EL CONTEXTO COMO SUPERPODER: INYECCIÓN AUTOMÁTICA DE ESTADO EN CADA MENSAJE LLM - PARTE I

# Formato de la Stamp:
[F|HH:MM TZ|Día|DX/1096|Proyecto|Tarea|PX|WS]

# Campos:
# F = Identificador del usuario (Frank)
# HH:MM TZ = Hora local con zona horaria
# Día = Día de la semana abreviado
# DX/1096 = Día del KayrOs (cuánto del horizonte ha pasado)
# Proyecto = Nombre del proyecto activo
# Tarea = ID de la tarea o célula activa
# PX = Número de pomodoro en la sesión actual
# WS = Workspace activo (WS1, WS2, WS3)

# Ejemplos reales:
[F|10:30 COT|Jue|D4/1096|TeliOs|TELIO-U003|P1|WS1]
[F|14:45 COT|Mar|D18/1096|FocOs|FOCOS-B012|P3|WS2]
[F|09:00 COT|Lun|D1/1096|Novela-Ciclos|CAP-07|P1|WS1]
[F|22:30 COT|Vie|D365/1096|InfoGraTech|POST-14|P2|WS3]

# main.py — FocOsAPI

def get_context(self) -> dict:
    '''
    Construye el contexto completo del proyecto activo.
    Se inyecta automáticamente en cada llamada al LLM.
    '''
    import datetime
    conn = sqlite3.connect(DB_PATH)

    # Datos del workspace activo
    ws = conn.execute(
        'SELECT project_id FROM workspaces WHERE ws_id=1'
    ).fetchone()
    project_id = ws[0] if ws else None

    # Datos del proyecto
    project = None
    if project_id:
        row = conn.execute(
            'SELECT name, status, meta FROM projects WHERE id=?',
            (project_id,)
        ).fetchone()
        if row:
            project = {
                'name': row[0],
                'status': row[1],
                'meta': json.loads(row[2] or '{}'),
            }

    # Tarea activa
    task = conn.execute(
        'SELECT title FROM tasks WHERE status="active" LIMIT 1'
    ).fetchone()
    conn.close()

    # Construir stamp
    now = datetime.datetime.now()
    hora = now.strftime('%H:%M')
    dia = now.strftime('%a')[:3].capitalize()
    proyecto = project['name'] if project else 'Sin proyecto'
    tarea = task[0][:20] if task else 'Sin tarea'
    day_num = self._get_kayros_day()

    stamp = f'[F|{hora} COT|{dia}|D{day_num}/1096|{proyecto}|{tarea}|P1|WS1]'

    # System prompt con contexto completo
    meta = project['meta'] if project else {}
    system = f'''Eres Chronos — asistente de desarrollo de Frank.
Contexto activo: {stamp}

PROYECTO: {proyecto}
ESTADO: {project["status"] if project else "desconocido"}
TAREA ACTIVA: {tarea}
TIPO: {meta.get("tipo", "general")}
STACK: {meta.get("stack", "no definido")}
FILOSOFÍA: {meta.get("filosofia", "")}

Responde siempre en el idioma del usuario.
Prioriza soluciones prácticas sobre teoría.
Si detectas un error, señálalo antes de responder la pregunta.
Máximo 3 opciones cuando hay alternativas.
'''

    return {
        'stamp': stamp,
        'system': system,
        'proyecto': proyecto,
        'tarea': tarea,
        'day_num': day_num,
    }

def send_to_llm(self, message: str, history: list = None) -> dict:
    cfg = self.get_llm_config()
    provider = cfg.get('provider', 'gemini')
    model = cfg.get('model', 'gemini-2.0-flash')

    # CONTEXTO AUTOMÁTICO — siempre presente
    ctx = self.get_context()
    system = ctx['system']
    stamp = ctx['stamp']

    # El mensaje que llega al LLM incluye la stamp
    # EJ: '[F|10:30 COT|Jue|D4/1096|TeliOs|TELIO-U003|P1|WS1]\n\ncómo implemento el bus pub/sub?'
    full_message = f'{stamp}\n\n{message}'

    messages = []
    if history:
        for h in (history if isinstance(history, list) else []):
            if isinstance(h, dict):
                messages.append({
                    'role': h.get('role', 'user'),
                    'content': h.get('content', '')
                })
    messages.append({'role': 'user', 'content': full_message})

    # Despachar al proveedor con system prompt contextualizado
    return self._dispatch_llm(provider, model, system, messages, cfg)

# ESCRITOR — trabajando en una novela
[F|09:15 COT|Mar|D22/1096|Novela-Ciclos|CAP-07|P1|WS1]

# System prompt adaptado:
# Proyecto: Novela — Ciclos
# Capítulo activo: 7 — El encuentro
# Personaje actual: Elena
# Tono: melancólico, introspectivo
# Última decisión: POV cambia a primera persona en este capítulo

# MÚSICO — produciendo un álbum
[F|23:00 COT|Vie|D45/1096|Album-Raices|TRACK-03|P2|WS1]

# System prompt adaptado:
# Proyecto: Álbum — Raíces
# Track activo: 03 — Sin título aún
# BPM: 92 | Tonalidad: Am | Sección: puente
# DAW: Ableton | Referencia: Nils Frahm

# INVESTIGADOR
[F|11:30 COT|Mié|D8/1096|Tesis-Ecosistemas|CAP-04|P3|WS2]

# System prompt adaptado:
# Proyecto: Tesis — Ecosistemas Digitales
# Capítulo: 4 — Marco metodológico
# Hipótesis activa: H3 — correlación datos/comportamiento
# Fuente pendiente: IEEE 2024 sobre redes complejas

// bridge.js — Mostrar stamp en el panel LLM

async function llmInit() {
  try {
    const api = await FocOs.ready()
    const ctx = await api.get_context()

    // Mostrar stamp en el header del panel LLM
    const stampEl = document.getElementById('llm-stamp')
    if (stampEl && ctx.stamp) {
      stampEl.textContent = ctx.stamp
      stampEl.title = 'Contexto activo inyectado en cada mensaje'
    }

    // Mostrar proyecto y tarea en el header
    const projEl = document.getElementById('llm-project')
    if (projEl) projEl.textContent = ctx.proyecto

  } catch(e) {
    console.log('llmInit:', e.message)
  }
}

// Cuando el usuario envía un mensaje:
async function llmSend(message) {
  const history = llmGetHistory() // historial de la conversación

  // send_to_llm() inyecta el contexto automáticamente
  // El usuario no tiene que hacer nada
  const result = await FocOs.sendToLLM(message, history)

  if (result.ok) {
    llmAppendMessage('assistant', result.response)
    llmSaveHistory('user', message)
    llmSaveHistory('assistant', result.response)
  } else {
    llmShowError(result.error)
  }
}