ia-modelo-embeddings: el guardián probado EN EL HUB antes de gastar un turno de build — tres fallos

El guardián nuevo (tokeniza español + el espacio distingue) se corrió a mano contra el modelo antes
de esperar el lock, y estaba mal de tres formas distintas:

1. **`cos` es una función interna de awk**, así que `cos[2]` muere con un `syntax error` que no
   menciona el nombre. Se llama `cs`.
2. el `sed` que partía por corchete de apertura **se comía el último vector** (salían 2 de 3, y el
   `test -ge 3` lo habría cazado, pero fallando por el motivo equivocado). Ahora `grep -o` por el
   corchete completo.
3. y los backslashes iban DOBLES: en un literal TOML de comilla triple no se escapan, así que la
   shell recibía `\\n` y `tr` se ponía a borrar las letras «n».

Y una cuarta, de mi propio comentario: al explicar el punto 3 escribí la comilla triple **dentro**
de la cadena que empieza con comilla triple. Cerró el literal y el TOML dejó de parsear, con el error
apuntando a la línea del comentario. Queda avisado ahí mismo.

Verificado en el hub: guardián 2 → 11 y 14 tokens distintos, 0 comunes; guardián 3 →
gato~perro=0,8436 contra gato~cortafuegos=0,6292. Los dos PASAN con el modelo bueno.

recipes/ia-modelo-embeddings.toml

@@ -79,7 +79,7 @@ test "$n" -gt 500000000 || { echo "!! el GGUF pesa $n bytes: está truncado" >&2
 # aparece semanas después como «la búsqueda devuelve siempre lo mismo». Dos frases SIN palabras en
 # común tienen que dar conjuntos de tokens distintos; si todo cae en el mismo id de desconocido, se
 # parecen demasiado y esto falla.
-tok() { llama-tokenize --model "$M" --prompt "$1" 2>/dev/null | sed 's/ *\\([0-9]*\\) ->.*/\\1/' | sort -u; }
+tok() { llama-tokenize --model "$M" --prompt "$1" 2>/dev/null | sed 's/ *\([0-9]*\) ->.*/\1/' | sort -u; }
 tok "el cortafuegos bloquea la salida de una aplicación" > /tmp/t1
 tok "un minino atigrado dormía sobre las tejas del tejado" > /tmp/t2
 c1=$(wc -l < /tmp/t1); c2=$(wc -l < /tmp/t2); comunes=$(comm -12 /tmp/t1 /tmp/t2 | wc -l)
@@ -112,13 +112,21 @@ curl -s --unix-socket "$S" -H 'Content-Type: application/json' \
   -d '{"input":["gato","perro","cortafuegos"]}' http://localhost/v1/embeddings > /tmp/emb.json
 kill $SRV 2>/dev/null
 # Los tres vectores, uno por línea, y el coseno en awk: el lab no trae python y para esto alcanza.
-tr -d ' \\n' < /tmp/emb.json | sed 's/.*"data"://' | tr '[' '\\n' | sed -n 's/^\\([-0-9.,e]*\\)\\].*/\\1/p' > /tmp/vs
+# ⚠ OJO CON LOS BACKSLASHES: esto es un literal TOML de comilla triple, así que NO se escapan — lo
+# que se escribe es lo que ve la shell. Un backslash DOBLE manda dos caracteres, y entonces `tr` se
+# pone a borrar las letras «n». (Y ojo también con teclear una comilla triple en un comentario de
+# acá: cierra la cadena y el TOML deja de parsear. Pasó, y el error señala a la línea del comentario.)
+# ⚠ Las dos cosas de abajo se probaron EN EL HUB antes de gastar un turno de build, y las dos
+# estaban mal en el primer intento: un `sed` por corchete de apertura se comía el último vector
+# (salían 2 de 3), y el arreglo no puede llamarse `cos` — **`cos` es una función interna de awk** y
+# el script muere con un `syntax error` que no menciona el nombre.
+tr -d ' \n' < /tmp/emb.json | grep -o '\[[-0-9.,e]*\]' | tr -d '[]' > /tmp/vs
 test "$(wc -l < /tmp/vs)" -ge 3 || { echo "!! no salieron tres vectores" >&2; head -c 300 /tmp/emb.json >&2; exit 1; }
-awk -F, 'NR<=3{n=0;s=0;for(i=1;i<=NF;i++){v[NR,i]=$i;s+=$i*$i;n++};len[NR]=sqrt(s);cols=n}
+awk -F, 'NR<=3{s=0;for(i=1;i<=NF;i++){v[NR,i]=$i;s+=$i*$i};len[NR]=sqrt(s);cols=NF}
 END{
-  for(p=2;p<=3;p++){d=0;for(i=1;i<=cols;i++)d+=v[1,i]*v[p,i];cos[p]=d/(len[1]*len[p])}
-  printf "guardián: gato~perro=%.4f  gato~cortafuegos=%.4f\\n", cos[2], cos[3]
-  if (cos[2] <= cos[3] + 0.02) {
+  for(p=2;p<=3;p++){d=0;for(i=1;i<=cols;i++)d+=v[1,i]*v[p,i];cs[p]=d/(len[1]*len[p])}
+  printf "guardián: gato~perro=%.4f  gato~cortafuegos=%.4f\n", cs[2], cs[3]
+  if (cs[2] <= cs[3] + 0.02) {
     print "!! el espacio no distingue: un gato se parece a un cortafuegos tanto como a un perro" > "/dev/stderr"
     exit 1
   }