Este módulo implementa un pipeline completo de análisis, síntesis y reescritura narrativa a partir de uno o varios archivos Markdown generados previamente por un sistema multiagente. Su objetivo es transformar trazas técnicas en un artículo didáctico, sapiencial y coherente, siguiendo un estilo inspirado en Guénon, Schuon y Coomaraswamy.

El sistema se organiza en tres fases principales, cada una representada por un nodo funcional:

1. Extracción de ideas clave (Nodo extract_core_ideas)

En esta primera etapa, el sistema:

• Lee uno o varios archivos trace_*.md.
• Fusiona su contenido en un único documento.
• Invoca un modelo LLM (Deepseek) con un prompt especializado en exégesis tradicional.
• Extrae 10–12 ideas clave, cada una con:
  • un título conciso,
  • un desarrollo narrativo de 6–8 líneas,
  • un tono sapiencial y metafísico.

Además, se aplican filtros de limpieza:

• eliminación de trazas típicas de LLM,
• deduplicación de párrafos,
• normalización del estilo.

El resultado es un conjunto de ideas clave listas para ser agrupadas.

2. Agrupación temática (Nodo group_themes)

En esta fase:

• Las ideas clave se agrupan en 4–6 grandes temas.
• Cada tema incluye:
  • un título breve,
  • un resumen narrativo de 2–4 frases,
  • referencias simbólicas o doctrinales cuando procede.

El objetivo es estructurar el pensamiento y preparar el material para la redacción final.

3. Redacción del artículo didáctico (Nodo write_didactic_article)

Aquí el sistema:

• Toma los temas agrupados.
• Redacta un artículo completo, con secciones:
  • Introducción
  • Desarrollo temático
  • Ejemplos o anécdotas
  • Conclusión

El estilo está cuidadosamente controlado:

• tono sapiencial, evocador y metafísico,
• sin repeticiones,
• sin marcas de IA,
• con fluidez narrativa.

Después, se aplican transformaciones adicionales:

• humanización del estilo (anécdotas, variación rítmica),
• eliminación de frases meta,
• limpieza final del texto.

El resultado es un artículo listo para publicación.

4. Exportación del artículo

El sistema:

• genera un archivo articulo_didactico_YYYYMMDD_HHMM.md,
• incluye:
  • el artículo final,
  • las ideas clave desarrolladas,
  • una vista previa en consola.

🧠 Resumen conceptual

Este modelo es un pipeline de escritura asistida, donde:

• un LLM extrae ideas,
• otro LLM agrupa temas,
• otro redacta un artículo completo,
• y varias funciones limpian, humanizan y estructuran el resultado.

El diseño está pensado para:

• coherencia narrativa,
• control estilístico,
• robustez ante entradas largas,
• producción editorial reproducible.