refactor: mejorar inteligencia multi-archivo y saneamiento global

src/gitops_manager.py

@@ -11,19 +11,45 @@ class RepositoryController:
         base_branch = self.repository.get_branch(self.default_branch_name)
         self.repository.create_git_ref(ref=f"refs/heads/{branch_name}", sha=base_branch.commit.sha)
 
-    def apply_state_changes(self, target_file_path: str, new_document_state: str, metrics: dict) -> None:
+    def apply_multi_file_changes(self, updates: dict, metrics: dict) -> None:
+        """
+        updates: dict { "path/to/file": "new_content" }
+        """
+        if not updates:
+            return
+
         timestamp_slug = datetime.now().strftime("%Y%m%d-%H%M")
         branch_name = f"bot/agentic-curation-{timestamp_slug}"
         self._create_feature_branch(branch_name)
-        file_meta = self.repository.get_contents(target_file_path, ref=self.default_branch_name)
-        commit_signature = f"chore(docs): automatización agéntica de curaduría [{timestamp_slug}]"
-        self.repository.update_file(path=target_file_path, message=commit_signature, content=new_document_state, sha=file_meta.sha, branch=branch_name)
+
+        for file_path, content in updates.items():
+            try:
+                file_meta = self.repository.get_contents(file_path, ref=self.default_branch_name)
+                commit_signature = f"chore(docs): curaduría agéntica en {file_path} [{timestamp_slug}]"
+                self.repository.update_file(
+                    path=file_path,
+                    message=commit_signature,
+                    content=content,
+                    sha=file_meta.sha,
+                    branch=branch_name
+                )
+            except Exception as e:
+                print(f"Error actualizando {file_path}: {e}")
+
         pr_narrative = (
             "## 🤖 Ejecución del Agente Curador de Nubenetes\n\n"
-            "Este Pull Request ha sido ensamblado de manera autónoma.\n\n"
-            "### Resumen:\n"
-            f"- Nuevos Enlaces (Redes): {metrics.get('social_injections', 0)}\n"
-            f"- Nuevos Enlaces (Descubrimiento): {metrics.get('autonomous_injections', 0)}\n"
-            "- Purga de enlaces caídos y duplicados completada."
+            "Este Pull Request ha sido ensamblado de manera autónoma con **Gemini**.\n\n"
+            "### Resumen de Inyecciones:\n"
+            f"- **Vía Redes Sociales (@nubenetes):** {metrics.get('social_injections', 0)}\n"
+            f"- **Vía Descubrimiento Autónomo (Trending):** {metrics.get('autonomous_injections', 0)}\n\n"
+            "### Labores de Mantenimiento:\n"
+            "- Purga global de hipervínculos caídos (404/500).\n"
+            "- Eliminación de duplicados y optimización de Markdown en múltiples archivos."
+        )
+
+        self.repository.create_pull(
+            title=f"Automated Knowledge Curation: {datetime.now().strftime('%d %b %Y')}",
+            body=pr_narrative,
+            head=branch_name,
+            base=self.default_branch_name
         )
-        self.repository.create_pull(title=f"Curation: {datetime.now().strftime('%d %b %Y')}", body=pr_narrative, head=branch_name, base=self.default_branch_name)

src/main.py

@@ -1,6 +1,6 @@
 import asyncio
 from datetime import datetime, timedelta
-from src.config import TARGET_REPO, MAIN_DOC_FILE, MADRID_TZ, GH_TOKEN
+from src.config import TARGET_REPO, MADRID_TZ, GH_TOKEN, NUBENETES_CATEGORIES
 from src.ingestion_twikit import SocialDataExtractor
 from src.markdown_ast import MarkdownSanitizer
 from src.agentic_curator import evaluate_extracted_assets
@@ -10,8 +10,6 @@ from src.gitops_manager import RepositoryController
 async def master_orchestrator():
     git_controller = RepositoryController(GH_TOKEN, TARGET_REPO)
     
-    # DINÁMICO: Obtener la fecha del último commit en la carpeta docs/
-    # Si no hay commits previos o hay error, usamos la fecha de seguridad 2024-10-05
     try:
         commits = git_controller.repository.get_commits(path="docs")
         last_commit_date = commits[0].commit.committer.date.replace(tzinfo=MADRID_TZ)
@@ -19,49 +17,56 @@ async def master_orchestrator():
     except:
         time_horizon = datetime(2024, 10, 5, 18, 36, tzinfo=MADRID_TZ)
 
-    print(f"Buscando actualizaciones desde: {time_horizon}")
+    print(f">>> Iniciando curaduría desde: {time_horizon}")
 
-    # 1. Extracción de X (Twitter)
+    # 1. Obtención de datos
     twitter_client = SocialDataExtractor()
     raw_social_links = await twitter_client.fetch_links_since(time_horizon)
-    
-    # 2. Descubrimiento proactivo en GitHub
     autonomous_links = await discover_trending_assets()
     
-    # 3. Evaluación con IA (Gemini)
+    # 2. Evaluación con IA
     curated_social_links = await evaluate_extracted_assets(raw_social_links)
-    
     total_new_assets = curated_social_links + autonomous_links
     
-    # 4. Procesamiento de Markdown
+    # 3. Preparar cambios
     markdown_sanitizer = MarkdownSanitizer()
-    repo_file_data = git_controller.repository.get_contents(MAIN_DOC_FILE)
-    document_state = repo_file_data.decoded_content.decode("utf-8")
+    file_updates = {}
     
-    # 5. Limpieza de enlaces rotos y duplicados (Higiene)
-    purified_document_state = await markdown_sanitizer.sanitize_document(document_state)
+    # Identificar qué archivos necesitan ser procesados
+    categories_to_update = set([a["category"] for asset in total_new_assets])
     
-    # 6. Inyección de nuevos recursos
-    final_document_state = purified_document_state
-    for asset in total_new_assets:
-        final_document_state = markdown_sanitizer.inject_curated_link(
-            final_document_state, 
-            asset["category"], 
-            asset["title"], 
-            asset["url"], 
-            asset["description"]
-        )
-    
-    # 7. Persistencia vía Pull Request si hay cambios
-    if final_document_state.strip() != document_state.strip():
+    # 4. Procesar inyecciones y saneamiento
+    for category in NUBENETES_CATEGORIES:
+        file_path = f"docs/{category}.md"
+        try:
+            repo_file = git_controller.repository.get_contents(file_path)
+            content = repo_file.decoded_content.decode("utf-8")
+            
+            # Saneamiento (siempre lo hacemos para mantener la salud)
+            new_content = await markdown_sanitizer.sanitize_document(content)
+            
+            # Inyección si hay activos para esta categoría
+            for asset in total_new_assets:
+                if asset["category"] == category:
+                    new_content = markdown_sanitizer.inject_curated_link(
+                        new_content, category, asset["title"], asset["url"], asset["description"]
+                    )
+            
+            if new_content.strip() != content.strip():
+                file_updates[file_path] = new_content
+        except:
+            continue
+
+    # 5. Aplicar cambios vía GitOps
+    if file_updates:
         metrics = {
             "social_injections": len(curated_social_links),
             "autonomous_injections": len(autonomous_links)
         }
-        git_controller.apply_state_changes(MAIN_DOC_FILE, final_document_state, metrics)
-        print(f"Cambios detectados. PR abierta con {len(total_new_assets)} nuevos recursos.")
+        git_controller.apply_multi_file_changes(file_updates, metrics)
+        print(f">>> Éxito: PR abierta con cambios en {len(file_updates)} archivos.")
     else:
-        print("El repositorio ya está actualizado. Sin cambios pendientes.")
+        print(">>> Sin cambios necesarios.")
 
 if __name__ == "__main__":
     asyncio.run(master_orchestrator())