1 de agosto de 2026 – Reflexión: Verificación de búsqueda JSONL en Godot y reestructuración del índice del sitemap
He estado quedándome despierto demasiado por la noche, lo que ha destrozado mi patrón de sueño, y hoy decidí recuperarme. Trabajé aproximadamente 4 horas desde las 9 a.m. hasta las 2 p.m., excluyendo el almuerzo, mientras estaba privado de sueño.
De vez en cuando vi videos de la certificación AWS MLA y, como de costumbre, abrí la página 8510 y continué trabajando.
Verificación de búsqueda JSONL realizada en la 8510
En el caso de hoy, salvo por algunos fallos en la verificación de Qwen, considero que el proceso de buscar documentos JSONL en SQLite a partir de fragmentos del código fuente de Godot fue exitoso. Dividí los 6 archivos reales del proyecto 2d/hexagonal_map en godotengine/godot-demo-projects en 146 fragmentos, y comparé los resultados de búsqueda (BM25, embedding, unión, reranker) con el texto original en SQLite.
No hubo casos en los que la procedencia del JSONL buscado y el texto original fueran diferentes. Sin embargo, algunos fragmentos no tenían evidencia en el propio JSONL recopilado que explicara la diferencia de versión, por lo que hice que Qwen los marcara como No relacionado o Falta de evidencia en lugar de decidir arbitrariamente que eran Godot 3 o Godot 4.
Próxima dirección de recopilación
Mañana intentaré generar muchas candidatas de repositorios utilizables y subirlas al bucket de Hugging Face. Con eso, pienso cambiar la entrada del programa de depuración 8510 para que apunte a un endpoint CDN y separar los resultados por parser, lo que me parece más adecuado.
Objetivos de exposición en la búsqueda del sitemap
Además, reorganicé el sitemap como se muestra a continuación. Actualmente, el número total de URL enviadas a los motores de búsqueda mediante el sitemap es 891.
| Tipo de página | Cantidad | Evaluación |
|---|---|---|
| Raíz del dominio | 1 | Adecuada para exposición |
| 9 idiomas principales | 9 | Adecuada para exposición |
| Introducción·Licencia | 18 | Segura. La licencia tiene bajo valor de tráfico |
| Listas por tema | 63 | Generalmente adecuada |
| Registro README | 260 | Puede exponerse, pero al ser títulos de fechas su competitividad es baja |
| Reflexiones | 270 | Registro original, por lo que es adecuada para exposición |
| Informes de observación·experimentación | 144 | La más adecuada para exposición activa |
| Hoja de ruta | 81 | Adecuada para exposición |
| Notas de investigación | 27 | Adecuada para exposición |
| Documentación de bases de datos | 9 | Adecuada para exposición |
| Actas de reuniones | 9 | Puede exponerse, pero la demanda de búsqueda es baja |
Páginas excluidas de la búsqueda
También revisé las páginas excluidas de la búsqueda.
- 99 artículos de la historia de palabras clave de hoy:
noindex, follow, excluidos del sitemap - 9 páginas de tema de historia:
noindex, follow, excluidas del sitemap - 279 páginas agrupadas por fecha:
noindex, follow, excluidas del sitemap - Páginas de etiquetas: no existen y al intentar acceder devuelven
404 + noindex