feat(0035e): manifest auto_group_threshold override + propagacion a Python

Manifest YAML puede declarar 'auto_group_threshold: <int>' a nivel
top-level. enrichers.cpp lo parsea y lo guarda en EnricherSpec.
jobs.cpp lo inyecta como campo opcional 'auto_group_threshold' en el
JSON stdin del subprocess. Los enrichers Python que crean Groups
(web_search, split_words, split_sentences, extract_iocs_text) leen el
campo y, si viene > 0, lo usan en lugar de su DEFAULT_GROUP_THRESHOLD.
Helper _coerce_threshold tolera int / str / None / 0 cayendo al default.

enrichers/extract_iocs_text/run.py

@@ -48,6 +48,17 @@ DEFAULT_GROUP_THRESHOLD = 50
 GROUP_PREVIEW_K         = 10
 
 
+def _coerce_threshold(raw, default: int) -> int:
+    """Acepta int / str numerico / None, devuelve >0 o el default (issue 0035e)."""
+    if raw is None or raw == "":
+        return default
+    try:
+        v = int(raw)
+    except (TypeError, ValueError):
+        return default
+    return v if v > 0 else default
+
+
 def progress(p: float, stage: str = "") -> None:
     sys.stderr.write(f"PROGRESS:{p:.2f} {stage}\n")
     sys.stderr.flush()
@@ -206,7 +217,9 @@ def main() -> int:
     try:
         has_group_col = has_group_id_column(conn)
         n_total = len(unique)
-        threshold = DEFAULT_GROUP_THRESHOLD
+        # Issue 0035e: respeta override del manifest si viene en ctx.
+        threshold = _coerce_threshold(ctx.get("auto_group_threshold"),
+                                       DEFAULT_GROUP_THRESHOLD)
 
         if n_total >= threshold and has_group_col:
             # Group heterogeneo (provisional, ver docstring).

enrichers/split_sentences/run.py

@@ -38,6 +38,17 @@ from datetime import datetime, timezone
 DEFAULT_GROUP_THRESHOLD = 50
 GROUP_PREVIEW_K         = 10
 
+
+def _coerce_threshold(raw, default: int) -> int:
+    """Acepta int / str numerico / None, devuelve >0 o el default (issue 0035e)."""
+    if raw is None or raw == "":
+        return default
+    try:
+        v = int(raw)
+    except (TypeError, ValueError):
+        return default
+    return v if v > 0 else default
+
 # Split por delimitador de oracion (.!?) seguido de whitespace seguido de
 # inicial de oracion en mayusculas (incluye acentos espanoles). Robusto
 # para texto en espanol e ingles. Casos limite (abreviaturas como "Sr.",
@@ -273,7 +284,9 @@ def main() -> int:
     try:
         has_group_col = has_group_id_column(conn)
         n_total = len(sentences)
-        threshold = DEFAULT_GROUP_THRESHOLD
+        # Issue 0035e: respeta override del manifest si viene en ctx.
+        threshold = _coerce_threshold(ctx.get("auto_group_threshold"),
+                                       DEFAULT_GROUP_THRESHOLD)
 
         if n_total >= threshold and has_group_col:
             group_id = insert_group_entity(

enrichers/split_words/run.py

@@ -39,6 +39,17 @@ from datetime import datetime, timezone
 DEFAULT_GROUP_THRESHOLD = 50
 GROUP_PREVIEW_K         = 10
 
+
+def _coerce_threshold(raw, default: int) -> int:
+    """Acepta int / str numerico / None, devuelve >0 o el default (issue 0035e)."""
+    if raw is None or raw == "":
+        return default
+    try:
+        v = int(raw)
+    except (TypeError, ValueError):
+        return default
+    return v if v > 0 else default
+
 # Tokenizer: secuencias de letras (incluye acentos espanyoles + apostrofo
 # interno tipo "don't"). Mas robusto que split por espacios para texto
 # real con puntuacion adyacente. Numeros se ignoran — pensado para
@@ -264,7 +275,9 @@ def main() -> int:
     try:
         has_group_col = has_group_id_column(conn)
         n_total = len(words)
-        threshold = DEFAULT_GROUP_THRESHOLD
+        # Issue 0035e: respeta override del manifest si viene en ctx.
+        threshold = _coerce_threshold(ctx.get("auto_group_threshold"),
+                                       DEFAULT_GROUP_THRESHOLD)
 
         if n_total >= threshold and has_group_col:
             group_id = insert_group_entity(

enrichers/web_search/run.py

@@ -50,6 +50,22 @@ DEFAULT_GROUP_THRESHOLD = 50
 GROUP_PREVIEW_K         = 10
 
 
+def _coerce_threshold(raw, default: int) -> int:
+    """Acepta int / str numerico / None, devuelve >0 o el default.
+
+    Issue 0035e: el manifest puede declarar `auto_group_threshold: <int>`
+    y jobs.cpp lo propaga al subprocess. Cualquier otro valor (None,
+    "", 0, no parseable) cae al default global.
+    """
+    if raw is None or raw == "":
+        return default
+    try:
+        v = int(raw)
+    except (TypeError, ValueError):
+        return default
+    return v if v > 0 else default
+
+
 def progress(p: float, stage: str = "") -> None:
     sys.stderr.write(f"PROGRESS:{p:.2f} {stage}\n")
     sys.stderr.flush()
@@ -619,9 +635,11 @@ def main() -> int:
     try:
         has_group_col = has_group_id_column(conn)
         n_total = len(results)
-        # Threshold: por ahora hardcoded; la lectura del manifest
-        # vendra en 0035e (settings UI / overrides por enricher).
-        threshold = DEFAULT_GROUP_THRESHOLD
+        # Threshold: el manifest puede declarar `auto_group_threshold` y
+        # jobs.cpp lo propaga via stdin (issue 0035e). Si no viene, se
+        # usa el default interno del enricher.
+        threshold = _coerce_threshold(ctx.get("auto_group_threshold"),
+                                       DEFAULT_GROUP_THRESHOLD)
 
         if n_total >= threshold and has_group_col:
             # Modo Twitter/Reddit: K sueltos + Group con N-K hijos.