Importar CVs a la fuente de verdad

El objetivo no es escribir un CV nuevo: es construir datos/hechos.yaml, la única fuente de verdad. Los CVs que la persona subió son material de origen: se leen, no se corrigen ni se borran.

0. Preparar

• Si no existe datos/hechos.yaml: python scripts/iniciar.py.
• Lista lo que hay en curriculums/ (incluidas subcarpetas).
• DOCX, TXT y MD: python scripts/extraer.py y lee los .txt que deja en salidas/texto/. Fíjate en la línea [ENCABEZADO / PIE DE PÁGINA]: contacto ahí es un problema de formato que hay que avisar.
• PDF: léelo directo con Read (con pages si tiene más de 10 páginas). Si sale vacío o como imagen, es un escaneo: avisa que un ATS tampoco lo va a poder leer.
• Si hay PDF del perfil de LinkedIn o de sus aptitudes, es una fuente más (linkedin-pdf). Las aptitudes van además a datos/linkedin-aptitudes.yaml.
• Si hechos.yaml ya tiene datos (segunda pasada), no lo rehagas: registra la fuente nueva y compárala contra lo que ya está.

1. Un código por fuente

Registra cada documento en meta.fuentes:

meta:
  fuentes:
    cv-2023: {archivo: "CV 2023.pdf", fecha: 2023-11}
    cv-ia: {archivo: "CV mejorado.pdf", fecha: 2026-03, nota: "reescrito con un chatbot"}

Pregunta la fecha aproximada de cada CV si no se deduce, y si alguno fue reescrito con IA o por otra persona: esas versiones son las que más inflan. La fecha sirve para ordenar, no para decidir quién tiene razón.

2. Extraer sin mejorar

• Copia cada afirmación tal como está. No mejores la redacción, no agregues cifras, no completes logros. Reformular viene después, y solo si la persona quiere.
• Cada entrada lleva fuentes: [...] con todos los códigos donde aparece, y estado: por_confirmar. Nada entra como confirmado sin que la persona lo diga: que tres CVs coincidan no lo prueba, porque los CVs se copian entre sí.
• La misma afirmación en varios CVs con distinta redacción es una entrada con varias fuentes. Si difieren en sustancia (una cifra, un alcance, una tecnología), es conflicto.
• Habilidades: cobertura = en cuántos CVs aparece. Si solo está en LinkedIn o en el temario de un curso, cobertura: 0.
• Fechas como AAAA-MM. Cargo vigente: fin: actualidad. Si no se sabe, null: el CV lo va a omitir, y eso es lo correcto.
• Educación: registra titulo_profesional: true|false. Si no está claro, pregúntalo: grado vs título es de las confusiones más caras.

Formato de cada sección: docs/esquema-hechos.md. Ejemplo completo: ejemplo/hechos.yaml.

3. Detectar contradicciones

Compara campo por campo entre fuentes. Lo típico:

Cada contradicción es una entrada con estado: conflicto, un texto neutro y los valores de cada fuente:

- texto: Mantuve el reporte semanal de ventas de las sucursales.
  estado: conflicto
  valores: {cv-2025: "~40 sucursales", cv-ia: "más de 60 sucursales"}
  fuentes: [cv-2025, cv-ia]

No elijas tú. Y ausencia no es contradicción: un cargo que falta en un CV puede ser una omisión deliberada (un empleo de soporte fuera de un CV técnico). Pregunta; si fue deliberado, se registra como politica_de_uso, no como conflicto.

4. Resolver con la persona

• De a un bloque: identidad → experiencia → educación → certificaciones → habilidades → idiomas. No dispares 20 preguntas juntas.
• Usa AskUserQuestion cuando los valores en conflicto son acotados.
• Al resolver: estado: confirmado, agrega usuario a fuentes, resuelto: AAAA-MM-DD y una nota corta del porqué.
• La versión perdedora no se borra. Queda como entrada aparte con estado: descartado y motivo, para que ninguna reescritura futura la reintroduzca. Si era una forma de nombrar algo (un grado, una certificación, un logro inflado), va además a redacciones_prohibidas.
• Por cada término técnico avanzado, pregunta: ¿lo puedes defender en una entrevista técnica? Lo que no, va a no_defendibles (en minúsculas y sin tildes). Los CVs reescritos con IA suelen agregar patrones que suenan bien y que la persona no puede sostener.
• Por cada cifra: ¿de dónde sale? Sin respaldo, se propone redactar sin la cifra y la versión con cifra queda descartado.
• Proyectos con datasets de tutorial (Iris, Titanic, MNIST): sugiere descartarlos si hay proyectos propios. No distinguen a nadie.
• Si la persona no sabe algo, déjalo por_confirmar y sigue. Un perfil a medias sirve; un interrogatorio abandonado, no.
• Escribe a disco a medida que avanzas, no al final.

5. Cerrar

1. python scripts/validar.py tiene que terminar sin errores. Los avisos, revísalos con la persona.
2. Audita cada CV viejo contra los hechos ya resueltos: python scripts/validar.py --cv curriculums/<archivo>. Marca lo que no se puede trazar, lo que repite algo descartado, las redacciones prohibidas y los problemas de formato. Sirve para saber qué versiones hay que dejar de enviar. Es heurístico: revisa cada marca antes de afirmarla.
3. Resume: cuántas afirmaciones se cargaron, cuántas quedaron confirmadas y cuántas por confirmar, qué conflictos siguen abiertos y qué CVs viejos tienen errores.
4. Siguiente paso: /perfilar (si no se ha hecho) o /cv.