chore: avance acumulado de sesiones previas (reorg dev/issues + ajustes)

Reorganizacion de dev/issues en subcarpetas (completed/, cpp/, gamedev/,
kanban/, trading/, imagegen/, matrix/) y cambios acumulados en cmd/fn/pyrunner,
.claude/commands y settings. Trabajo de otro LLM/sesion, commiteado a peticion
del usuario para desbloquear el working tree. Excluido logs/ardour_mcp_server.log (ruido).
This commit is contained in:
2026-06-30 14:43:51 +02:00
parent 5501507588
commit a3f75d61ec
125 changed files with 421 additions and 203 deletions
@@ -0,0 +1,101 @@
---
id: "0083"
title: "imagegen — notebook 02 validacion cruzada diffusers vs sdcpp_python"
status: pendiente
type: feature
domain:
- imagegen
scope: multi-app
priority: alta
depends: []
blocks: []
related: []
created: 2026-05-13
updated: 2026-05-17
tags: [ausente-ready]
---
## Objetivo
Notebook `02_cross_validation.ipynb` que ejecuta los mismos `GenerationConfig` con
los dos backends operativos (diffusers GPU + sdcpp_python CPU) sobre SD Turbo,
genera grid lado-a-lado con `image_compare_side_by_side_py_ml` y decide
cuales configs portan bien entre backends y cuales requieren ajuste.
## Contexto
- Backend diffusers GPU operativo (Ola 3.A) — 192ms/imagen warm, VRAM 3097MB.
- Backend sdcpp_python CPU operativo (Ola 3.B) — 27s/imagen 512x512 4 steps.
- Funcion `image_compare_side_by_side_py_ml` lista (Ola 3.D) con grid + diff
perceptual + pHash + pixel MSE.
- Documento `Stack de generacion de imagenes` (raiz proyecto imagegen) dice:
"Bit-exact entre backends es imposible. Aceptamos diff perceptual."
## Arquitectura
Archivos NUEVOS:
- `projects/imagegen/analysis/spike_diffusers_vs_sdcpp/notebooks/02_cross_validation.ipynb`
- `~/vaults/imagegen_models/configs/cross_validated/*.json` — configs que pasan
- `~/vaults/imagegen_models/outputs/cross/*.png` — grids A | diff | B
NO se crean funciones nuevas — todo se compone de funciones existentes del registry.
## Tareas
1. Plan del notebook (declarar al usuario antes de escribirlo)
1.1. Titulo, objetivo, criterio PASS (pHash distance < umbral X, pixel_mse < Y)
1.2. Lista de celdas y output esperado por celda
2. Notebook
2.1. Celda hardware check + GPU info (reuse).
2.2. Definir 4 configs base (seeds 42, 123, 7, 999), SD Turbo, 1-step euler_a, 512x512.
2.3. Loop config: generar A=diffusers, B=sdcpp_python.
2.4. `image_compare_side_by_side(A, B, label_a="diffusers", label_b="sdcpp")` por par.
2.5. Tabla resumen: pHash distance, pixel MSE, duration_a, duration_b.
2.6. Veredicto por config: PASS si pHash<=N (a calibrar), FAIL si no.
2.7. Guardar grids comparativos a vault.
3. Ejecutar el notebook desde la sesion claude
3.1. Lanzar Jupyter si no esta arriba.
3.2. Ejecutar celdas 1..N via `jupyter_exec_py_notebook cell`.
3.3. Reportar veredicto por config.
4. Conclusion
4.1. Si todos los configs PASS → contrato `GenerationConfig` es portable.
4.2. Si alguno FAIL → documentar campo problematico (sampler, cfg_scale, ...)
y abrir proposal de ajuste.
## Ejemplo de uso
Output esperado al final:
```
seed=42 pHash_dist=12 pixel_mse=812.4 diffusers=189ms sdcpp=26200ms PASS
seed=123 pHash_dist=14 pixel_mse=901.0 diffusers=192ms sdcpp=27100ms PASS
seed=7 pHash_dist=11 pixel_mse=750.8 diffusers=187ms sdcpp=26800ms PASS
seed=999 pHash_dist=18 pixel_mse=1102.3 diffusers=194ms sdcpp=27500ms PASS
VEREDICTO GLOBAL: PASS (contrato portable)
```
## Decisiones
- **Umbrales pHash y MSE** se calibran en este notebook — no hay valor previo.
Empezar con pHash<=20 (bastante permisivo), pixel_mse<=2000.
- **`imagehash` puede no estar instalado** en el venv — `pip install imagehash`
como primera celda si falta.
- **Solo SD Turbo en este notebook** — modelos mayores (SDXL Turbo, FLUX) iran en
notebooks separados cuando se descarguen.
## Prerequisitos
- Backends 3.A + 3.B operativos (hechos).
- SD Turbo en vault (hecho).
- Jupyter del analysis levantado (script `run-jupyter-lab.sh`).
## Riesgos
- sdcpp_python tarda ~27s por imagen en CPU → 4 imagenes x 2 backends = ~2 min
de espera real, aceptable.
- pHash de imagehash requiere instalar el paquete — documentar en cell 0.
- Si el sampler de sd.cpp difiere demasiado del de diffusers (ej. trailing
timesteps de SD Turbo), la diff sera grande aunque la implementacion sea OK.
@@ -0,0 +1,142 @@
---
id: "0084"
title: "imagegen_studio — app Go binario producto (Fase 3 plan stack)"
status: pendiente
type: feature
domain:
- imagegen
scope: app-scoped
priority: media
depends: []
blocks: []
related: []
created: 2026-05-13
updated: 2026-05-17
tags: []
---
## Objetivo
App Go autocontenida `imagegen_studio` que orquesta `sd-cli` para generar imagenes
sin Python en runtime. Encarna la Fase 3 del documento del stack: binario
distribuible, `GenerationConfig` Go nativo, subprocess streaming con progreso.
## Contexto
- Toda la capa Go del contrato esta lista: tipos `GenerationConfig_go_ml`,
`ModelRef_go_ml`, `LoraRef_go_ml`, `ImageGenResult_go_ml`, interface
`ImageGenerator_go_ml`.
- Funciones Go ya construidas: `sdcli_resolve_binary_go_ml`, `sdcli_generate_go_ml`,
`subprocess_stream_go_core`, `genconfig_to_sdcli_args_go_ml`,
`genconfig_json_marshal_go_ml`, `sdcli_parse_progress_go_ml`, `get_gpu_info_go_infra`.
- Plan del documento: producto Go con subprocess gestionando `sd-cli`,
binario embebido via `go:embed` o descarga al primer arranque.
## Arquitectura
Path: `projects/imagegen/apps/imagegen_studio/`
```
imagegen_studio/
main.go # CLI args / TUI entry / HTTP API
studio.go # ImageGenerator wrapper sobre sdcli_generate
app.md # frontmatter del registry
CMakeLists.txt # NO (es Go, usa go.mod)
go.mod
README.md
embed/ # opcional: sd binary embebido
```
**Pure core / impure shell:**
- `pkg/`: validacion `GenerationConfig`, serializacion JSON, formato outputs (paths derivados).
- `shell/` o `studio.go`: invocacion `SdcliGenerate`, IO disco, manejo subproceso.
Tres modos de uso:
1. **CLI**: `imagegen_studio generate --prompt "..." --seed 42 --out out.png`
2. **HTTP API**: `imagegen_studio serve --port 8088` → POST /generate {GenerationConfig JSON}
3. **TUI (opcional, Bubble Tea)**: forma interactiva, preview, queue
Empezar por CLI; HTTP API y TUI iterativos.
## Tareas
1. Scaffolding
1.1. `fn run init_go_app --project imagegen imagegen_studio` (si existe pipeline)
o crear estructura manual.
1.2. `app.md` con `framework: cli`, `tags: [ml, imagegen, service?]`,
`uses_functions:` lista de las 7 funciones Go citadas.
1.3. `go.mod` con dependencias minimas (registry imports + cobra opcional).
2. CLI minima (Fase A)
2.1. Subcomando `generate`: flags --prompt/--negative/--seed/--steps/--cfg/--sampler/
--width/--height/--model/--out
2.2. Construir `GenerationConfig`, llamar `SdcliResolveBinary("")`, `SdcliGenerate(...)`.
2.3. Stream progreso a stderr (callback `SdcliProgressCallback`).
2.4. Salida final: imprime path de la imagen + duration_ms + JSON meta.
3. JSON I/O (Fase B)
3.1. Subcomando `generate-from-json --config path/cfg.json --out out.png`.
3.2. Permite pegar configs validados de la fase 2 (notebook cross-validation).
4. HTTP server (Fase C, feature flag)
4.1. `imagegen_studio serve --port 8088`.
4.2. POST `/generate` body = GenerationConfig JSON → respuesta multipart PNG + meta.
4.3. GET `/health` → 200 + version + GpuInfo.
4.4. Feature flag `imagegen-studio-server` para esconder cuando no compila/no testeado.
5. e2e_checks
5.1. Anadir bloque `e2e_checks` en `app.md`:
- `build`: go build con CGO_ENABLED=0
- `cli_help`: ./imagegen_studio --help, contiene "generate"
- `smoke`: si `sd` binario en $PATH + SD Turbo en vault, generar 1 imagen
a /tmp/, verificar PNG valido. Si no: SKIP (warning).
6. Tests
6.1. Tests unitarios sobre helpers puros (path derivation, JSON marshaling).
6.2. Test integracion en e2e_checks (smoke).
## Ejemplo de uso
```bash
# CLI directo
imagegen_studio generate \
--model /home/lucas/vaults/imagegen_models/diffusers/sd-turbo/sd_turbo.safetensors \
--prompt "a red apple on a wooden table" \
--seed 42 --steps 1 --cfg-scale 0.0 --sampler euler_a \
--width 512 --height 512 \
--out /tmp/apple.png
# Desde config JSON validado en spike notebook 02
imagegen_studio generate-from-json \
--config ~/vaults/imagegen_models/configs/spike01_seed42_*.json \
--out /tmp/seed42.png
# HTTP API (feature flag activado)
imagegen_studio serve --port 8088 &
curl -X POST -H "Content-Type: application/json" \
-d @config.json http://localhost:8088/generate -o out.png
```
## Decisiones
- **Subprocess via SdcliGenerate** — no cgo ni bindings. Mas robusto, mas lento al
arrancar (~200ms cold start), pero overhead irrelevante frente a 1-30s generacion.
- **NO `go:embed` del binario `sd` en Fase A** — el binario depende de la GPU del
usuario (CUDA/CPU/Vulkan). Documentar requisito: tener `sd` en $PATH (issue 0082).
- **Feature flag para HTTP API** — Fase A es CLI, no romper master con server a medias.
## Prerequisitos
- Issue 0082 (binario `sd` compilado en $PATH) — sin esto el smoke falla pero la
app compila. Se puede arrancar el scaffolding antes.
- Funciones Go de Ola 3.C (hechas).
## Riesgos
- `sd-cli` no soporta SD Turbo cleanly con 1-step euler_a → puede requerir 4-step
como minimo. Validar en issue 0082.
- Distribucion sin binario `sd` empotrado obliga al usuario a instalarlo. Aceptable
para Fase A; reevaluar `go:embed` con build-per-backend en Fase C+.
- Si Fase 0 (spike) del documento revela calidad insuficiente: replantear stack y
pausar este issue.