_at`) tiene una fecha ISO válida, el evento se descarta del cálculo. Causa: eventos generados con timestamps de formato local (ej. `"19/04/2026"`) no pasan la validación. Solución: verificar que todos los eventos JSONL del trace tengan al menos un campo de timestamp en formato ISO 8601 — si el baseline aparece como 0, es el primer síntoma de eventos descartados.
 - **Estado `critico` emitido por baseline con muy pocos eventos**: si el baseline de 4 semanas tiene solo 3 eventos y la ventana de 7 días tiene 8, el `driftPct` de tokens se dispara al 166% cuando en realidad el agente está más activo, no degradado. Causa: el módulo no valida que el baseline tenga suficientes eventos para ser estadísticamente válido. Solución: antes de interpretar un estado `critico`, verificar que el baseline tiene al menos 20 eventos — si no, marcar el resultado como `insufficient-data` en lugar de accionar.
-- **Nudge duplicado en `.planning/evolucion/nudges.jsonl` por falta de deduplicación**: el hook se ejecuta dos veces en el mismo `SubagentStop` (por bug de throttle) y emite el mismo nudge dos veces. Causa: el throttle `SWL_DRIFT_THROTTLE_H` no validó correctamente el timestamp del último run. Solución: el archivo `nudges.jsonl` es append-only — antes de emitir un nudge, verificar si el último evento del mismo `agente_o_skill` y `metrica` tiene un timestamp dentro de la ventana de throttle.
+- **Nudge duplicado en `.planning/evolution/nudges.jsonl` por falta de deduplicación**: el hook se ejecuta dos veces en el mismo `SubagentStop` (por bug de throttle) y emite el mismo nudge dos veces. Causa: el throttle `SWL_DRIFT_THROTTLE_H` no validó correctamente el timestamp del último run. Solución: el archivo `nudges.jsonl` es append-only — antes de emitir un nudge, verificar si el último evento del mismo `agente_o_skill` y `metrica` tiene un timestamp dentro de la ventana de throttle.
 - **`atomicWriteJSON` usado para escribir en nudges.jsonl**: escribir el archivo completo en lugar de hacer append corrompe el historial de nudges previos. Causa: confusión entre archivos de estado mutable (usan `atomicWriteJSON`) y archivos de eventos de alta frecuencia (usan `fs.appendFileSync`). Solución: `nudges.jsonl` es un JSONL de alta frecuencia — siempre usar `fs.appendFileSync(ruta, JSON.stringify(nudge) + '\n')`, nunca reescribir el archivo completo.
 
 ## Referencia cruzada
@@ -175,5 +175,5 @@ El agente `auto-evolucion-swl` consume estos nudges para proponer mejoras.
 - Módulo: `scripts/lib/drift-detector.js`
 - Tests: `tests/lib/drift-detector.test.js`
 - Operador Reflect: `hooks/lib/reflect-classifier.js`
-- Ciclo AGP: `.planning/evolucion/nudges.jsonl`
+- Ciclo AGP: `.planning/evolution/nudges.jsonl`
 - Origen (adaptado de): `temp/mission-control-main/src/lib/agent-evals.ts` — MIT

package/habilidades/eval-framework/SKILL.md

@@ -24,7 +24,7 @@ evolvable: true  # default para skill estandar
   resultado de búsqueda) cuando se quiera puntuar su calidad antes de
   persistir.
 - Para auditar histórico de calidad de una función crítica (ver métricas
-  agregadas en `.planning/evolucion/eval-metrics.json`).
+  agregadas en `.planning/evolution/eval-metrics.json`).
 - En tests/CI cuando el contrato del output tenga campos obligatorios y
   quality thresholds.
 - En loops de auto-corrección donde un output inválido debe regenerarse

package/habilidades/guardrail-semantico/SKILL.md

@@ -38,7 +38,7 @@ si se justifica el costo del modelo seleccionado.
 - Al diseñar hooks `PreToolUse` que evalúan prompts antes de invocar un subagente.
 - Al implementar degradación de modelo basada en complejidad de tarea.
 - Al revisar si `guardrail-modelo.js` necesita nuevos criterios de tripwire.
-- Al analizar logs de `.planning/evolucion/guardrail-observaciones.jsonl`.
+- Al analizar logs de `.planning/evolution/guardrail-observaciones.jsonl`.
 
 ---
 
@@ -199,7 +199,7 @@ Pasar de modo `observational` a `blocking` sin revisar las observaciones acumula
 es una fuente garantizada de falsos positivos. El ciclo correcto:
 
 1. Deploy en modo `observational` (exit 0 siempre).
-2. Revisar `.planning/evolucion/guardrail-observaciones.jsonl` tras ≥50 activaciones.
+2. Revisar `.planning/evolution/guardrail-observaciones.jsonl` tras ≥50 activaciones.
 3. Calcular tasa de falsos positivos. Si < 5%, considerar `run_in_parallel`.
 4. Solo con tasa < 2% y aprobación manual, activar `blocking`.
 
@@ -240,14 +240,14 @@ if (tripwire) {
   process.stderr.write(
     `[guardrail-modelo] El agente '${agenteNombre}' podría ejecutarse con 'haiku' ` +
     `(menos costoso). Razón: prompt corto sin keywords críticas (${prompt.length} chars). ` +
-    `Ver .planning/evolucion/guardrail-observaciones.jsonl\n`
+    `Ver .planning/evolution/guardrail-observaciones.jsonl\n`
   );
 }
 // exit 0 siempre — modo observacional
 process.exit(0);
 ```
 
-**Evento JSONL resultante** en `.planning/evolucion/guardrail-observaciones.jsonl`:
+**Evento JSONL resultante** en `.planning/evolution/guardrail-observaciones.jsonl`:
 
 ```jsonl
 {"timestamp":"2026-04-19T14:23:01.000Z","agente":"notificador-swl","modelo_actual":"sonnet","modelo_sugerido":"haiku","razon_tripwire":"prompt-corto-sin-keywords-criticas","prompt_length":87}

package/habilidades/proceso-ddia-streaming/SKILL.md

@@ -22,7 +22,7 @@ streams locales. Los patrones del Cap 11 aplican directamente.
 ## Cuándo cargar
 
 - Crear un hook que persiste eventos en JSONL (telemetría, audit, evolución).
-- Diseñar un consumidor de `.planning/evolucion/*.jsonl`,
+- Diseñar un consumidor de `.planning/evolution/*.jsonl`,
   `.planning/audit.jsonl`, `.planning/comms/nudges.jsonl`.
 - Diagnosticar duplicación de eventos en JSONL.
 - Decidir si un hook debe ser idempotente o si basta con append.
@@ -80,9 +80,9 @@ fuente).
 
 | Archivo | Productor | Consumidores | ¿Es event source? |
 |---|---|---|---|
-| `.planning/evolucion/evoluciones.jsonl` | `/swl:evolucionar`, hook `evolucion-detector` | `/swl:evolucion-estado`, dashboard | Sí |
-| `.planning/evolucion/nudges.jsonl` | hooks varios | `/swl:salud`, `red-team-swl` | Sí |
-| `.planning/evolucion/agentes.jsonl` | hook `telemetria-agentes` | `/swl:metricas` | Sí |
+| `.planning/evolution/evoluciones.jsonl` | `/swl:evolucionar`, hook `evolucion-detector` | `/swl:evolucion-estado`, dashboard | Sí |
+| `.planning/evolution/nudges.jsonl` | hooks varios | `/swl:salud`, `red-team-swl` | Sí |
+| `.planning/evolution/agentes.jsonl` | hook `telemetria-agentes` | `/swl:metricas` | Sí |
 | `.planning/audit.jsonl` | hook `audit-trail` | auditorías, post-mortems | Sí (con Merkle) |
 | `.planning/comms/*.jsonl` | `notificador-swl` | inbox, gateway | Sí |
 

package/habilidades/swl-claudemd/SKILL.md

@@ -279,7 +279,7 @@ El sistema tiene dos capas de protección complementarias:
 | Capa | Mecanismo | Cuándo actúa | Bloqueo |
 |------|-----------|--------------|---------|
 | Síncrona | Paso 6.5 de `/swl:aprender` (y equivalente en otros comandos) | Justo después del Write/Edit, antes del reporte final | Bloquea pasos posteriores hasta resolver |
-| Asíncrona | Hook `claudemd-bloat-detector.js` (PostToolUse) | Tras cualquier Write/Edit/MultiEdit a CLAUDE.md (incluso fuera de comandos SWL) | No bloquea — emite nudge a `.planning/evolucion/nudges.jsonl` |
+| Asíncrona | Hook `claudemd-bloat-detector.js` (PostToolUse) | Tras cualquier Write/Edit/MultiEdit a CLAUDE.md (incluso fuera de comandos SWL) | No bloquea — emite nudge a `.planning/evolution/nudges.jsonl` |
 
 La capa síncrona es proactiva (detiene el comando antes de reportar
 éxito). La asíncrona es retroactiva (cubre escrituras desde fuera de
@@ -370,7 +370,7 @@ Reglas incluidas en v1.7.0:
 
 `hooks/claudemd-duplicacion-detector.js` (PostToolUse, no bloquea)
 ejecuta el detector tras cualquier Write/Edit a CLAUDE.md y emite
-nudge a `.planning/evolucion/nudges.jsonl` con `kind:
+nudge a `.planning/evolution/nudges.jsonl` con `kind:
 claudemd-duplicacion-reglas`. Opt-out: `SWL_CLAUDEMD_DUPLICACION=0`.
 
 ### Cómo refactorizar duplicaciones detectadas

package/habilidades/testing-python/SKILL.md

@@ -221,7 +221,7 @@ Para ejemplos detallados MAL vs BIEN de anti-patrones, ver [recursos/ejemplos-co
 - **`mock.patch` parcheado en el módulo de tests en lugar de en el módulo que lo usa**: el mock no tiene efecto porque la función ya fue importada en el módulo objetivo antes del patch. Causa: `mock.patch("tests.test_factura.calcular_iva")` parchea la referencia en el módulo de tests, pero `factura_service.py` ya importó `calcular_iva` directamente y sigue usando la original. Solución: patchear siempre en el lugar donde se usa la función: `mock.patch("factura_service.calcular_iva")` — el destino del patch debe ser la ruta del módulo que importó la función, no donde está definida.
 - **`pytest-asyncio` marca el test como `async def` y pasa, pero el `await` dentro no se ejecuta**: el test parece correr sin errores pero la coroutine interna nunca se ejecuta. Causa: sin `@pytest.mark.asyncio` o sin `asyncio_mode = "auto"` en pytest.ini, pytest ejecuta la función async como síncrona — la coroutine se crea y se descarta sin ejecutar. Solución: agregar `@pytest.mark.asyncio` al test o configurar `asyncio_mode = "auto"` en `pytest.ini`; verificar con `pytest --tb=short -v` que el test no termina instantáneamente.
 - **Factory Boy `SubFactory` genera objetos nuevos en cada test aunque el fixture del objeto padre ya existe**: la factory crea una instancia nueva del modelo relacionado en la BD aunque ya exista el objeto padre en el test. Causa: `factory.SubFactory(ClienteFactory)` siempre instancia un nuevo `Cliente` — no reutiliza el fixture del test. Solución: pasar el objeto padre existente al instanciar la factory: `FacturaFactory(cliente=cliente_existente)` — la factory sobreescribe el campo `cliente` con el objeto ya creado en lugar de crear uno nuevo.
-- **`os.chdir()` (Python) o `process.chdir()` (Node) en tests no afecta módulos cargados con paths relativos basados en `__dirname`/`__file__`**: si un módulo calcula su ruta de datos al cargar con `path.resolve(__dirname, ...)` o `Path(__file__).parent`, los tests no pueden redirigir esa ruta cambiando el cwd — el path se evaluó al `require`/`import` y queda fijado. Caso real: test que cambia `process.chdir(tmpDir)` antes de llamar funciones que escriben a `.planning/evolucion/nudges.jsonl` pero `RUTA_NUDGES = path.resolve(__dirname, '..', '..', '.planning', ...)` apunta al proyecto real. Solución: dos opciones: (1) test de integración con backup/restore del archivo real (más simple cuando son pocos tests), o (2) refactor del módulo para aceptar override de ruta vía parámetro o variable de entorno (preferible si el módulo es muy testeable). Aplica también a Python con `pathlib.Path(__file__).parent`.
+- **`os.chdir()` (Python) o `process.chdir()` (Node) en tests no afecta módulos cargados con paths relativos basados en `__dirname`/`__file__`**: si un módulo calcula su ruta de datos al cargar con `path.resolve(__dirname, ...)` o `Path(__file__).parent`, los tests no pueden redirigir esa ruta cambiando el cwd — el path se evaluó al `require`/`import` y queda fijado. Caso real: test que cambia `process.chdir(tmpDir)` antes de llamar funciones que escriben a `.planning/evolution/nudges.jsonl` pero `RUTA_NUDGES = path.resolve(__dirname, '..', '..', '.planning', ...)` apunta al proyecto real. Solución: dos opciones: (1) test de integración con backup/restore del archivo real (más simple cuando son pocos tests), o (2) refactor del módulo para aceptar override de ruta vía parámetro o variable de entorno (preferible si el módulo es muy testeable). Aplica también a Python con `pathlib.Path(__file__).parent`.
 - **Sanitizar antes de truncar invalida assertions de longitud en tests**: un test que verifica `truncar('a'.repeat(300), 100).length === 100` falla porque `'a'.repeat(300)` matchea la regex de redact `\b[A-Za-z0-9_-]{32,}\b` y la función sanitiza primero produciendo `[REDACTED]` (10 chars) que no se trunca. Causa: el orden `sanitizar → truncar` reduce el texto antes de que truncar opere. Solución en tests: usar fixtures que NO triggeren patrones de redact (ej: texto con espacios cada N chars como `'palabra corta '.repeat(N)`); separar tests de sanitización y truncado en casos disjuntos. NO modificar la función para reordenar — sanitizar antes es correcto en producción.
 
 ## Refactorizar parsers: fixtures multi-formato ANTES del cambio

package/habilidades/tracing-processor/SKILL.md

@@ -169,7 +169,7 @@ Endpoint: `JAEGER_OTLP_ENDPOINT` (por defecto `http://localhost:4318/v1/traces`)
 
 En lugar de persistir spans crudos, un exportador puede agregar en memoria:
 contar spans por tipo, sumar duraciones, detectar anomalías. En `onTraceEnd`
-emite las métricas agregadas a `.planning/evolucion/metricas.json` usando
+emite las métricas agregadas a `.planning/evolution/metricas.json` usando
 `atomicWriteJSON` de `hooks/lib/atomic-write.js`.
 
 ---

package/hooks/actualizar-perfil-usuario.js

@@ -10,7 +10,7 @@
  * persistente del usuario (instintos/perfil-usuario.yaml).
  *
  * No modifica el perfil directamente — solo acumula señales en un
- * "dirty-bit" (.planning/perfil-usuario/dirty.json) y, cuando el umbral
+ * "dirty-bit" (.planning/user-profile/dirty.json) y, cuando el umbral
  * se cruza, emite un nudge por stderr sugiriendo invocar el agente
  * perfilador-usuario-swl.
  *
@@ -60,7 +60,7 @@ try {
 // ---------------------------------------------------------------------------
 
 const UMBRAL_NUDGE = parseInt(process.env.SWL_PERFIL_UMBRAL || '3', 10);
-const DIR_PERFIL   = path.join(process.cwd(), '.planning', 'perfil-usuario');
+const DIR_PERFIL   = path.join(process.cwd(), '.planning', 'user-profile');
 const DIRTY_PATH   = path.join(DIR_PERFIL, 'dirty.json');
 const PERFIL_PATH  = path.join(process.cwd(), 'instintos', 'perfil-usuario.yaml');
 const APRENDIZAJES_PATH = path.join(process.cwd(), '.planning', 'APRENDIZAJES.md');

package/hooks/aiisms-detector.js

@@ -7,7 +7,7 @@
  *
  * Ejecuta el detector portable `habilidades/estilo-sin-ai-isms/scripts/detectar_aiisms.py`
  * contra archivos .md recién modificados y emite un nudge a
- * `.planning/evolucion/nudges.jsonl` si encuentra al menos un AI-ism
+ * `.planning/evolution/nudges.jsonl` si encuentra al menos un AI-ism
  * de severidad P0.
  *
  * Opt-out: SWL_AIISMS_HOOK=0 desactiva completamente el hook.
@@ -160,7 +160,7 @@ const nudge = {
 
 // Persistir a nudges.jsonl (JSONL append, no reescribir)
 try {
-  const nudgesPath = path.join(CWD, '.planning', 'evolucion', 'nudges.jsonl');
+  const nudgesPath = path.join(CWD, '.planning', 'evolution', 'nudges.jsonl');
   const nudgesDir = path.dirname(nudgesPath);
   if (!fs.existsSync(nudgesDir)) {
     fs.mkdirSync(nudgesDir, { recursive: true });

package/hooks/auto-evolucion.js

@@ -105,7 +105,7 @@ const VENTANA_DIAS         = 14;
 const MIN_TOOL_CALLS       = 5;   // por debajo se considera trivial
 const MIN_INVOCACIONES_LOOP = 6;  // mínimo para que el ratio de convergencia sea significativo
 
-const DIR_AUTOEVOL  = path.join(process.cwd(), '.planning', 'auto-evolucion');
+const DIR_AUTOEVOL  = path.join(process.cwd(), '.planning', 'auto-evolution');
 const DIR_TRACES    = path.join(process.cwd(), '.planning', 'traces');
 const LOG_PATH      = path.join(DIR_AUTOEVOL, 'agentes.jsonl');
 const NUDGES_PATH   = path.join(DIR_AUTOEVOL, 'nudges.json');

package/hooks/captura-feedback-usuario.js

@@ -6,7 +6,7 @@
  * Tipo: UserPromptSubmit
  *
  * Detecta correcciones explícitas del usuario ("no hagas X", "recuerda Y",
- * "prefiero Z") y las encola en .planning/evolucion/feedback-queue.jsonl
+ * "prefiero Z") y las encola en .planning/evolution/feedback-queue.jsonl
  * para que el perfilador-usuario-swl, el ciclo AGP y /swl:aprender puedan
  * consumirlas sin depender de que el usuario ejecute comandos manualmente.
  *
@@ -104,7 +104,7 @@ function detectarFeedback(prompt) {
  */
 function encolar(hallazgo, meta) {
   try {
-    const dir = path.join(process.cwd(), '.planning', 'evolucion');
+    const dir = path.join(process.cwd(), '.planning', 'evolution');
     if (!fs.existsSync(dir)) fs.mkdirSync(dir, { recursive: true });
 
     const entrada = {

package/hooks/claudemd-bloat-detector.js

@@ -6,7 +6,7 @@
  * Tipo: PostToolUse  (aplica a: Write, Edit, MultiEdit)
  *
  * Ejecuta `scripts/auditar-claudemd.js` contra archivos `CLAUDE.md`
- * recién modificados y emite un nudge a `.planning/evolucion/nudges.jsonl`
+ * recién modificados y emite un nudge a `.planning/evolution/nudges.jsonl`
  * si el veredicto es WARN o ERROR.
  *
  * Aplica ADR-0016 (best practices Anthropic "The CLAUDE.md file"):
@@ -148,7 +148,7 @@ const nudge = {
 
 // ─── Persistir a nudges.jsonl ─────────────────────────────────────────────
 try {
-  const nudgesPath = path.join(CWD, '.planning', 'evolucion', 'nudges.jsonl');
+  const nudgesPath = path.join(CWD, '.planning', 'evolution', 'nudges.jsonl');
   const nudgesDir = path.dirname(nudgesPath);
   if (!fs.existsSync(nudgesDir)) {
     fs.mkdirSync(nudgesDir, { recursive: true });

package/hooks/claudemd-duplicacion-detector.js

@@ -157,7 +157,7 @@ const nudge = {
 
 // ─── Persistir a nudges.jsonl ─────────────────────────────────────────────
 try {
-  const nudgesPath = path.join(CWD, '.planning', 'evolucion', 'nudges.jsonl');
+  const nudgesPath = path.join(CWD, '.planning', 'evolution', 'nudges.jsonl');
   const nudgesDir = path.dirname(nudgesPath);
   if (!fs.existsSync(nudgesDir)) {
     fs.mkdirSync(nudgesDir, { recursive: true });

package/hooks/guardrail-modelo.js

@@ -38,7 +38,7 @@ if (!process.env.SWL_GUARDRAIL_MODELO) {
 // ---------------------------------------------------------------------------
 
 const CWD          = process.cwd();
-const DIR_EVOL     = path.join(CWD, '.planning', 'evolucion');
+const DIR_EVOL     = path.join(CWD, '.planning', 'evolution');
 const GUARDRAIL_LOG = path.join(DIR_EVOL, 'guardrail-observaciones.jsonl');
 
 // ---------------------------------------------------------------------------
@@ -237,7 +237,7 @@ async function main() {
     `[guardrail-modelo] El agente '${agenteNombre}' podría ejecutarse con ` +
     `'${evento.modelo_sugerido}' (menos costoso). ` +
     `Razón: ${evento.razon_tripwire}. ` +
-    `Ver .planning/evolucion/guardrail-observaciones.jsonl\n`
+    `Ver .planning/evolution/guardrail-observaciones.jsonl\n`
   );
 
   // Modo observacional — exit 0 siempre

package/hooks/lib/memory-search.js

@@ -544,7 +544,7 @@ function fetch(baseDir, id) {
 function _logUsage(op, baseDir, query, resultsCount) {
   if (process.env.SWL_MEMORY_TELEMETRY === '0') return;
   try {
-    const dir = path.join(baseDir, '.planning', 'evolucion');
+    const dir = path.join(baseDir, '.planning', 'evolution');
     if (!fs.existsSync(dir)) fs.mkdirSync(dir, { recursive: true });
     const entry = {
       ts: new Date().toISOString(),

package/hooks/lib/nudge-tracker.js

@@ -45,7 +45,7 @@ try {
 // Configuración
 // ---------------------------------------------------------------------------
 
-const DIR_EVOL = path.join(process.cwd(), '.planning', 'evolucion');
+const DIR_EVOL = path.join(process.cwd(), '.planning', 'evolution');
 const LOG_PATH = path.join(DIR_EVOL, 'nudges.jsonl');
 const ALERT_PATH = path.join(DIR_EVOL, 'alertas-persistentes.json');
 

package/hooks/metricas-evolucion.js

@@ -6,7 +6,7 @@
  * Tipo: Stop (async: true — fire-and-forget)
  *
  * Cada sesión consolida métricas del ciclo de evolución y actualiza
- * .planning/evolucion/metricas.json con:
+ * .planning/evolution/metricas.json con:
  *   - nudges emitidos / accionados / pendientes (14d)
  *   - tasa de acción por tipo de nudge
  *   - instintos populados vs capacidad
@@ -37,12 +37,12 @@ try {
 }
 
 const CWD = process.cwd();
-const DIR_EVOL = path.join(CWD, '.planning', 'evolucion');
+const DIR_EVOL = path.join(CWD, '.planning', 'evolution');
 const METRICAS_PATH = path.join(DIR_EVOL, 'metricas.json');
 const INSTINTOS_PROYECTO = path.join(CWD, 'instintos', 'proyecto.yaml');
 const INSTINTOS_GLOBAL = path.join(CWD, 'instintos', 'global.yaml');
 const INSTINTOS_PERFIL = path.join(CWD, 'instintos', 'perfil-usuario.yaml');
-const AGENTES_LOG = path.join(CWD, '.planning', 'auto-evolucion', 'agentes.jsonl');
+const AGENTES_LOG = path.join(CWD, '.planning', 'auto-evolution', 'agentes.jsonl');
 const APRENDIZAJES = path.join(CWD, '.planning', 'APRENDIZAJES.md');
 const EVOLUCIONES_LOG = path.join(DIR_EVOL, 'evoluciones.jsonl');
 const MEMORY_USAGE_LOG = path.join(DIR_EVOL, 'memory-usage.jsonl');

package/hooks/rotar-audit-auto.js

@@ -8,7 +8,7 @@
  * Se ejecuta al terminar una respuesta. Verifica si los archivos de auditoría
  * (.planning/audit.jsonl y audit-merkle.jsonl) superan el umbral configurable
  * y, de ser así, invoca scripts/rotar-audit-logs.js para archivar entradas
- * antiguas a .planning/archivo/audit/<nombre>-YYYY-MM.jsonl.gz.
+ * antiguas a .planning/archive/audit/<nombre>-YYYY-MM.jsonl.gz.
  *
  * Política:
  *   - Umbral default: 5 MB por archivo (UMBRAL_BYTES). Configurable vía env
@@ -18,7 +18,7 @@
  *   - Desactivable con SWL_AUDIT_ROTATE_OFF=1 (para CI o escenarios donde
  *     la rotación debe ser manual).
  *   - Cooldown: no se re-ejecuta si hubo una rotación exitosa en las últimas
- *     6 horas (marca en .planning/archivo/audit/.ultima-rotacion).
+ *     6 horas (marca en .planning/archive/audit/.ultima-rotacion).
  *
  * Resultado:
  *   - stdout: 1-2 líneas si se rotó, silencioso si no