Problema
Generar un post “profesional” con LLM a partir de un eslogan inventa biografía. El flujo necesita entrevistar, identificar lagunas, preparar el briefing, redactar y exportar, y rechazar lo no confirmado.
Restricciones
Núcleo en Python con fronteras entre entrevista, generación, preservación de autoría, segmentación y persistencia. Llamadas a modelo en workspace aislado, allowlist de proveedor y prompts como contratos versionados. Evaluación híbrida: LLM más heurísticas deterministas. La ausencia de experiencia nunca se vuelve falsa vivencia.
Decisión
Entrevistas adaptativas, briefing autoral, storyboard, veto a contenido fabricado, registry SQLite de prompts con rollback, interfaz textual y frontend React/Vite para revisar fases. Exportación Markdown o SlideMark JSON tras la evaluación.
Estado actual
Base con pruebas de entrevista, aislamiento de LLM, registry, persistencia y conversión SlideMark.
Limitaciones
No es un generador genérico de thought leadership. Sin repertorio real, el sistema se niega; no completa la biografía.