JARVIS/verde/ESCALERA.md

La escalera del primer arranque

Lo que pruebas/ no puede contestar. Las siete comprobaciones automáticas dicen que las piezas están donde tienen que estar; esto dice si sirve, y eso solo lo juzga alguien escuchando y leyendo.

Se sube en orden y se para en el primer escalón que falle. Es a propósito: el escalón que falla es el que informa, y seguir subiendo con uno roto convierte un fallo de una línea en una tarde de adivinar.

Antes de empezar:

./verde/arrancar.sh              # mide, configura y dictamina
./verde/pruebas/ejecutar.sh      # las 7; ninguna abre el TUI
./verde/verde-launcher.sh        # el TUI, en verde fosforo

Los tiempos se anotan aquí mismo. El del naranja está para comparar, pero léete antes el aviso del final: hoy no miden lo mismo.

Los escalones 1 a 4 también se pueden pasar sin abrir el TUI, que es como se subieron la primera vez:

hermes -z "hola, ¿quién eres?"        # una pregunta y a callar

Y para ver qué herramientas llamó de verdad, que -z no enseña:

python3 -c "
import sqlite3
c = sqlite3.connect('file:$HOME/.hermes/state.db?mode=ro', uri=True)
for r in c.execute('SELECT role, tool_name, tool_calls, content FROM messages ORDER BY rowid DESC LIMIT 10'):
    print(r)
"

Sin eso, un fallo de rutas se atribuye al modelo. Pasó, y está contado en el escalón 3.

---

1 · Que conteste

hola, ¿quién eres?

Contesta que el endpoint responde y el prompt fijo cabe. No prueba nada más: aquí no hay herramientas ni memoria, es la señal de vida.

Tiempo	_______
¿Se presenta como asistente, sin inventarse una identidad rara?	_______

Si falla: no es cosa de Hermes. Vuelve a arrancar.sh, que separa el modelo del arnés.

---

2 · Una herramienta, la más simple

¿cuánto espacio libre queda en el disco?

Primera llamada real. Tiene que ejecutar df, no describir cómo se ejecuta df. Un modelo que explica el comando en vez de llamarlo ha entendido la pregunta y ha fallado la tarea.

Tiempo	_______
¿Llama a la herramienta o lo cuenta en prosa?	_______
¿El número coincide con df -h /?	_______

---

3 · Leer un fichero

lee verde/README.md y resúmelo en una línea

Otra familia de herramienta (ficheros, no terminal) y, de paso, si el resumen tiene que ver con lo que pone el fichero o se lo inventa a partir del nombre.

Tiempo	_______
¿El resumen se parece al fichero de verdad?	_______

Si el resumen no pega ni con cola, mira el directorio antes que el modelo. La primera vez que se subió esta escalera, este escalón devolvió un resumen perfecto de Gitleaks. No era una alucinación: el agente arranca en $HOME, así que resolvió verde/README.md contra ~, donde efectivamente hay un README.md — el de Gitleaks. Lo leyó entero y lo resumió bien.

Es un fallo traicionero porque no deja ni un error: la herramienta se ejecuta, devuelve un fichero de verdad y el modelo acierta el resumen. Solo que no es el fichero que pediste.

Ni el cd delante ni --in DIR lo arreglan (--in se ignora en modo -z). Lo que lo arregla es terminal.cwd en ~/.hermes/config.yaml, ya puesto y comprobado por pruebas/03_config.sh. El detalle, en NOTAS.md.

---

4 · Encadenar — el escalón que importa

dime cuál de los .md de verde/ es el más largo

Aquí se separa un chatbot de un agente. No hay una herramienta que conteste esto: hay que listar, medir y razonar sobre el resultado de la vuelta anterior, y decidir cuándo se ha terminado.

Es el escalón que más probabilidades tiene de romperse en un 4B, y el que justifica el carril entero: si esto sale, el arnés aporta algo sobre el núcleo.

Tiempo	_______
Número de vueltas que da	_______
¿Acierta el fichero? (comprueba con wc -c verde/*.md)	_______
¿Se queda en bucle o sabe parar?	_______

---

5 · Una skill

(algo que dispare una de las skills instaladas; hermes skills list las lista)

El paso del vídeo que el núcleo no tiene. Lo que se mira no es que la skill funcione —eso es de quien la escribió— sino si el modelo decide sola que esa skill viene a cuento.

Skill probada	_______
¿La eligió sin que se la nombraras?	_______
¿Salió a la red para resolverlo?	_______

Esa tercera fila se añadió después de subir la escalera la primera vez, y es la que más pesa. Pidiéndole un cartel en ASCII, el agente eligió la skill solo —bien—, descubrió que pyfiglet no estaba instalado y se fue a una API de terceros por su cuenta, sin que nadie le dijera que podía.

Así que al probar una skill, mira siempre las llamadas, no solo el resultado:

ss -tnp | grep -v 127.0.0.1        # mientras corre

Ningún ajuste lo impide: el agente tiene terminal y la terminal tiene curl. Es la contrapartida de lo que hace valioso este carril, y está desarrollado en NOTAS.md.

---

6 · Que hable

(cualquier respuesta, con el TTS puesto)

Tiene que sonar exactamente igual que el naranja: mismo Piper 1.2.0 MIT, mismo es_ES-davefx-medium, mismo tono 1.0. pruebas/07_voz.sh ya comprueba que el fichero sale a 22050 Hz mono y con la voz del núcleo; lo que falta es tu oído en la cadena entera, dentro de Hermes y no llamando al script a mano.

¿Suena igual que el naranja?	_______
¿Corta frases o se come el final?	_______

---

7 · Que escuche — el último, y por un motivo

(dictar una orden por micrófono)

Va el último porque es el que puede tirar todo lo demás. whisper small pide 839 MiB en el pico de la transcripción —no en reposo, que fue el error de medida que costó una tarde— contra una tarjeta que ya tiene el modelo dentro.

¿Transcribe?	_______
Tiempo de la primera (arranca el servidor, ~4 s)	_______
Tiempo de las siguientes	_______

Si sale CUDA error: out of memory, no es un fallo nuevo: es el mismo reparto que documenta el README del naranja. Salidas por orden:

1. Fiarse de stt.local.unload_after_idle_seconds: 300, que ya está puesto: whisper suelta la VRAM tras cinco minutos de silencio.
2. Bajar el modelo de escucha a base (80 % de acierto en vez de 93 %).
3. Probar la escucha con el modelo de texto descargado (ollama stop).

Y recuerda que el envoltorio ~/.local/bin/whisper-server del naranja ya tiene la red de seguridad: por debajo de 950 MiB libres arranca en CPU (2,17 s en vez de 1,05) en vez de morirse.

---

Antes de comparar los dos carriles

El verde va a medir más lento, y no será culpa del modelo.

El naranja tiene 150 acciones rápidas que se saltan el cerebro: "¿cuánto espacio queda?" es un df directo, no una inferencia. En Hermes no existe ese atajo — toda orden pasa por el modelo, con las 19 herramientas, las skills y la memoria en contexto en cada vuelta.

Comparar el escalón 2 contra el naranja es comparar una inferencia contra un df. Para comparar de verdad hacen falta frases que en el naranja también acaben en el cerebro: están en config/jarvis-sin-accion.jsonl.

Al terminar, devolver la máquina a su sitio

./verde/verde-launcher.sh --stop
ollama stop qwen3.5:4b-verde
./nucleo/arranca.sh                    # el naranja, como siempre

Y comprobar que el naranja vuelve con su VRAM de siempre. pruebas/02_modelo.sh del verde ya verifica que sus cuatro parámetros siguen intactos, pero eso mira el Modelfile, no que arranque.