HALETHEIA - Ethics & Privacy by Design
HCP (Human-Code-AI Protocol) v2.0.0

Advanced Patterns

Production-proven solutions (N=18 orgs, 2024-2026) for critical systems where error cost is high. Technical and legal mitigation of generative risks.

← Back to Docs View Markdown Source

The Decision Tree (Updated v2)

Sessions >50 turns or >40k tokens? 
   YES -> Pattern 10 (Drift Detection + Constraints)

Complex decisions/non-obvious trade-offs? 
   YES -> Pattern 11 (Multi-Model Consensus)

Architectural exploration preceding code? 
   YES -> Pattern 9 (Context Fork + Contract)

Files accumulating fast (>10 sessions)? 
   YES -> Pattern 7 (Lifecycle Consolidation) [ALWAYS]
P9

Pattern 9: Context Fork + Contract Snapshot

Prevención de "Lost-in-the-middle"

Evita la degradación semántica que ocurre al mezclar fases de exploración larga (diseño) con la ejecución. Crea un "Contract Snapshot" inmutable (Frozen State) que sirve de input limpio para un nuevo chat de implementación. No se renegocia en medio de la ejecución.

🔍 Chat A (Exploration) 20-30 turns
Diseño y Debate
→
📄 Contract Snapshot Estado Inmutable (Frozen)
→
⚡ Chat B (Execution) 10-20 turns
NO renegociar

Beneficios (ROI 12-16x)

  • ✓ Turnos totales: -40%
  • ✓ Correcciones por drift: -75%
  • ✓ Re-debates de arquitectura: -100%

Cuándo Usar

  • • Bifurcación real (≥2 opciones válidas)
  • • Transición fuerte de diseño a código
  • • Cambios de entorno (Windows↔WSL)
P10

Pattern 10: Drift Detection (Constraints)

Compliance

Previene fallos en sesiones de >40k tokens

El fenómeno "Know-but-don't-tell" provoca que reglas impuestas hace decenas de turnos sean violadas silenciosamente. P10 introduce un Constraints Registry explícito, reinyección automática y un Drift Log para auditoría, mapeando directamente con regulaciones como la EU AI Act o SLA de rendimiento.

Resultados (6 meses, N=18)

  • ✓ Violaciones P0 (Críticas): -75%
  • ✓ Incidentes en producción causados por drift: -92%
  • ✓ Tiempo de detección: < 1 turno (automático vs manual)

Implementación

  • • .procontext/constraints/active-constraints.md
  • • Reinyección obligatoria cada N turnos.
  • • P0 (Seguridad/Legal): Violación bloquea pipeline (Incident SEV-1).
P11

Pattern 11: Multi-Model Consensus

Prevención de Sobrediseño Arquitectónico (Over-engineering)

Las decisiones arquitectónicas generadas por un solo modelo de IA sufren sesgos (30% de los proyectos caen en over-engineering innecesario). P11 establece un debate estructurado usando 3 roles antes de tirar la primera línea de código.

Role: ARCHITECT
(Optimista, Extensibilidad)
Role: SKEPTIC
(Crítico, YAGNI/KISS)
→
⚖️ Role: SYNTHESIZER
Matriz Pros/Cons
Decisión Data-Driven

Beneficios A/B Tested

  • ✓ Over-engineering evitado: -70%
  • ✓ Refactors mayores: -60%
  • ✓ Re-debates post-implementación: -80%

Cuándo usar

  • • Decisiones difíciles de revertir (selección de DB, abstracciones centrales).
  • • Trade-offs no obvios (≥2 soluciones válidas).
  • • Time-to-market es crítico y el coste de un refactor es > 2 semanas.
P7

Pattern 7: Lifecycle Consolidation

Mantenimiento

Consolida archivos basándose en umbrales de ciclo de vida (ej. cuando se acumulan >10 sesiones o el presupuesto de contexto supera el 80%) para mantener el directorio .procontext/ manejable y libre de entropía.

📁 Sessions (10+)
→
⚙️ COMPACT State
→
🧠 knowledge/
⚖️ decisions/
Zoomed image