r16: guard R9 con terminos de la fuente (no dominio generico) + doc de sesion

docs/sessions/2026-11-02-r16-verificacion.md

@@ -0,0 +1,25 @@
+# Ronda 16 — Verificación (OpenCode/GLM en m1, operador patternn)
+
+## Hallazgos
+- EXPOSICION previa: secretos en juego (nombres, nunca valores): core .env → ZAI_API_KEY, PGURL; mail .env → MAIL_PASS, GITEA_TOKEN. Rotación PENDIENTE (decisión del operador). Token de Gitea también visible en `git remote get-url origin` de cayce-ops (remote con credencial embebida).
+- VOZ: main y despliegue = ff2cd822 (v2 vieja). PR #23 (voz v3) OPEN, sin merge. identity_path real verificado en outbound_drafts.
+- PUBLICADO 48h: 4 piezas nostr con event id (2 verificables en relays: 99cc75f4, 449a39bf; 8a81c688 y 09eb4e9a NO están en relays configurados) + hardcap article_note/backlog. La opinion 04:01 (BTCPay) tenia fuente de WPR (planta de gas Wisconsin): mala atribución real.
+- actions_log de core.mjs --posts registra "ok" aunque el guard rechace (falso ok). Bug abierto.
+
+## Cambios (desplegados y con tests 27/27)
+- llm.mjs (core + copia cayce-nostr): SOLO Gemini, fuera zai/glm-4.6/4.7. La copia del daemon apuntaba a /srv/hardcap-backend/.env inexistente (sin fallback). Daemon cayce-nostr reiniciado (guard/llm nuevos activos).
+- guard.mjs R9 reescrito: terminos ESPECIFICOS de la fuente (slug del titular + sourceTitle: nombres propios, cifras ≥3 dígitos, keywords ≥5 chars con stopwords), ids opacos excluidos. Fuera vocabulario DOMAIN genérico. guardCheck acepta sourceTitle; outbox lo pasa desde meta.
+- Tests: R16a (caso real BTCPay/Wisconsin → rechazado), R16b (id opaco no bloquea), R16c (sourceTitle verifica). 27/27 verde.
+- Prueba en vivo: pieza generada (BTCPay) con fuente theblock.co/etf-binance → RECHAZADA por R9 en tiempo real.
+
+## Timing ciclo posts (Gemini-only)
+- selectSource 61ms · selectBatch 2ms · fetch artículos 333ms · gemini 10.0s · guard 4ms = 10.4s/post (instrumentado).
+- Run systemd real: opinion 50.3s (start 04:08:27.257 → spacing 04:09:17.528), rechazado por tope 3/3 + aforismo.
+- Ciclo --posts completo = 3 posts + 2 esperas de 45 MIN por diseño (regla supervisor) ≈ 92 min. El objetivo <5 min aplica al procesamiento (✓ 10-50s/post), no al ciclo con espaciado.
+
+## Pendientes
+- Rotar ZAI_API_KEY, PGURL, MAIL_PASS, GITEA_TOKEN (y token embebido en remote de cayce-ops).
+- Merges Gitea: #23 (voz v3), #25.
+- Decidir qué hacer con /srv/cayce-entity (copia muerta: sin servicio, guard sin R9, mtime 21:08 Nov1).
+- Bug falso-ok en core.mjs --posts (no chequea resultado del gate).
+- cayce-promo y cayce-cycle-monitor en failed.

runtime/guard.mjs

@@ -130,16 +130,55 @@ async function r5_caps(pool, channel, type, out) {
 }
 
 
-// R9 (ronda-14): la pieza debe compartir terminos con su fuente
-function r9_atribucion(full, reasons) {
+// R9 (ronda-14 → ronda-16): la pieza debe compartir TERMINOS ESPECIFICOS de su
+// fuente: nombres propios, cifras y palabras clave del titular (slug del URL y,
+// si se pasa, sourceTitle). El vocabulario generico ("wallet", "chain") no
+// verifica nada: un texto de BTCPay con fuente de una planta de gas en
+// Wisconsin paso el guard el 2026-11-02 porque el cuerpo tenia palabras de
+// dominio genericas. Ahora el cuerpo debe contener al menos un termino
+// distintivo DE ESA FUENTE; si no, se rechaza.
+const R9_STOP = new Set(['https', 'http', 'www', 'html', 'php', 'asp', 'com', 'net', 'org', 'co', 'io', 'gov', 'edu', 'news', 'article', 'articles', 'story', 'stories', 'post', 'posts', 'blog', 'index', 'page', 'pages', 'url', 'link', 'video', 'watch', 'pdf', 'summary', 'summaries', 'en', 'es', 'the', 'and', 'for', 'with', 'from', 'this', 'that', 'what', 'when', 'where', 'which', 'while', 'would', 'could', 'should', 'about', 'after', 'before', 'over', 'under', 'between', 'through', 'during', 'their', 'there', 'these', 'those', 'other', 'more', 'most', 'than', 'then', 'they', 'them', 'were', 'have', 'having', 'been', 'being', 'into', 'onto', 'upon', 'says', 'said', 'amid', 'after', 'because', 'still', 'just', 'also', 'first', 'last'])
+function r9_sourceTerms(url, title) {
+  const terms = new Set()
+  // palabras clave del slug del URL (derivadas del titular): se descartan
+  // dominio, stopwords y ids opacos (letras+digitos, largos: no son titulares)
+  const slugWords = []
+  for (const part of String(url || '').split(/[/?#]/).slice(3)) {
+    for (const w of part.split(/[-_.+]+/)) {
+      const t = w.toLowerCase()
+      if (!t || t.length < 5 || R9_STOP.has(t) || /^(19|20)\d{2}$/.test(t)) continue
+      if (/\d/.test(t) && /[a-z]/.test(t) && t.length >= 10) continue // id opaco
+      slugWords.push(t)
+    }
+  }
+  // cifras distintivas (>=3 digitos): del titular o del slug ya filtrado —
+  // nunca de dentro de un id opaco (sus digitos no son del titular)
+  for (const m of `${title || ''} ${slugWords.join(' ')}`.matchAll(/\d[\d.,]*/g)) {
+    const raw = m[0].replace(/[.,]/g, '')
+    if (raw.length >= 3) terms.add(raw)
+  }
+  for (const t of slugWords) terms.add(t)
+  // nombres propios y palabras del titular (si el ciclo lo pasa como sourceTitle)
+  for (const w of String(title || '').split(/[^A-Za-z0-9]+/)) {
+    if (!w) continue
+    const t = w.toLowerCase()
+    if (/^(19|20)\d{2}$/.test(t)) continue
+    if ((/^[A-Z]/.test(w) && w.length >= 3 || t.length >= 5) && !R9_STOP.has(t)) terms.add(t)
+  }
+  return terms
+}
+function r9_atribucion(full, reasons, sourceTitle = null) {
   const idx = full.indexOf('\n\n\u2014 fuente: ')
   if (idx === -1) return
-  const text = full.slice(0, idx).toLowerCase()
-  const words = text.split(/[^a-z0-9]+/).filter(w => w.length > 4)
+  const body = full.slice(0, idx).toLowerCase()
+  const fuente = full.slice(idx)
+  const words = body.split(/[^a-z0-9]+/).filter(w => w.length > 4)
   if (words.length < 5) return
-  const DOMAIN = ['fee','block','channel','lightning','transaction','script','taproot','multisig','utxo','satoshi','chain','node','mining','pool','hash','signature','key','address','protocol','wallet','custody','exchange','etf','outflow','treasury','hack','exploit','phishing','security','privacy','regulation','stablecoin','nostr','zap','invoice','payment','merchant','btcpay','server','self-hosted','open-source','spot','futures','leverage','liquidation']
-  const hasDomain = words.some(w => DOMAIN.includes(w) || w.includes('bitcoin') || w.includes('lightning') || w.includes('chain') || w.includes('taproot'))
-  if (!hasDomain && words.length > 12) {
+  const url = (fuente.match(/https?:\/\/[^\s·]+/) || [''])[0]
+  const terms = r9_sourceTerms(url, sourceTitle)
+  if (!terms.size) return // fuente sin terminos distinguibles (shortener/id): R9 no puede verificar
+  const bodyTokens = new Set(body.split(/[^a-z0-9]+/).filter(Boolean))
+  if (![...terms].some(t => bodyTokens.has(t))) {
     reasons.push('R9-atribucion-no-verificable')
   }
 }
@@ -154,7 +193,7 @@ export function ensureGuardTables(pool) {
       reasons text NOT NULL, content text NOT NULL
     )`)
 }
-export async function guardCheck(pool, { channel, type, content }) {
+export async function guardCheck(pool, { channel, type, content, sourceTitle = null }) {
   const reasons = []
   const full = String(content ?? '')
   // ronda-14: separar el texto del LLM de la línea de atribución
@@ -169,7 +208,7 @@ export async function guardCheck(pool, { channel, type, content }) {
     r3_hechos(full, reasons)
     r7_frescura(channel, full, reasons)
     r8_cierre(body, reasons)
-    r9_atribucion(full, reasons)
+    r9_atribucion(full, reasons, sourceTitle)
     await r4_casiDuplicado(pool, body, reasons)
     await r5_caps(pool, channel, type, reasons)
   }