El sustrato del protocolo de lenguaje es una capa de clasificación de metadatos que rige cómo el contenido editorial se categoriza, enruta y procesa en el espacio de trabajo de Foundry. Cada artefacto borrador lleva una declaración language_protocol: en su cabecera. Esa declaración es la instrucción legible por máquina que determina qué pasarela procesa el artefacto, qué reglas de vocabulario aplican y qué destino recibe el artículo terminado.

Fundamentación arquitectónica

El sustrato se apoya en tres mecanismos interconectados:

Esquema foundry-draft-v1 — el sobre de cabecera que lleva cada artefacto borrador. El esquema requiere un campo language_protocol:, un campo destination: y un campo route_to:. Estos tres campos son las instrucciones de enrutamiento legibles por máquina; el esquema impone su presencia en el momento de la puesta en escena.

Tabla de enrutamiento — el archivo de clasificación a nivel del espacio de trabajo que mapea los valores de language_protocol: a proyectos pasarela y destinos. Un borrador que declara language_protocol: TOPIC-* se resuelve a la pasarela project-editorial y al destino wiki de documentación.

Convención de notificación de archivo — el protocolo mediante el cual los mensajes de bandeja de salida llevan la intención de enrutamiento del borrador. Un borrador puesto en escena en .agent/drafts-outbound/ genera un mensaje de bandeja de salida dirigido a la sesión pasarela apropiada.

Por qué la selección explícita del protocolo

La elección de diseño fundamental del sustrato es requerir que el llamador declare un protocolo de lenguaje en cada solicitud editorial, en lugar de autodetectarlo a partir de la entrada. Un estudio de la Universidad de Cornell de 2023 encontró que la autodetección del estilo de escritura estrecha el espacio de voces que produce un modelo — el paso de detección homogeneiza las salidas hacia la expectativa del modelo del género, en lugar del registro propio del autor.¹ La selección explícita evita esto: el operador declara el registro previsto en el límite de la solicitud.

Las cuatro familias de género

Se definen cuatro familias de género, cada una con su propia lista de vocabulario prohibido, objetivos de ajuste de registro y reglas de análisis de la Etapa 1:

• PROSE — editorial general: artículos, documentación técnica, TOPICs de arquitectura. Apunta al registro institucional de artículo; prohíbe el vocabulario de marketing de productos de IA y las frases de cobertura vagas.
• COMMS — comunicaciones externas: cartas a inversores, comunicados de prensa, declaraciones públicas. Restricciones adicionales de formalidad; la postura de divulgación continua aplica donde corresponda.
• LEGAL — contratos e instrumentos legales. Precisión primero; paráfrasis mínima; lista específica de sinónimos no permitidos para evitar la deriva de significado no intencionada.
• TRANSLATE — producción bilingüe: el paso .es.md para artículos TOPIC y GUIDE. La política de señalar-sin-reescribir aplica estrictamente; el traductor humano es la autoridad.

Composición de la canalización de tres etapas

service-proofreader compone tres etapas en cada llamada /v1/proofread:

1. Análisis de vocabulario prohibido — basado en reglas; determinista; submilisegundo; solo señala, nunca reescribe
2. Paso mecánico de LanguageTool 6.6 — ortografía, gramática y estilo; se ejecuta como compañero Docker; hallazgos serializados a JSON para la Etapa 3
3. Paso generativo del Doorman — reescritura completa de texto de ajuste de registro a través del Doorman (service-slm)

Véase editorial-pipeline-three-stages para la especificación completa de la canalización.

El valor predeterminado de señalar sin reescribir

La respuesta /v1/proofread lleva un array estructurado findings; el llamador decide qué aplicar. El sustrato nunca reescribe silenciosamente el texto del operador. Una acción de aplicar-todo es opcional por solicitud, no predeterminada.

El veredicto del operador cierra el ciclo de aprendizaje

Después de revisar la reescritura de la Etapa 3, el operador registra una de tres disposiciones: accepted, rejected o edited. El veredicto alimenta el par de eventos del corpus de aprendizaje — draft-created → draft-refined → creative-edited. El sustrato es tanto la herramienta editorial como la capa de recopilación de datos para el entrenamiento continuo del modelo; estas dos funciones son inseparables por diseño.

Separación de inquilinos en el corpus

La salida del corpus se enruta por inquilino según la ruta: los registros de la cuenta de proveedor se escriben en la raíz del corpus del nivel del espacio de trabajo; los registros de las cuentas de clientes se escriben en el directorio de instancia de despliegue del inquilino cliente. La mezcla de inquilinos es estructuralmente imposible porque el componente de ruta es el límite.

Lo que el sustrato no hace

• No detecta automáticamente el protocolo — el operador lo declara en el límite de la solicitud
• No reescribe silenciosamente — el operador elige qué hallazgos aplicar
• No incorpora claves de API de Nivel C en el binario del corrector — las claves viven con el Doorman
• No entrena con texto de inquilinos por defecto — el contrato de no-entrenamiento se impone en la capa de escritura del corpus

Véase también

• editorial-pipeline-three-stages — la canalización de tres etapas en detalle completo
• customer-tier-catalog-pattern — cómo se provisionan las instancias de despliegue para ejecutar la canalización

1. Padmakumar, V. et al. Does Writing with Language Models Reduce Content Diversity? arXiv:2310.06992, 2023. https://arxiv.org/abs/2310.06992 ↩