bmc-ml-operativo-respuestas

Ciclo operativo Mercado Libre (BMC): levantar API y OAuth, exportar corpus de preguntas, priorizar UNANSWERED, iterar la KB de respuestas con el humano, cotizar con /calc/cotizar, normalizar moneda (U

SKILL.md

GitHub

BMC — ML operativo (KB + publicación de respuestas)

Orquesta el mismo flujo que un agente humano+IA en Cursor: servicios listos → datos de preguntas → mejora de conocimiento → redacción con precio → publicación en ML.

Complementa (léelo primero si falta contexto técnico): .cursor/skills/bmc-mercadolibre-api/SKILL.md, docs/ML-OAUTH-SETUP.md, docs/team/panelsim/knowledge/ML-TRAINING-SYSTEM.md.

KB canónica de tono y criterios: docs/team/panelsim/knowledge/ML-RESPUESTAS-KB-BMC.md (voz, checklist, §4 por familia de publicación, §12 borradores / anexo).

Inventario para agentes: docs/team/panelsim/knowledge/KNOWLEDGE-INVENTORY-FOR-AI-AGENTS.md.


0. Reglas de oro (no negociar con el cliente en ML)

  1. Precio primero cuando el caso lo permita (cotización real vía API de calculadora).
  2. No pedir al comprador que “verifique MATRIZ” ni exponer jargon interno.
  3. Cortes: amoladora (no “sierra” genérica); límites + solución + precio si aplica.
  4. Medidas ya suficientes: no repreguntar lo que el hilo ya dio.
  5. Moneda en texto que va a ML: el servidor aplica normalizeMlAnswerCurrencyText (U$S/u$s → USD, luego mitigación de $); ver server/lib/mlAnswerText.js. Redactar pensando en USD + montos legibles.
  6. Human-in-the-loop: el humano aprueba/edita KB y cada texto antes de POST si el contexto es sensible o legal.

1. Servicios listos (local)

Paso Comando / acción
.env presente npm run env:ensure
API en :3001 npm run start:api (o stack completo según AGENTS.md)
OAuth ML OK npm run ml:verify (requiere API arriba)
HTTPS / callback si OAuth falla npm run ml:local o ngrok según docs/ML-OAUTH-SETUP.md

No inventar “tokens OK”: usar salida real de ml:verify o /auth/ml/status.


2. Obtener y filtrar preguntas

Objetivo Comando
Lista viva desde ML (API) GET http://127.0.0.1:3001/ml/questions (Bearer API_AUTH_TOKEN si aplica)
Corpus offline para análisis npm run ml:corpus-export → JSON bajo docs/team/panelsim/reports/ml-corpus/exports/ (gitignored salvo que se versione a propósito)
Priorizar hilos abiertos En el JSON exportado, filtrar por estado UNANSWERED (jq / script; ver reference.md)

Tratar IDs y texto de compradores con mínima exposición en commits y en PROJECT-STATE (solo IDs si hace falta trazabilidad).


3. Mejorar la KB con el humano

  1. Abrir ML-RESPUESTAS-KB-BMC.md.
  2. Ajustar §2–§4, §7 checklist, §12 borradores o anexos según correcciones del humano (ej. babeta adosar 16 cm, chapa galv. prepintada c24, etc.).
  3. Alinear el modelo automático: bloque Canal Mercado Libre en server/lib/chatPrompts.js debe reflejar la KB (sin secretos).
  4. Tras cambios sustantivos en KB/prompts: línea breve en docs/team/PROJECT-STATE.md → Cambios recientes.

4. Cotizar para fundamentar el precio en la respuesta

Usar la API local (misma base que start:api):

  • Escenarios típicos: POST /calc/cotizar (ej. solo_fachada, dimensiones, lista según política interna).
  • Aproximaciones de solo panel: POST /calc/cotizar/presupuesto-libre con m².

Detalle de payloads en reference.md. No citar en ML el nombre interno de lista (“web/BMC”); sí monto + IVA según criterio ya acordado en KB.


5. Publicar respuesta en Mercado Libre

Solo con texto aprobado por el humano (o política explícita de auto‑post).

POST http://127.0.0.1:3001/ml/questions/:questionId/answer
Content-Type: application/json
Authorization: Bearer <API_AUTH_TOKEN>

{ "text": "…" }
  • El servidor normaliza moneda antes de enviar a ML (mlAnswerText).
  • 200 → hilo pasa a contestado en ML; revisar en UI vendedor.
  • Respuestas ya publicadas no se reemplazan por el mismo endpoint: correcciones van por UI ML si hace falta.

6. Verificación y cierre

  • npm test si se tocó server/lib/mlAnswerText.js o reglas asociadas.
  • Si el comportamiento depende del runtime Cloud Run, recordar deploy API según AGENTS.md / skill deploy.
  • Opcional: npm run ml:corpus-export de nuevo y diff de conteos UNANSWERED.

7. Referencia rápida

Ver reference.md (curl, variables de entorno, ejemplos jq, plantillas JSON).