Linkmortem

El problema

La web pierde su memoria. El 38 por ciento de las páginas que existían en 2013 ya no estaba diez años después, y las listas awesome, los README y la documentación se llenan de links que no llevan a ninguna parte. Los verificadores de links comunes solo miran el código de estado, así que dan por viva una página de dominio en venta o una sección que alguien renombró, y no dicen qué decía la página perdida ni dónde está ahora. Arreglarlos a mano exige revisar cada link, buscar una copia archivada y confirmar que el reemplazo es el mismo contenido.

La solución

Linkmortem le hace una autopsia a cada link en seis etapas. Encuentra hasta 150 links, diagnostica cada uno hasta la sección a la que apunta, recupera la última copia sana del Wayback Machine, busca el nuevo hogar del contenido, escribe el parche y preserva los links vivos que nunca se archivaron. El código resuelve códigos de estado, dominios estacionados, verificaciones de bots, anclas de Markdown calculadas como GitHub y mudanzas anunciadas por la propia página archivada. Gemma 4 solo decide si una página que responde está viva y si un candidato es la misma página, y sin evidencia un link nunca se declara muerto. MongoDB Atlas guarda las autopsias compartidas y un cementerio de links resueltos con Vector Search, SerpApi busca en vivo con un presupuesto diario y Sentry traza cada escaneo como un agente.

Desafíos

• Descubrir que dos modelos con 0 por ciento de acierto en la primera evaluación nunca habían respondido, porque el proveedor devolvía un error dentro de una respuesta exitosa, y pedir el JSON en el prompt para llevar a Llama de 0 a 93 por ciento

• Detectar las secciones muertas, la rotura más común de las listas awesome, calculando las anclas de cada Markdown como GitHub, con 427 links a secciones de siete listas y ningún falso fantasma

• Notar que la copia archivada de Enzyme anunciaba su mudanza mientras la búsqueda fallaba, y leer esos anuncios antes de buscar para encontrar el nuevo hogar sin modelo y sin gastar una búsqueda

• Diseñar un bot que sabe cuándo callarse, con un solo pull request que se actualiza, reemplazos de links completos que nunca tocan código y ninguna acción sobre ramas o pull requests que una persona tocó

• Cerrar huecos de seguridad como direcciones con credenciales, puertos inválidos, un límite por cliente que se podía esquivar con un encabezado falso y pedidos sin tamaño máximo

Aprendizajes

• Que el modelo proponga y el código decida volvió confiable al agente, y casi cada bug terminó moviendo una decisión del modelo al código

• Un número sin evidencia no vale nada, la evaluación solo fue útil cuando empezó a guardar el motivo de cada respuesta inválida

• Medir modelos abiertos con casos propios permite elegir por errores costosos y no solo por precisión

• La honestidad es una función del producto, decir cuánto se revisó y qué no se pudo confirmar importa tanto como encontrar fantasmas

• Las trazas de un agente cuentan lo que los tests no muestran, de ahí salieron el 0 por ciento falso y un span sin entrada