feat(eda): wiring AutomaticEDA — build_eda_render_ctx + pipeline render_automatic_eda + profile_table(emit_automatic)

Conecta el motor AutomaticEDA con los datos crudos para que los 4 capítulos
dependientes de ctx (modelos, timeseries, geospatial, agregacion) salgan
POBLADOS en vez de degradar a una nota.

- build_eda_render_ctx (datascience, impure, dict-no-throw): dado db_path+table
  y el TableProfile agregado, construye el ctx con los datos crudos que el
  perfil no incluye: raw_numeric {col:[float|None]} alineado por fila (modelos /
  geospatial), timeseries_raw {time_col,t,series} vía extract_timeseries_raw,
  geo_points {lats,lons} desde el par lat/lon detectado, y db_path/table para el
  groupby/pivot push-down de agregacion. Muestrea con LIMIT (no trae la tabla
  entera a RAM). Compone detect_time_column / extract_timeseries_raw /
  detect_latlon_columns / duckdb_query_readonly (imports lazy para evitar ciclo).
- render_automatic_eda (pipeline): one-shot perfil -> ctx -> PDF + PPTX con los
  11 capítulos poblados; devuelve rutas + manifest de versiones por capítulo.
- profile_table: flag aditivo emit_automatic=True emite el AutomaticEDA PDF+PPTX
  además del flujo legacy (emit_pdf/render_eda_pdf intacto). Nuevas claves de
  retorno aeda_pdf_path / aeda_pptx_path / aeda_manifest_path.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

python/functions/pipelines/profile_table.py

@@ -32,11 +32,14 @@ from datascience import (
     acf_pacf,
     adf_kpss_stationarity,
     association_matrix,
+    build_eda_render_ctx,
     column_quality_score,
     describe_numeric,
     eda_llm_insights,
     exploratory_caveats,
     infer_semantic_type,
+    render_automatic_eda_pdf,
+    render_automatic_eda_pptx,
     render_eda_markdown,
     render_eda_pdf,
     run_eda_models,
@@ -385,6 +388,7 @@ def profile_table(
     run_llm: bool = False,
     run_series: bool = False,
     emit_pdf: bool = False,
+    emit_automatic: bool = False,
     report_dir: str = "reports",
     write_report: bool = True,
 ) -> dict:
@@ -412,6 +416,15 @@ def profile_table(
         emit_pdf: si True (default False) renderiza un PDF multipagina vertical
             (legible en movil) del perfil junto al report markdown y devuelve su
             ruta en pdf_path.
+        emit_automatic: si True (default False) emite ademas el informe
+            AutomaticEDA COMPLETO en sus dos formatos (PDF A5 movil + PPTX 16:9)
+            con los 11 capitulos del motor por capitulos. Construye el contexto
+            de datos crudos con build_eda_render_ctx (raw_numeric para modelos/
+            geo, timeseries_raw para series, geo_points para el mapa, db_path/
+            table para la agregacion push-down) para que los capitulos modelos/
+            timeseries/geospatial/agregacion salgan poblados, no degradados. Es
+            ADITIVO: no sustituye a emit_pdf (render_eda_pdf). Sus rutas vuelven
+            en aeda_pdf_path / aeda_pptx_path / aeda_manifest_path.
         report_dir: directorio donde escribir los reports si write_report.
             Default "reports". Se crea si no existe.
         write_report: si True (default), escribe un report markdown + un JSON
@@ -727,12 +740,51 @@ def profile_table(
             except Exception:  # noqa: BLE001
                 pdf_path = None
 
+        # Informe AutomaticEDA completo (PDF + PPTX por capitulos). Aditivo:
+        # convive con emit_pdf (render_eda_pdf) sin sustituirlo. Construye el ctx
+        # con los datos crudos para que modelos/timeseries/geospatial/agregacion
+        # salgan poblados; degrada por clave si build_eda_render_ctx falla.
+        aeda_pdf_path = None
+        aeda_pptx_path = None
+        aeda_manifest_path = None
+        if emit_automatic:
+            try:
+                os.makedirs(report_dir, exist_ok=True)
+                base_ctx = {
+                    "dataset_name": table,
+                    "source_origin": db_path,
+                    "storage": "DuckDB" if backend == "duckdb" else (
+                        "PostgreSQL" if backend == "postgres" else backend),
+                }
+                if run_llm:
+                    base_ctx.update({"run_cluster_llm": True,
+                                     "run_geo_llm": True, "run_agg_llm": True})
+                ctx = build_eda_render_ctx(
+                    db_path, table, prof, backend=backend, sample=sample,
+                    base_ctx=base_ctx)
+                meta = {"title": f"EDA — {table}", "ctx": ctx}
+                aeda_pdf_target = os.path.join(report_dir,
+                                               f"aeda_{table}_{ts}.pdf")
+                aeda_pptx_target = os.path.join(report_dir,
+                                                f"aeda_{table}_{ts}.pptx")
+                rpdf = render_automatic_eda_pdf(prof, aeda_pdf_target, meta) or {}
+                rpptx = render_automatic_eda_pptx(
+                    prof, aeda_pptx_target, meta) or {}
+                aeda_pdf_path = rpdf.get("path")
+                aeda_pptx_path = rpptx.get("path")
+                aeda_manifest_path = rpdf.get("manifest_path")
+            except Exception:  # noqa: BLE001
+                pass
+
         return {
             "status": "ok",
             "profile": prof,
             "report_md_path": report_md_path,
             "report_json_path": report_json_path,
             "pdf_path": pdf_path,
+            "aeda_pdf_path": aeda_pdf_path,
+            "aeda_pptx_path": aeda_pptx_path,
+            "aeda_manifest_path": aeda_manifest_path,
         }
     except Exception as e:  # noqa: BLE001
         return {"status": "error", "error": str(e)}