Copilot Expert

Copilot = "Claude Code de marketing": deep_agent harness sobre LangGraph, discovery por convención, plan_card visible, RAG curado, channel-aware, observabilidad event-sourced. Diseñado en 11 fases (F0-F11) por expertos. Bugs casi siempre = ejecución, no diseño.

Regla cero: verificá que algo existe (grep + schema + registry + repo) ANTES de declarar "falta X" o "hay que crear Y". Si decís "no existe", grepeá primero.

Regla anti-duplicación cardinal: observability/cost/pricing/channel-format/callback-handler patterns son shared abstractions que viven (o deben vivir) en shared/agent_observability/. Copilot canónica las define o consume. NUNCA mirror en modules/copilot/observability/recording/<X>.py cuando existe equivalente en shared/ o cuando se vuelve cross-agent (sales_agent + copilot necesitan misma cosa). Inventario completo en rules/anti-duplication.md. Origen rule PR-1 PI-1.1 hotfix 2026-05-01 — builder duplicó turn_envelope.py cross-module, REVERT obligatorio.

Stop. Lee primero, no asumas.

Diagnóstico — orden estricto (no saltarse)

1. Conversation ID + tenant_id → query copilot_trace_event
2. Si no hay trazas del turn → bug observabilidad (recorder), NO el feature
3. Si trazas con status='error' → identificar capa (route / tool / persist / kwargs / stream)
4. Si trazas status='ok' pero síntoma persiste → trazas mintiendo (Fix turn_end status)
5. copilot_llm_call (provider/model/tokens/costo/duration_ms) — leer cost+model de columnas tipadas, NO del JSONB legacy
6. copilot_conversations.messages JSONB para shape exacto
7. copilot_routing_log (tier/classifier/confidence/tools_available)
8. copilot_mutation_journal (cambios via propose_field_updates)
9. Streamlit admin /trazas /copilot-routing /costo-copilot /copilot-quality /marketing-kb
10. docker logs visionarias_brain_dev SOLO si trazas no alcanzan

Queries esenciales: ver .claude/rules/copilot-resilience.md §"Debug copilot".

Arquitectura inmutable — NO tocar sin entender

Topología F0-F11 (cementada):

Registries (no hardcodear):

• module_registry (F1) — descubre src.modules.{name}.copilot_provider:provider
• ROUTE_TOOL_MAP + _BASE_TOOL_GROUPS + ALWAYS_AVAILABLE_GROUPS (F1+F4+F5+F7)
• MARKETING_KB_HINT slot 3 system prompt (F10)
• CHANNEL_FORMATS + register_channel (F7)
• CHAT_MODEL_SPEC per provider service (post-incident 2026-04-27)
• _default_accessors per kind para ask_tenant_data (F5)
• WorkflowProvider.workflows() aggregator (F6)
• EXTRACTION_CONTRACTS (analytics, ortogonal)

Anchors ([COPILOT-*]): registry tiene cap 36/36 desde F11. Agregar 1+ requiere bumpear tests/architecture/test_copilot_anchors.py:96.

Ratchet copilot → módulo import: 22 frozen. Solo shrinks. Nuevo provider = no toca el ratchet (consume domain abstracción, no concreción).

System prompt order (F8 §5.2 + F10 slot 3):

[1 cacheable cross-tenant] static_identity
[2 cacheable cross-tenant] tools_hint
[3 cacheable cross-tenant] marketing_kb_hint        ← F10
[4 cacheable per-tenant]   lighthouse (brand_summary)  ← F3
[5 cacheable per-tenant]   editable_catalog
[6 cacheable per-tenant]   modules_list
[CACHE_BOUNDARY_MARKER]
[7 volatile per-turn] completion_snapshot + behavior + guided + studio  ← F0/F8
[8 volatile per-turn] inspirations_layer  ← F4
[9 volatile per-turn] workflow_state hint (cuando F12 cutover)
[10 volatile per-turn] channel_intent_hint  ← FP2
[11 volatile per-turn] deep_agent_suffix  ← F2 (siempre al final)

Reordenar = romper cache + cascada en goldens (test_system_prompt_order.py, test_brand_lighthouse_in_system_prompt.py).

Principios meta — leer antes de tocar

1. Diseñado por expertos. Cada decisión está documentada en learnings/. Si pensás "esto está mal" → leer learning de la fase responsable. 90% de las veces hay razón.

2. Alta cohesión. Cada subpaquete una sola responsabilidad. Lógica nueva va donde corresponde semánticamente, no donde es cómodo. Ej: brand_summary repo vive en brand/, no en copilot/ — es cache derivado de brand (F3).

3. Bajo acoplamiento. Cross-module imports prohibidos fuera de shared/links/ o _PROVIDER_CONTRACT_IMPORTS. Necesitás data de otro módulo → port en shared/links/ o domain event. Provider pattern existe para no acoplar.

4. No premature refactor. Bug se arregla con N líneas → fix con N líneas. Refactor paralelo va a docs/mejoras-proceso/to-do.md. Cada fase entrega UNA cosa.

5. No hardcoded. Field names ← schema_introspection. Routes ← navigation_map. Tools ← tools/registry. Models ← module_registry. Pricing ← model_pricing_snapshot. Si encontrás hardcoded, raíz del bug está cerca.

6. TDD obligatorio. Test que reproduce bug PRIMERO. Sin test reproductor no hay fix. Single root cause per fix.

7. Best-effort observability. Recorder nunca debe romper turn. Try/except + structlog warning + db.rollback().

8. Tenant isolation. Toda query filtra tenant_id excepto KB curado tenant-agnóstico (marketing_kb Qdrant collection, F10).

Anti-patrones recurrentes — checklist antes de declarar bug

Bug-fix protocol

1. Reproducir → query trazas de la conv afectada
2. Capa identificada (1 de 8): routing / system_prompt / tool_dispatch / deep_agent / persist / kwargs / streaming / observability
3. RED: test que reproduce el bug en aislamiento (Vitest si FE, pytest si BE)
4. Fix mínimo — no scope creep
5. GREEN: test verde + suite afectada verde + arch tests verdes
6. Quality gates: ruff check + ruff format + pytest del módulo + pytest architecture
7. Replay end-to-end: si síntoma original era live, reproducir manualmente
8. Si emerge tech debt → docs/mejoras-proceso/to-do.md
9. Commit conventional: type(scope-id): summary

Regla: si llegás al paso 4 sin haber leído el learning de la fase responsable, retroceder. El gotcha probablemente está documentado.

Mapa de fases — cada una entregó UNA cosa

Pendiente F12: cutover procedure_state → workflow_state (3 sub-fases). Ver phases/F12-procedure-state-cutover.md.

Observability rebuild (paralelo, cerrado):

• Phase 1: callback handler + pricing resolver + LiteLLM sync + repos
• Phase 2: atomic switch (callback handler único, delete legacy paths)
• Phase 3: BillingCycleService + CostAggregator + MV daily + retention worker + cost alerts + /costo-copilot dashboard

Cost guards (no quemar tokens)

• 2 LLM calls FAST max por pregunta (F5 patrón). Pipeline determinístico Python entre ellos.
• NANO para intent classification (F5/F8/F9 cementado). Modelo NANO default gpt-4o-mini (env override).
• Threshold 0.7 para auto-act vs fallback (F8/F9 coherencia cross-fase).
• LLM-judge sync regex donde alcance (length cap, voseo) — NO segundo LLM call para reglas sintácticas.
• Cache hit rate ≥60% target post-deploy. Verificar con /copilot-routing avg_cache_hit_rate.
• Stub default + RUN_LLM_JUDGE=1 opt-in para goldens. Real LLM solo en weekly cron.
• 6_000 calls/month judge ≈ $0.024 (F9 cost guard documentado).
• Subagent con tools=[] explícito — NO heredar toolset parent (F2 + F4 patrón).

SSE v2 protocol (F8 + post-rewrite)

Eventos canónicos:

status (state: streaming|done) → message_start (msg_id) → block_start | block_delta | block_end | block_append (cards) → tool_start → tool_result → ui_action (legacy compat) → message_end → done | error

text_chunk legacy borrado en F8 — FE handler tolera no-op por bundles cacheados. Cualquier fase futura que toque protocolo SSE: grep FE por handlers ANTES de tocar BE.

Block types canónicos: text, image, audio, document, video, citation, tool_call, card (kinds: plan_card, inspiration_saved, memory_pinned, proposal_card, clarify).

Cuándo extender (no parchear)

Banco de patrones recurrentes (abstraídos, no incidentes)

Pattern: Loop infinito del agent

Síntoma: agent llama mismo tool repetidamente → GraphRecursionError → conversación vacía al refresh. 5 capas a verificar (orden estricto):

1. ¿Route resolver extrae entity_id correcto? (graph.py::_resolve_studio_context regex)
2. ¿Existe anti-loop guard? (tool_call_dedup.py::ToolCallDedupTracker per-turn)
3. ¿recursion_limit configurado? (COPILOT_RECURSION_LIMIT env, default 25)
4. ¿Partial persist en exception path? (no wipe acc.messages en catch)
5. ¿Trazas honestas? (set_turn_error en orchestrator's catch + _TurnErrorFlag en envelope)

Pattern: Card no aparece pese a tool firing

Síntoma: tool se ejecutó (visible en copilot_trace_event), pero FE no muestra card. Verificar (orden):

1. _handle_tool_end_v2 retorna block_append SSE event para ese tool
2. _tool_result_to_block(tool_name, tool_output) mapea correctamente
3. FE copilot-api.ts parser tiene case para el block type
4. CardBlock.tsx o renderer correspondiente acepta el card_kind

Pattern: Conversación vacía al refresh

Síntoma: turn completó (FE vio respuesta), refresh muestra conv blank. Causa única: exception en _run_graph_stream → acc.messages = [] antes del persist. Fix: NO wipear acc, dejar persist con state acumulado.

Pattern: Trazas dicen ok pero falló

Síntoma: query copilot_trace_event muestra turn_end status='ok' pero hubo error real. Causa única: orchestrator catchea exception internamente → envelope ve clean exit → marca ok. Fix: acc.obs.set_turn_error(error_kind, error_message) en cada except block antes del SSE error yield.

Pattern: Kwarg drift entre providers

Síntoma: Completions.create() got unexpected keyword argument 'X' solo para algunos providers. Causa única: traducción canónica vive solo en uno de los providers. Fix: hoistear a providers/_kwargs.py::normalize_openai_protocol_kwargs (SSoT) — ambos OpenAIService y OpenAICompatibleService consumen.

Pattern: Cache hit rate cae a 0%

Síntoma: /copilot-routing muestra cache hit ~0% sostenido. Verificar (orden):

1. Prefix size ≥1024 tokens contiguos sin cambios (compose_system_prompt(static_only_fragments))
2. Lighthouse populated (brand_summary table no vacía para el tenant)
3. Editable_catalog populado (módulos discoverables)
4. Reorden reciente que insertó volatile entre cacheable

Pattern: Voseo persiste pese a regex sweep

Síntoma: outputs user-facing tienen "tenés/podés/querés" tras varios fixes. Verificar (orden):

1. Prompt templates .j2 (copilot_system_static.j2, _modules.j2, etc) — texto hardcoded
2. Subagent system prompts (subagents/*.py) — strings inline
3. Tool descriptions (Pydantic Field descriptions, docstrings que el LLM lee)
4. SSoT externos como _DEEP_AGENT_SUFFIX_ES en deep_agent.py
5. Channel format structure_hint en output_channels.py

_VOSEO_RE en brand_summary_regen.py es la regex canónica. Test test_deep_agent_prompt_voseo_compliance.py cubre el suffix.

Pattern: ProposalCard click sin persist

Síntoma: user click "Aplicar" en ProposalCard, UI muestra "Aplicado" verde, pero copilot_mutation_journal vacío + form fields vacíos al refresh. Causa única: bridge no conectado → no-op silent. Fix FP1: fallback POST /mutations/apply con natural-key idempotency ((tenant, conv, message, field_path) partial unique index).

Pattern: Channel format ignorado

Síntoma: user pide "armame copy WhatsApp" → respuesta prosa estructura genérica, format_for_channel no fired en trazas. Causa única: tool no force-bound, LLM no inferred. Fix FP2: channel_intent_detector regex middleware → state["channel_intent"] → hint inyectado en system prompt → LLM lo elige.

Checklist pre-cierre de bug-fix

• Test reproductor RED → GREEN (commitado en mismo PR)
• Suite afectada verde aislada
• test_copilot_anchors.py verde (cap respetado)
• test_no_new_copilot_module_imports.py verde (ratchet 22 frozen)
• test_copilot_provider_compliance.py verde
• test_deep_agent_harness_invariants.py verde si tocaste harness
• test_system_prompt_order.py verde si tocaste prompt
• Goldens regenerados con UPDATE_GOLDEN=1 si cambiaste _BASE_TOOL_GROUPS / ALWAYS_AVAILABLE_GROUPS / ROUTE_TOOL_MAP / route resolver
• Lint + format clean (ruff check + ruff format --check)
• Docker container healthy post-restart
• Replay manual del síntoma original (si era live)
• Spanish neutro verificado (_VOSEO_RE sweep si user-facing)
• PII sanitizada si tocaste recording/ (regex en sanitization.py)
• Trace recorder honest (set_turn_error si catcheaste exception)
• Tech debt nuevo → docs/mejoras-proceso/to-do.md

Comandos cementados

# Suite copilot completa (sin flakies aislados)
cd backend && .venv/bin/pytest tests/modules/copilot/ tests/architecture/ tests/admin/ tests/quality/ \
  -q -o addopts="" --timeout=120 \
  --ignore=tests/modules/copilot/test_streaming_integration.py

# Streaming aislado (heredado flaky F0+)
cd backend && .venv/bin/pytest tests/modules/copilot/test_streaming_integration.py -q

# Goldens
cd backend && .venv/bin/pytest tests/modules/copilot/golden/ -q

# Regenerar goldens (cambio intencional)
cd backend && UPDATE_GOLDEN=1 .venv/bin/pytest tests/modules/copilot/golden/ -q

# Arch tests fitness
cd backend && .venv/bin/pytest tests/architecture/test_copilot_*.py tests/architecture/test_no_new_copilot_module_imports.py tests/architecture/test_workflow_compliance.py tests/architecture/test_channel_formatter_compliance.py -q

# Real LLM judge (weekly opt-in)
RUN_LLM_JUDGE=1 .venv/bin/pytest tests/quality/golden/ -q

# Trazas de una conv específica
docker exec visionarias_postgres psql -U postgres -d visionarias_logs -c "
SELECT created_at, event_type, name, status, duration_ms, LEFT(data::text, 300)
FROM copilot_trace_event WHERE conversation_id = ':conv_id'
ORDER BY created_at;"

# Cost por ciclo billing 25-25
docker exec visionarias_postgres psql -U postgres -d visionarias_logs -c "
SELECT compute_cycle_start(:tenant_id, CURRENT_DATE) AS cycle_start,
       SUM(cost_usd) AS cycle_cost, COUNT(*) AS calls
FROM copilot_llm_call
WHERE tenant_id = :tenant_id AND occurred_on >= compute_cycle_start(:tenant_id, CURRENT_DATE);"

# Reload backend post-edit
docker compose restart api_dev

Anchor — qué hago primero

Cuando reportes bug del copilot, mi primer mensaje SIEMPRE va a ser:

1. Stop. Lee primero.
2. Conv ID + tenant_id?
3. Query copilot_trace_event de esa conv.
4. Identifico capa (1-8 anti-patrones).
5. Verifico que algo "falte" antes de declararlo (grep + registry + repo).
6. RED test → fix mínimo → quality gates → replay.

Sin esos 6 pasos cumplidos, no toco código.

Budget Gating (PI-1 S0 PR-2)

Copilot LLM calls están subject a BudgetGuard.check del módulo shared/billing/ (PI-1 S0 PR-2 — wiring orchestrator pre-LLM-call diferido a S2; primitivas expuestas hoy).

Gate signature:

decision = await budget_guard.check(
    tenant_id=tenant_id,
    agent_kind="copilot",          # ← bucket Others (NO sales_agent reserved)
    estimated_cost_usd=Decimal("..."),  # caller computes (tier-aware si aplica)
)
if not decision.allowed:
    # short-circuit pre-LLM-call: emite plan_card "presupuesto agotado", no consume tokens
    ...

Bucket reservation invariant (CRÍTICO — arch test property-based enforce):

• agent_kind="copilot" → consume del Others pool (plan_config.llm_budget_total_usd * (1 - sales_agent_reserved_pct)).
• Copilot exhausto NO consume sales_agent reserved pool. Hard separation por bucket.
• SA pool reservado default 50% (editable per plan via plan_config.sales_agent_reserved_pct).

Plan defaults (editable Streamlit /planes-billing):

Outbound NO aplica al copilot. Copilot no envía mensajes outbound (pure interactive). OutboundRateLimiter solo gateá sales_agent + future campaign senders.

MV stale soft cap: si mv_refresh_log.get_last_refresh('mv_daily_llm_cost_per_tenant_v2') > 1h → BudgetGuard aplica soft cap 105% (admite 5% overrun para no bloquear). Documented in PR-2 CONTRACT.md §7.2.

Detalle vivo en PR-2 CONTRACT.md. Skill solo agrega anchor — ver: docs/pm-nico/pis/active/PI-1-campaigns-module/sprints/S0-foundation/prs/PR-2-billing-and-compliance/CONTRACT.md

Project invariants (read on demand)

Reglas duras vinculadas al módulo. Lee cuando aplique:

• references/copilot-resilience.md — field discovery, module/route registration, debug via trazas, subagentes deepagents task aislamiento
• references/copilot-observability.md — recording/pricing/cost/persistence/reporting/workers, tablas event-sourced, retention, PII redaction