v0.4.0

Added

• Métricas locales de evaluación (KJR-TSK-0111, roadmap 0.4.0):
  faithfulness, contextPrecision, contextRecall, answerRelevance
  y el agregador evaluateAnswer en src/evaluation/local-metrics.js.
  Variantes léxico-deterministas (solape de tokens de contenido, con
  stopwords/interrogativos es-en filtrados) sin LLM ni dependencias:
  aptas para baselines offline y CI. Valores siempre en [0,1], entradas
  degeneradas con semántica definida y relevantIds vacío → error
  explícito. Re-exportadas en el barrel.

• Golden set offline (KJR-TSK-0112, roadmap 0.4.0): corpus mínimo en
  examples/golden/ (facturación/envíos/soporte) + golden.json con
  preguntas, respuestas esperadas, fuentes relevantes y baseline
  calibrado al pipeline de stubs. Runner en
  src/evaluation/golden-runner.js (loadGoldenSet, validateGoldenSet,
  runGoldenSet): indexa con HashEmbedder + InMemoryVectorStore, lanza
  el retrieval híbrido y compara las medias de las métricas locales
  contra el baseline — cualquier caída falla señalando métrica y peores
  casos. Corre como test (tests/golden-set.test.js): guardián de
  regresión en CI sin credenciales.

• Disagreement auto-labelling (KJR-TSK-0113, roadmap 0.4.0): cada
  JudgeVerdict de evaluateMultiJudge incluye ahora label
  (consensus/outlier, null si el score no es parseable) y deviation
  respecto a la mediana; el EvaluationReport agrega outliers con los
  providers desviados ≥ threshold. La mediana como consenso resiste a un
  juez desviado; con dos jueces enfrentados ambos quedan como outlier
  (no hay consenso posible). Cambio aditivo: aggregateScore y
  disagreement no cambian.

• Prompt-template auditado del Reranker LLM (KJR-TSK-0114, roadmap
  0.4.0): el prompt inline de RerankerRole (modo llm) se extrae a
  src/retrieval/rerank-prompt.js (buildRerankPrompt,
  RERANK_PROMPT_VERSION, RERANK_SNIPPET_MAX_CHARS) sin cambio de
  redacción (v1). Tests snapshot congelan el texto exacto: cambiarlo
  exige actualizar snapshot y versión conscientemente en el mismo PR.

• karajan-rag eval <golden.json> [corpus] (KJR-TSK-0115, roadmap
  0.4.0): evaluación declarativa desde CLI. Ejecuta el golden set offline
  (stubs deterministas), reporta cada métrica contra su baseline (✓/✗ con
  peores casos) y termina con exit code 1 si el baseline falla — apto
  para CI. --judges claude,ollama añade veredictos LLM-as-judge por
  caso con aggregateScore y outliers etiquetados. --dimensions N
  para el embedder del run. runEvalCommand re-exportado en el barrel.

Fixed

• Easy RAG — guarda de integridad manifest↔store (KJR-BUG-0005,
  PR #93): si .karajan/manifest.json declara ficheros pero el store
  está vacío (in-memory recién creado o persistente vaciado),
  indexDirectory reportaba "sin cambios" y las queries devolvían vacío
  en silencio. Ahora descarta el manifest y reindexa completo,
  notificándolo por onEvent.

Bugs detectados durante la validación del despliegue real en GCP
(KJR-TSK-0110, primer caso de uso en producción del módulo deploy/gcp):

• deploy/gcp — Cloud SQL (KJR-BUG-0001, PR #87): el provider google
  ~>6.0 crea instancias con edición ENTERPRISE_PLUS por defecto, que
  rechaza tiers compartidos; se fija edition = "ENTERPRISE", compatible
  con el default db-f1-micro.
• Migración pgvector (KJR-BUG-0002, PR #90): karajan_rag_chunks.id
  pasa de uuid a text — los chunk ids de la capa Easy RAG son texto
  estable (doc:ruta.md#0) y el INSERT fallaba. Se retira pgcrypto y se
  documenta el ajuste de dimensión según el fingerprint del manifest.
• deploy/gcp — Cloud Run (KJR-BUG-0003, PR #88): deletion_protection = false explícito; el default del provider impedía reemplazar
  revisiones fallidas y rompía terraform destroy.
• Dockerfile (KJR-BUG-0004, PR #89): pg no llegaba a la imagen — la
  stage de deps heredaba el package.json del repo y npm lo omitía por
  figurar en devDependencies. Ahora los backends (pg,
  @lancedb/lancedb) se instalan sobre un package.json aislado.