Saltar a contenido

Clasificación y enrutamiento automático

Estas tres skills son las piezas del modelo de orquestación M2 (hybrid adaptive): reciben un pedido en texto libre, deciden a qué plan de ejecución corresponde y arman el input que ese plan necesita — sin intervención humana, salvo que la confianza sea baja o falte información, en cuyo caso escalan a una persona en lugar de adivinar.


lippia-neo-classify-task

Cuándo usarla

La usa el dispatcher M2 para clasificar un task en texto libre contra una lista de planes de ejecución disponibles y elegir el que mejor encaja, devolviendo un puntaje de confianza. Si la confianza es menor a 0.7, el engine escala a un humano en vez de ejecutar el plan automáticamente.

Ejemplo de invocación
{
  "input": {
    "task": "Verificar que el login falle con credenciales inválidas",
    "available_plans": [
      { "name": "feature-new-end-to-end", "description": "Flujo E2E completo de una feature nueva a partir de una historia" },
      { "name": "qa-bug-coverage", "description": "Cobertura de un bug reportado: reproducirlo y generar el test que lo cubre" }
    ]
  }
}
Input Tipo Descripción
input.task Requerido descripción del task en texto libre.
input.available_plans Requerido lista de planes de ejecución disponibles; el dispatcher arma cada uno con su name y su description (la skill compara contra la descripción, por intención y no por palabras clave).

Salida

Campo Descripción
plan nombre exacto del plan elegido, copiado literal de available_plans (nunca inventado).
confidence número entre 0.0 y 1.0; >= 0.7 ejecuta automáticamente, < 0.7 escala a humano. Si dos planes son igual de plausibles elige el más específico con ~0.6–0.69; si ninguno encaja, devuelve el menos malo con 0.0.
reason una oración explicando por qué se eligió ese plan.
Se encadena con

Precede a lippia-neo-build-plan-input, que arma el input del plan elegido; el dispatcher M2 luego ejecuta el plan o escala según confidence.


lippia-neo-build-plan-input

Cuándo usarla

Justo después de que lippia-neo-classify-task eligió un plan y antes de ejecutarlo — toma el texto libre del task original y la lista de required_keys de ese plan, y arma el JSON de input extrayendo cada valor del texto. Si el texto no alcanza para derivar algún dato requerido (nunca se inventa, especialmente credenciales), lo reporta como faltante para que el dispatcher escale a un humano en vez de ejecutar el plan con información incompleta.

Ejemplo de invocación
{
  "input": {
    "task": "Ejecutar el plan de reproducción de bugs para el ticket BUG-123",
    "plan_required_keys": [
      { "name": "bug_report", "description": "Referencia al bug: path local, URL de ticket o texto crudo" },
      { "name": "identifier" },
      { "name": "credentials" }
    ]
  }
}
Input Tipo Descripción
input.task Requerido el mismo texto libre del task original que recibió lippia-neo-classify-task.
input.plan_required_keys Requerido los required_keys del plan ya elegido (lista de {name, description?}, con name sin el prefijo input.; description solo viene si el plan la declaró), siempre resuelta por el dispatcher — esta skill nunca lee el archivo del plan. Si viene vacía, devuelve plan_input: {} y complete: true.

Salida

Campo Descripción
complete true solo si TODOS los datos requeridos del plan se pudieron derivar del texto; un solo faltante lo pone en false.
plan_input objeto JSON listo para ejecutar el plan, con exactamente los campos derivados (los textos crudos, como el cuerpo de un reporte, se copian tal cual, sin resumir).
missing_keys datos requeridos que el texto no permitió derivar honestamente; vacío si complete: true.
warnings ambigüedades resueltas con un supuesto razonable (ej. dos IDs de ticket mencionados, se usó el primero).
Se encadena con

Se ejecuta justo después de lippia-neo-classify-task; si complete: false, el dispatcher escala a un humano (mismo mecanismo que una confianza baja en lippia-neo-classify-task).


lippia-neo-classify-ui-scope

Cuándo usarla

Como paso 0 (gate) del plan frontend-ui-change-pr (regresión de UI condicionada por clasificador, M2). Clasifica un PR de front-end (diff + descripción) como cambio cosmético/aislado (ui-smoke) o amplio/riesgoso (ui-full-regression), para rutear la ejecución a la rama de smoke o de regresión completa, dejando la decisión de "radio de impacto" documentada y auditable.

Ejemplo de invocación
{
  "input": {
    "pr_diff_path": "prs/PR-482.diff",
    "pr_description_path": "prs/PR-482.md"
  }
}
Input Tipo Descripción
input.pr_diff_path Requerido path al diff del PR (.diff/.patch).
input.pr_description_path Requerido path a la descripción del PR/ticket (.md).
input.pr_diff_content Opcional diff pegado directo en la conversación (fallback si no hay pr_diff_path).
input.pr_id Opcional ID del PR, solo para logging/auditoría.

Salida

Campo Descripción
scope ui-smoke | ui-full-regression: la etiqueta de clasificación.
is_smoke true solo si scope == ui-smoke; dispara la rama smoke del plan.
is_full true solo si scope == ui-full-regression; dispara la rama de regresión completa (is_smoke e is_full son mutuamente excluyentes).
confidence 0.0–1.0, queda en el audit trail; ante incertidumbre, la skill debe inclinarse hacia ui-full-regression (fail-safe), no solo bajar este valor.
reason evidencia concreta (archivo, línea o texto del ticket) que motivó la decisión.
Se encadena con

Paso 0 del plan frontend-ui-change-pr; si is_smoke → lippia-neo-run-and-heal (pasada rápida, max_iterations: 2); si is_full → lippia-neo-read-user-story → lippia-neo-run-manual-testing → lippia-neo-run-and-heal → lippia-neo-generate-test-suite (flujos nuevos) → lippia-neo-run-and-heal → lippia-neo-write-test-report (con audit trail de selectores).