cat << 'EOF' > README.md

🧬 Nail-StemCell — Autonomous AI Stem Cell Architecture

Fase Tres: De la Tabula Rasa al Organismo Digital.
Framework de agentes autónomos auto-evolutivos con diferenciación terminal bajo demanda, testing por invariantes deterministas, aislamiento en Docker y desdiferenciación reversible.

---

🌟 La Visión: Computación Orgánica y Morfogénesis

Los sistemas multi-agente tradicionales se enfrentan a un dilema irresoluble:

1. El Agente Monolítico: Trata de abarcarlo todo; colapsa por alucinaciones y saturación de contexto.
2. El Enjambre Plano: Decenas de agentes hablando en un chat común; la comunicación escala a O(N²), devorando tokens en ruido y cortesías.

Nail-StemCell resuelve este cuello de botella aplicando la solución que la biología descubrió hace mil millones de años: la pluricelularidad jerárquica y fractal.

El proyecto no pre-programa agentes para cada tarea: inicia como una Célula Madre Totipotente (tabula rasa), recibe una directiva de especialización (diferenciar.py), investiga la literatura de consenso, programa sus propias herramientas deterministas en Python, las valida en entornos Docker efímeros y sella un contrato MCP (Model Context Protocol).

---

⚡ Características del Sistema

1. Diferenciación Terminal Reversible:
   • python3 diferenciar.py <especialidad> <mision>: Induce la diferenciación hacia cualquier dominio (ej. Nefrología, Farmacocinética, Finanzas Cuantitativas).
   • python3 desdiferenciar.py: Aplica el equivalente digital a los Factores de Yamanaka, empaquetando al subagente adulto en un .tar.gz reutilizable y devolviendo la memoria y el cuerpo a la Iteración 0 totipotente.
2. Interacción en Tiempo Real con el Orquestador:
   • python3 ordenar.py "<caso o tarea>": Inyecta casos clínicos o problemas en caliente al subagente sin detener el bucle de ejecución.
3. Principio de Primacía de Runtime & Testing por Invariantes:
   • Prohíbe taxativamente la aritmética mental flotante dentro del pensamiento.
   • Python (IEEE 754) es la única fuente de verdad: los tests unitarios validan monotonía (si x sube, y baja), condiciones de borde y rangos plausibles, eliminando falsos positivos por redondeo.
4. Ejecutor Seguro en Docker (Músculo Aislado):
   • Cada acción EXECUTE corre en un contenedor efímero con red bridge, permisos root (--user 0:0) y soporte para Shebangs universales (python3, bash, node).
   • Soporta evaluación inline (python3 -c "..."), evitando la creación innecesaria de archivos temporales.
5. Resiliencia Extrema en Inferencia:
   • Ventana de 8.192 tokens: Espacio holgado para razonamiento profundo (Chain of Thought).
   • Auto-reparación de JSON truncado: Si la generación se corta por tokens al final de un script, el parser cierra comillas y llaves automáticamente y rescata la acción.
   • Filtro Anti-Bucles 3x: Detecta repeticiones patológicas reales sin sabotear la redacción de código.
   • Poda de Contexto (_clip): Evita desbordamientos de buffer HTTP 400 recortando salidas masivas de búsqueda web.

---

🔄 El Ciclo Vital de Maduración (4 Fases)

       [ Célula Madre Totipotente ]
                    │
           1. INVESTIGAR (web_search / researcher)
                    │
           2. MEMORIZAR (knowledge_base)
                    │
           3. SINTETIZAR Y VERIFICAR (tools/ + tests/ en Docker)
                    │
           4. COMPROMISO TERMINAL (interface_generator -> MCP)
                    │
                    ▼
       [ Subagente Experto Maduro ] ──(desdiferenciar.py)──> [ Retorno a Célula Madre ]

1. INVESTIGAR: La célula madre usa tools/web_search.py y tools/researcher.py para descubrir ecuaciones y consensos públicos (máximo 2-3 rondas, anti-parálisis de paywalls).
2. MEMORIZAR: Almacena constantes numéricas y reglas en memory/knowledge.json.
3. SINTETIZAR Y VERIFICAR: Programa las herramientas en tools/ y sus tests en tools/tests/. Ejecuta los tests en Docker hasta obtener 100% de éxito.
4. COMPROMISO TERMINAL Y CONTRATO: Genera el contrato memory/interface.json (MCP), sobrescribe su identidad permanente en autoprompt.txt y actualiza memory/state.json a "fase": "maduro_listo_para_orquestador".

---

📂 Estructura del Repositorio

celula madre/
├── body/                       # Espacio físico del agente (montado en /body en Docker)
│   ├── memory/                 # Estado, hipocampo (knowledge.json) y contrato MCP (interface.json)
│   ├── planner/                # Hojas de ruta y metas activas (goals.json)
│   ├── tools/                  # Órganos basales e instrumental programado por el agente
│   │   └── tests/              # Batería de pruebas unitarias deterministas
│   └── autoprompt.txt          # Genoma del agente (instrucciones evolutivas persistentes)
├── experiment/                 # Fuera del alcance del agente (auditoría del anfitrión)
│   ├── backups/                # Archivos biológicos comprimidos (.tar.gz) de subagentes
│   ├── logs/                   # Historial append-only de iteraciones y auditoría
│   └── reasoning/              # Trazas de razonamiento CoT guardadas por iteración
├── src/                        # Motor del bucle evolutivo y cliente LLM
│   ├── body.py                 # Gestor de sistema de archivos seguro
│   ├── config.py               # Configuración de red, tokens y rutas
│   ├── executor.py             # Ejecutor Docker multi-lenguaje e inline
│   ├── llm_client.py           # Cliente HTTP OpenAI-compatible con streaming y CoT
│   └── main.py                 # Orquestador del bucle iterativo
├── diferenciar.py              # Inductor de especialización
├── ordenar.py                  # Inyector de casos/tareas en tiempo real con catálogo de tools
├── desdiferenciar.py           # Factores de Yamanaka (regreso a célula madre)
├── prompt_inmutable.txt        # Ley fundamental y principios cognitivos inviolables
└── requirements.txt            # Dependencias del anfitrión

---

🚀 Requisitos y Puesta en Marcha

Requisitos Previos

• Docker Desktop o daemon compatible (docker run).
• Python 3.10+.
• Endpoint LLM compatible con OpenAI API (ej. llama-server en local o remoto, vLLM, Ollama o MLX).

Instalación Rápida

# 1. Crear entorno virtual e instalar dependencias
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

# 2. Descargar la imagen de ejecución universal para Docker
docker pull nikolaik/python-nodejs:python3.11-nodejs20

---

📖 Guía de Uso

1. Inducir la Diferenciación

Para transformar la célula madre virgen en un especialista:

# Ejemplo: Especialización en Nefrología Clínica
python3 diferenciar.py "nefrologia" "Especialízate en calculadoras clínicas de nefrología para resolver problemas clínicos reales"

# Ejemplo: Especialización en Finanzas Cuantitativas
python3 diferenciar.py "finanzas_cuantitativas" "Especialízate en cálculo de Black-Scholes, griegas y modelos de Valor en Riesgo (VaR)"

2. Enviar Tareas o Casos en Tiempo Real

Con el bucle corriendo en una terminal, abre otra pestaña para enviar una orden:

python3 ordenar.py "Varón de 68 años con insuficiencia cardíaca y furosemida. Na 132, K 5.7, Urea 95, Cr 2.3. Orina: Na 25, K 18, Urea 180, Cr 45, Osm 350. Evalúa CKD-EPI 2021, determina si es prerrenal mediante FEUrea y calcula el TTKG."

3. Desdiferenciación (Regreso a Célula Madre)

Cuando desees reutilizar la célula madre para una nueva misión sin perder el trabajo previo:

# Detén el bucle (Ctrl + C) y ejecuta:
python3 desdiferenciar.py

• Empaqueta el subagente actual en experiment/backups/subagente_<especialidad>_<fecha>.tar.gz.
• Purga las herramientas especializadas y restaura el estado a la Iteración 0 totipotente.

---

🛡️ Seguridad y Sandboxing

• Cada ejecución se realiza en un contenedor Docker con sistema de archivos de solo lectura (--read-only), límite de memoria (2g), CPU (2.0) y límite de procesos (--pids-limit 128).
• El agente solo tiene acceso de lectura/escritura a la carpeta /body montada como volumen.
• Las acciones sensibles (DELETE y EXECUTE) se registran en un log de auditoría inmutable (experiment/logs/audit.jsonl).

---

📄 Licencia

Distribuido bajo la Licencia MIT. Consulta el archivo LICENSE para más información. EOF