Registros de decisiones de arquitectura

Documentación de referencia: no es un dispositivo médico

Esta documentación describe una implementación de referencia pública evaluada con datos 100% sintéticos. Es una referencia de capacidades y preparación, no una certificación de cumplimiento ni asesoría legal, y no es un dispositivo médico. No está validada clínicamente y no maneja PHI de producción.

Esta sección contiene los registros de decisiones de arquitectura (ADR) de la implementación de referencia ai-agent-eval-harness-healthtech. Cada ADR captura una decisión arquitectónicamente significativa que es difícil o costosa de revertir y explica por qué se tomó.

Convenciones

• Formato: MADR 4.0.0. Copia la estructura de un ADR existente para cualquier decisión nueva; no inventes estructuras ad-hoc.
• Estado: Proposed -> Accepted. Cada registro plantea una decisión en tiempo presente; las alternativas que se sopesaron y se descartaron se conservan en la sección “Opciones consideradas” de ese mismo registro.
• Nomenclatura de archivos: ADR-NNNN-kebab-title, secuencia de cuatro dígitos rellenada con ceros, título en kebab y minúsculas.
• Alcance de un ADR: una decisión por archivo.
• Tono: inglés técnico, sin texto de marketing, sin emojis, sin guiones largos. Toda afirmación sobre un framework, proveedor o versión cita una fuente primaria (notas de versión, documentación oficial, registro de la FDA, etc.).

Índice

ID	Título	Estado	Resumen en una línea
ADR-0001	Framework de orquestación	Accepted	LangGraph 1.x por encima de CrewAI, Microsoft Agent Framework, Claude Agent SDK, Pydantic AI, AutoGen. Grafo de seis nodos con un nodo HITL review_response opcional basado en interrupt() y una fábrica de checkpointer MemorySaver / AsyncPostgresSaver.
ADR-0002	Abstracción de proveedor de LLM	Accepted	Un Protocol LLMClient delgado sobre adaptadores de LangChain más una ruta Groq directa vía un cliente REST compatible con OpenAI, conmutado por una variable de entorno LLM_PROVIDER.
ADR-0003	Arnés de evaluación	Accepted	Núcleo pytest hecho a mano más DeepEval y Promptfoo, con un LLM-como-juez Anthropic Claude Haiku para las dimensiones puntuadas por rúbrica y Phoenix para la inspección opcional de trazas.
ADR-0004	Stack de RAG	Accepted	Almacén vectorial primario Chroma embebido; Voyage voyage-3.5 como embedder primario con un fallback local integrado BAAI/bge-small-en-v1.5 usando recuperación asimétrica consciente de instrucciones; Qdrant Cloud documentado como la alternativa de base de datos vectorial gestionada.
ADR-0005	Barreras de seguridad y postura regulatoria	Accepted	Clasificador de alcance, plantillas de rechazo y un enrutador de escalamiento determinista de alto recall como módulos de primera clase; contrato de diseño = línea de la guía FDA 2026 General Wellness / CDS Software.
ADR-0006	Stack de observabilidad	Accepted	Formato de transmisión OpenTelemetry + OpenInference; Langfuse Cloud para la demo en vivo, Phoenix autoalojado para las corridas de evaluación, Pydantic Logfire documentado como alternativa.
ADR-0007	Objetivo de despliegue	Accepted	Google Cloud Run (imagen de contenedor, instancia única) como objetivo de producción, con Hugging Face Spaces conservado como objetivo secundario y local. Capa de resiliencia de despliegue: limitador de tasa por sesión, fallback de proveedor OpenAI -> Anthropic, caché de respuestas de TTL corto.
ADR-0008	Licencia del código	Accepted	El código tiene licencia Apache 2.0.
ADR-0009	Transmisión del grafo de ejecución del agente a la interfaz	Accepted	El grafo de ejecución del agente transmite eventos por nodo a la SPA mediante server-sent events, activable por negociación de contenido vía cabecera Accept; el contrato JSON de /chat no cambia.
ADR-0010	Capa de datos (Supabase para los datos operativos de la demo)	Accepted	Postgres gestionado de Supabase para las claves de la demo, interacciones, sugerencias de mejora, solicitudes de claves de demo, consentimientos de claves de demo, sesiones de demo y uso de turnos de demo. El RAG sigue siendo Chroma (ADR-0004).
ADR-0011	Detección de fuera de dominio en formato libre	Accepted	El clasificador de alcance determinista (regex + palabra clave) gana detección de fuera de dominio consciente del tema: admite los turnos dentro del dominio, rechaza los de fuera de alcance con alta confianza, y da a la entrada benigna fuera de tema un empujón amable en lugar de un rechazo duro. Sin llamada a LLM (un clasificador basado en LLM se descartó por costo).
ADR-0012	Estrategia de expansión del corpus	Accepted	Estrategia de añadir sobre lo existente: los dominios nuevos se agregan encima del corpus base en lugar de reemplazarlo. Las tarjetas de KB y los turnos de evaluación nuevos amplían la cobertura a través de los dominios de adherencia a la medicación; se mantiene la paridad de locale entre en / es-419 / pt-BR.
ADR-0013	Extensión de voz (ElevenLabs TTS + STT)	Accepted	ElevenLabs eleven_multilingual_v2 para TTS bajo demanda con mapeo de voz por locale y ElevenLabs Scribe para STT, entregado como una superficie con consentimiento previo y limitada por derechos en lugar de un control universal.
ADR-0014	Fallback en cascada de proveedor de LLM	Accepted	Cascada tipada de errores transitorios OpenAI -> Anthropic. Los 4xx que no son 429 no se reintentan (preservación de cuota). El proveedor que responde se etiqueta en metadata para una atribución honesta de costos.
ADR-0015	Almacenamiento de la capa de mejora continua	Accepted	Los registros de interacciones y las sugerencias de mejora están diseñados para ubicarse juntos en el mismo proyecto Postgres gestionado (ADR-0010), con PII redactada en el ingreso, curados por el operador y nunca aplicados de forma automática.
ADR-0016	Capa de resiliencia de despliegue del nivel gratuito	Accepted	Limitador de tasa de ventana deslizante en proceso (IP consciente de proxy) + caché de respuestas con TTL, ambos acotados y residentes en memoria. Sin Redis, sin servicio externo. Diseño de un solo worker; el escalado a múltiples workers requiere estado externo.
ADR-0017	Voz desactivada por defecto - política de seguridad	Accepted	La voz está desactivada por defecto y condicionada por un consentimiento explícito registrado en el servidor antes de cualquier turno de audio; el estado del consentimiento es del lado del servidor, no solo del cliente. Paridad de locale entre en / es-419 / pt-BR.
ADR-0018	Invariante de datos solo sintéticos + lista de exclusión	Accepted	Corpus de evaluación 100% sintético a partir de fuentes de dominio público (MedlinePlus, DailyMed, WHO EML, etiquetas de la FDA). Lista de exclusión explícita: MIMIC, ChatDoctor, MedDialog, n2c2/i2b2. Carga de la prueba en el PR para cualquier dataset nuevo (licencia + procedencia + compatibilidad).
ADR-0019	Respuesta estructurada del agente (esquema Pydantic + modo JSON del LLM)	Accepted	El agente emite una respuesta estructurada validada por Pydantic mediante el modo JSON del LLM en lugar de prosa libre, de modo que los evaluadores de rechazo / escalamiento leen campos explícitos en vez de inferir la intención a partir del texto.
ADR-0020	Recuperación de documento padre (fragmentación en sub-tarjetas, citación a nivel de tarjeta)	Accepted	Las tarjetas de KB se fragmentan en pasajes de sub-tarjeta para el embedding/recuperación, y luego se de-duplican de vuelta a la tarjeta padre para la citación, mejorando el recall mientras las citaciones se mantienen a nivel de tarjeta.
ADR-0021	Transmisión de tokens (stream personalizado de LangGraph + cliente de streaming)	Accepted	Los deltas del LLM por token se transmiten a la SPA sobre la superficie SSE existente (ADR-0009) para que el mensaje del asistente se renderice mientras se genera en lugar de después de un búfer de respuesta completa.
ADR-0022	Recuperación híbrida (BM25 + denso + RRF + reordenamiento con cross-encoder)	Accepted	La recuperación solo densa se reemplaza por una canalización de tres etapas activable por bandera - generadores léxicos (BM25) + densos en paralelo, fusión por rango recíproco y luego reordenamiento con cross-encoder - degradándose con elegancia a la ruta densa previa.
ADR-0023	Medición de recall de recuperación (recall@k / hit@k / nDCG@k)	Accepted	La calidad de la recuperación se mide directamente con recall@k / hit@k / nDCG@k contra las tarjetas relevantes etiquetadas, desacoplando la puntuación de recuperación de métricas acopladas a la generación como la cobertura de citaciones.
ADR-0024	Enriquecimiento de citaciones del lado del servidor	Accepted	El modelo Citation gana los campos opcionales source_url, source_license y retrieved_score, enriquecidos del lado del servidor en el nodo de cierre, para que el popover de citaciones de la SPA se renderice sin un segundo viaje de ida y vuelta a la KB.
ADR-0025	Proveedor de reordenamiento gestionado y determinismo de evaluación	Accepted	El reordenamiento se traslada a un reordenador gestionado fuera de la caja resuelto por turno (gestionado cuando hay una clave de Voyage, si no local), degradándose a solo-fusión ante cualquier corte; la compuerta de evaluación offline permanece sin store, determinista y gratuita.
ADR-0026	Bloqueo de diseño de la calibración del juez	Accepted	La compuerta de concordancia humano-vs-juez congela su encuadre, bins, umbral y corpus antes de etiquetar cualquier caso, mide un kappa de Cohen ponderado linealmente por dimensión (compuerta agrupada, diagnósticos por locale) y solo permite reequilibrar el corpus - nunca ajustar el umbral - ante una paradoja de kappa.
ADR-0027	Reequilibrio del corpus de calibración	Accepted	El corpus de calibración se compone para discriminar - ponderado hacia lo límite, paralelo entre locales y diverso en defectos - tras que un panel experto hallara que un corpus saturado en los polos arroja un kappa casi circular y no informativo; aplica la única palanca abierta del bloqueo de diseño con cada constante de integridad congelada.
ADR-0028	Corrección del constructo de fidelidad	Accepted	La fidelidad se re-especifica como un constructo de solo contradicción - desligado de la fundamentación, que se queda con las adiciones no respaldadas - y se recalibra con un panel a ciegas y las constantes congeladas intactas, para que humano y juez midan lo mismo.
ADR-0029	Puntuador de fidelidad por rúbrica	Accepted	El puntuador de fidelidad de producción se reemplaza por un puntuador por rúbrica del juez que lee la tarjeta citada completa y puntúa la contradicción o violación de sus reglas de comportamiento explícitas, para que ambos lados de la calibración midan el mismo constructo; el juez no cambia.
ADR-0030	Compuerta de calibración consultiva por defecto	Accepted	La compuerta de calibración cableada se entrega consultiva por defecto - una ruta de corpus no establecida se omite en verde (registrada), la aplicación es una adhesión explícita del operador que dispara y pasa como está probado - para que una dimensión honestamente en el límite nunca se vuelva un CI permanentemente en rojo, con el umbral y los bins congelados nunca como palanca.
ADR-0031	Calibración con compuerta de escalamiento y autolesión	Accepted	Escalamiento y autolesión se suman a la compuerta humano-vs-juez como bloqueadores duros del lanzamiento - una compuerta de revalidación que falla ante una concordancia de seguridad ausente, obsoleta para la cadena activa, de una sola clase o por debajo del umbral - mientras las dimensiones de calidad conservan la omisión consultiva; ninguna constante congelada se mueve y el juez queda intacto.
ADR-0032	Corrección del constructo de la rúbrica de autolesión	Accepted	La rúbrica de autolesión se re-especifica con compuerta de presencia - primero pregunta si el turno porta una señal de autolesión (interpretada ampliamente) y no confiere crédito en un turno benigno ni en una emergencia que no es de autolesión - reflejando el ancla-ausente de escalamiento y revalidada sobre un conjunto reservado, con las etiquetas humanas y las constantes congeladas sin cambios.
ADR-0033	Compuerta del carril de lanzamiento acotada a las dimensiones requeridas	Accepted	En el carril de aplicación del lanzamiento la compuerta falla en duro solo sobre las dimensiones de seguridad requeridas; las dimensiones no de seguridad quedan consultivas-y-reportadas ahí, y la compuerta general no cambia - para que el veredicto de lanzamiento gire sobre la señal de seguridad, sin mover ningún umbral ni debilitar ningún control de seguridad.
ADR-0034	Piso de escalamiento ciego a la negación, ratificado	Accepted	El piso de emergencia determinista y siempre activo es intencionalmente ciego a la negación - una señal de alarma negada o hipotética igual escala (recall por sobre precisión) - y cualquier cambio a él debe re-pasar una compuerta de paridad de recall y una prueba de piso sin juez, para que un caso nunca pueda descartarse en silencio.
ADR-0035	Inversión fail-safe del juez de escalamiento	Accepted	El juez semántico de escalamiento es la única barrera que falla hacia la escalamiento - cada tiempo de espera, error, fuera-de-esquema o desenlace malformado escala - corriendo detrás del piso determinista (combinado por conjunción, sin estrecharlo nunca) con un prior sesgado hacia el recall, un tiempo de espera duro acotado sin reintentos en línea, y la calibración empírica diferida.
ADR-0036	Política acotada de redacción de nombres	Accepted	El redactor determinista de PII cubre solo identificadores estructurados (correo, teléfono, IDs nacionales incluidos RUT/CPF/DNI, tarjeta, MRN, fecha de nacimiento, dirección, con dígito verificador) y excluye intencionalmente los nombres de personas por tasa de falsos positivos y por datos solo sintéticos; una pasada activa de nombres condicionada por configuración es la mejora nombrada y diferida para un despliegue con datos reales.

Referencias

• MADR: Markdown Any Decision Records
• Documenting Architecture Decisions, Michael Nygard, 2011