hammer/scripts/juez.sh

#!/bin/sh
# juez.sh <receta> — JUEZ MECÁNICO del bucle agéntico (SDD 17 §10).
#
#   agente propone receta → harkaq veredicto → granja reproduce ×2 → catálogo acepta
#
# Sin humano en el medio para la parte mecánica: el humano decide QUÉ construir; el juez decide
# si lo construido MERECE entrar al catálogo, y lo decide con evidencia, no con opinión.
#
#   scripts/juez.sh recipes/zlib.toml
#
# Dos preguntas, dos veredictos, ninguno negociable:
#   1. ¿HERMÉTICO?     harkaq (SDD 16): ¿usó algo que no declaró? El kernel responde.
#                      `denials=[]` no se cree, se GANA (el canario lo demuestra — D9).
#   2. ¿REPRODUCIBLE?  consenso (SDD 17 §1): N builders independientes, ¿el mismo hash?
#                      Si sí, el artefacto es confiable SIN FIRMA.
#
# Si falla, el juez no dice "no" a secas: dice POR QUÉ y qué hacer.
#   - Impuro     → harkaq-suggest: "declarar dep: make" (arreglo mecánico)
#   - Divergente → why-differs: qué fichero, qué causa (codegen/timestamp/build-id)
#
# Es el bucle que el SDD 08 §4 pide ("la IA propone, el sistema reproduce, el humano commitea")
# con la pieza que faltaba: un juez que la IA no puede convencer, sólo satisfacer.
set -eu

RECETA="${1:?uso: juez.sh <receta.toml>}"
HUB="$(cd "$(dirname "$0")/.." && pwd)"
cd "$HUB"
n=$(basename "$RECETA" .toml)
BUILDERS="${BUILDERS:-2}"

echo "══════ JUEZ MECÁNICO — $n"
echo

# ── 1. ¿HERMÉTICO? (harkaq)
echo "── 1/2 ¿usó algo que no declaró?  [harkaq, SDD 16]"
if [ ! -x "${HARKAQ_BIN:-$HOME/.cache/harkaq}/harkaq-audit" ]; then
    echo "   ⊘ harkaq no está compilado ⇒ SIN EVIDENCIA. El juez NO afirma hermeticidad."
    echo "     (compilar scripts/harkaq/*.c y `setcap cap_audit_read` — ver scripts/harkaq/README.md)"
    veredicto_h="sin-evidencia"
else
    export HARKAQ=1 HARKAQ_BIN="${HARKAQ_BIN:-$HOME/.cache/harkaq}"
    export HARKAQ_BASE="${HARKAQ_BASE:-$HARKAQ_BIN/base.policy}" HARKAQ_TIMEOUT="${HARKAQ_TIMEOUT:-200}"
    # Nombre ÚNICO por corrida: con uno fijo, la 2ª vez `hammer build` pega en CACHÉ, no
    # construye nada, no hay veredictos y el juez dice "sin evidencia" — un falso negativo que
    # parece un problema de la receta. (Gotcha conocido; me mordió al probar el juez.)
    uniq="$n-juez-$$"
    tmp="$(dirname "$RECETA")/.juez-$n.toml"
    sed -E "s/^(name\s*=\s*)\"$n\"/\1\"$uniq\"/" "$RECETA" > "$tmp"
    out=$(timeout "${POR:-600}" ./target/debug/hammer build "$tmp" --store "$PWD/store" 2>&1 || true)
    rm -f "$tmp"; rm -rf store/*-"$uniq" 2>/dev/null || true
    veredictos=$(echo "$out" | grep '^\[harkaq\] {' | sed 's/^\[harkaq\] //')
    deuda=""
    if [ -z "$veredictos" ]; then
        echo "   ⊘ sin veredicto (¿caché? ¿el build ni arrancó?) ⇒ SIN EVIDENCIA"
        veredicto_h="sin-evidencia"
    else
        veredicto_h="hermetico"
        i=0
        echo "$veredictos" | while IFS= read -r v; do :; done
        printf '%s\n' "$veredictos" > /tmp/.juez-v
        while IFS= read -r v; do
            i=$((i + 1)); echo "$v" > /tmp/.juez-1
            est=$(scripts/harkaq/harkaq-verdict.py /tmp/.juez-1 "$HARKAQ_BASE" --human 2>/dev/null | head -1 | sed 's/^ *estado: //;s/ .*//')
            echo "      fase $i: ${est:-?}"
            [ "$est" = "Impuro" ] && { veredicto_h="impuro"; \
                scripts/harkaq/harkaq-suggest.py /tmp/.juez-1 "$HARKAQ_BASE" "$PWD/store" "$PWD/recipes" "$RECETA" 2>/dev/null | sed 's/^/         /'; }
            [ "$est" = "SinEvidencia" ] && veredicto_h="sin-evidencia"
        done < /tmp/.juez-v
        # el while corre en subshell: recuperar el peor veredicto por marcador
        grep -q '"estado":"Impuro"' /tmp/.juez-v && veredicto_h="impuro"
        grep -q '"estado":"SinEvidencia"' /tmp/.juez-v && veredicto_h="sin-evidencia"
    fi
fi
echo

# ── 2. ¿REPRODUCIBLE? (consenso)
echo "── 2/2 ¿N builders independientes dan el mismo hash?  [consenso, SDD 17 §1]"
if consenso=$(BUILDERS="$BUILDERS" timeout "${POR_CONSENSO:-1200}" scripts/consenso.sh "$RECETA" "$BUILDERS" 2>&1); then
    echo "$consenso" | grep -E '✅|builder' | sed 's/^/   /'
    veredicto_r="consenso"
else
    rc=$?
    echo "$consenso" | grep -E '⚠️|builder|SIN CONSENSO' | sed 's/^/   /'
    [ "$rc" = 1 ] && veredicto_r="divergencia" || veredicto_r="sin-consenso"
    if [ "$veredicto_r" = divergencia ]; then
        echo "   ── why-differs (SDD 17 §2) explicaría la divergencia:"
        echo "      scripts/why-differs.py <hashA> <hashB> --store ./store"
    fi
fi
echo

# ── VEREDICTO
echo "══════ VEREDICTO"
if [ "$veredicto_h" = hermetico ] && [ "$veredicto_r" = consenso ]; then
    echo "   ✅ ACEPTAR — no usó nada sin declarar Y $BUILDERS builders lo reprodujeron bit a bit."
    echo "      El catálogo puede confiar en este artefacto sin firma y sin revisión humana del build."
    exit 0
fi
echo "   ❌ NO ACEPTAR"
[ "$veredicto_h" = impuro ]        && echo "      · hermeticidad: usa algo sin declarar (ver la sugerencia arriba: es una línea)"
[ "$veredicto_h" = sin-evidencia ] && echo "      · hermeticidad: SIN EVIDENCIA — no se afirma nada (D9: un lector ciego y un build limpio son idénticos)"
[ "$veredicto_r" = divergencia ]   && echo "      · reproducibilidad: los builders NO coinciden ⇒ hay un canal impuro"
[ "$veredicto_r" = sin-consenso ]  && echo "      · reproducibilidad: no hubo suficientes builders con hash"
exit 1