Controles de entrada por modalidad

La extensión del nombre la elige quien manda el archivo; los primeros bytes del contenido dicen qué es en realidad. Comprobar el formato por el contenido evita que un archivo de otro tipo llegue a un lector que no esperaba procesarlo. A eso se suman límites por modalidad —tamaño, páginas, segundos, píxeles—, que acotan el costo y la superficie de cada archivo, y un procesamiento aislado y sin red, para que un fallo del lector no alcance nada más.

En documentos de terceros se añade una conversión: dibujar cada página y volver a extraer el texto, quitando el contenido activo y los adjuntos. Así, lo que llega al modelo se parece a lo que ve una persona, y la mayor parte del texto escondido de la sala 2 se queda por el camino.

La configuración de Cachaña no comprueba igual todas las modalidades. El registro de entradas muestra, para cada archivo, la extensión de su nombre, la firma que dicen sus primeros bytes y qué decidió el sistema. Ojo: que la extensión y la firma no coincidan no basta para que algo esté mal; lo grave es que entre un formato que no está permitido.

Un audio de hora y media que se transcribe entero cuesta tiempo y dinero, y mete en el contexto un texto largo que nadie va a leer. Los límites por modalidad existen para eso, y tienen que estar en todas. El registro del 5 de octubre muestra un audio que da la medida del hueco.

Compara la sección de audio de la configuración con la lista de controles mínimos.

Que el texto de un archivo llegue al contexto marcado como dato y con su procedencia —«esto viene del presupuesto que mandó el taller»— ayuda al modelo a no tomarlo como instrucción y permite a quien investiga reconstruir qué entrada produjo una respuesta. No es una frontera: un modelo puede seguir una orden aunque venga marcada como dato. Aun así es un control mínimo, y en Pilpilén está escrito en la política.

Los controles de entrada reducen lo que llega mal formado, escondido o de más. Ninguno garantiza que el texto de un archivo no lleve una orden: una cuarentena solo retiene lo que el inspector supo ver, y una etiqueta de procedencia es una sugerencia para el modelo. La última línea de la política de Pilpilén es la decisión de arquitectura del módulo 7 aplicada a los archivos.