CODEC-CORTEX

Codec ideático determinista entre máquinas y humanos. La IA lee y escribe CORTEX; el humano lee HCORTEX, su proyección renderizada mediante esquemas visuales emparejados.

El proyecto no es un formato más: es un contrato de permanencia. Un documento cortex:1.0 válido hoy lo será siempre; el hash canónico depende del significado y no del formato editorial, y toda pérdida de roundtrip está declarada con nombre propio y verificada en cinco implementaciones independientes.

El lenguaje

CORTEX 1.0 es el canon normativo único. Unifica la superficie fundamental (0.1) y el eje de codificación por slots (0.2) en un solo dialecto, con aridad posicional estricta, catálogo de errores cerrado y superficie de pérdida declarada.

Los dialectos 0.1 y 0.2 siguen siendo legibles como alias de lectura; la escritura canónica es siempre cortex:1.0. Los textos 0.x están archivados como evidencia en archive/2026-11/standard-0x/.

• Canon: docs/standard/CORTEX-SPEC-1.0.md
• Errores: docs/standard/errors-1.0.md
• Gramática: docs/grammar/cortex-1.0.ebnf
• Vectores normativos: conformance/1.0/

Ejemplo

CORTEX es para la IA. HCORTEX es para humanos.

$0:KERNEL
$0:format{cortex:1.0,encoding:UTF-8,language:es}
$0:enum_state{values:"current|planned|done"}
OBJ:task{type:attrs,weight:H,focus:goal,desc:"Tarea",fields:"goal:text|status:%state"}
$1: TAREAS:CORE
OBJ:learn{goal:"Aprender HCORTEX",status:current}
OBJ:docs{goal:"Escribir documentacion",status:planned}

python -m codec_cortex to-hcortex tareas.cortex    # CORTEX -> HCORTEX (humano)
python -m codec_cortex from-hcortex tareas.md      # HCORTEX -> CORTEX (máquina)
python -m codec_cortex loss-report tareas.cortex   # qué se pierde en el viaje

Salida exacta de to-hcortex para el documento anterior:

<!-- HCORTEX v=1.0 t=canonical k=corpus -->

<!-- glossary -->
$0:KERNEL
$0:format{cortex:1.0,encoding:UTF-8,language:es}
$0:enum_state{values:"current|planned|done"}
OBJ:task{type:attrs,weight:H,focus:goal,desc:"Tarea",fields:"goal:text|status:%state"}

<!-- /glossary -->

## §1: TAREAS

<!-- schema:1 capa:CORE -->
### OBJ:learn
| goal | status |
|---|---|
| "Aprender HCORTEX" | current |

### OBJ:docs
| goal | status |
|---|---|
| "Escribir documentacion" | planned |

<!-- /schema:1 -->

HCORTEX 1.0 se produce como función pura del AST: mismo documento, mismos bytes, en cualquiera de las cinco superficies. Un compilador nunca emite fuente inválida: si la salida canónica no parsea, falla con el diagnóstico del parser.

Implementaciones

Cinco superficies con comportamiento equivalente, verificadas por el certificado del proyecto (D3 y D3b: hash y render byte-exactos entre todas).

Lenguaje	Directorio	Ejecutable	Distribución
Python (referencia)	codec_cortex/	python -m codec_cortex	PyPI codec-cortex 1.0.1
Go	codec-cortex-go/	codec-cortex	go get + make dist
Node.js	codec-cortex-node/	codec-cortex-node	local: npm install ./codec-cortex-node
Rust	codec-cortex-rs/	cortex	cargo build --release (no publicado)
Bash	codec-cortex-bash/	codec-cortex	sourceable, requiere jq

CLI

Los cinco exponen el mismo núcleo. Python además ofrece migrate y conformance; Go y Bash añaden harness histórico; Rust añade compare e inspect.

Comando	Qué hace
parse <file>	AST en JSON (dispatcher 0.1/0.2/1.0)
validate <file>	válido → exit 0; inválido → diagnóstico
canonicalize <file>	bytes canónicos C14N-1.0
hash <file>	hash canónico con dominio separado por versión
to-hcortex <file>	render HCORTEX determinista
from-hcortex <file>	compila HCORTEX y auto-valida la salida
loss-report <file|->	pérdidas declaradas en JSON canónico

loss-report es la novedad del canon 1.0: nombra toda información de la fuente que no sobrevive al viaje CORTEX → HCORTEX → CORTEX, con catálogo cerrado y guardia L499_UNCLASSIFIED_LOSS. Ver docs/LOSS-REPORT.md.

Certificado determinista

bench/certify.py no depende de ningún LLM: re-ejecuta el corpus sellado y produce bench/results/certificate.json.

Indicador	Qué verifica	Resultado
D1	idempotencia de C14N	141/141
D2	roundtrip HCORTEX byte-exacto	141/141
D2b	vectores HCORTEX 1.0	70/70
D3	paridad cross-runtime (hash)	5/5 superficies
D3b	paridad de render HCORTEX	101/101
D4	no-pérdida estructural	141/141
D5	sensibilidad a tamper	PASS
D6	paridad de loss-report en las 5 superficies	75/75
D7	contrato del dialecto 0.1 (G042 + $0 desnudo)	10/10

Reproducir:

python -m bench.certify          # emite certificate.json + veredicto
sha256sum -c --quiet tests/SHA256SUMS   # sello del corpus (986 entradas)

El certificado se ejecuta en CI (.github/workflows/certificate.yml) y está firmado por un auditor independiente en bench/results/audit.sig (auditoría 1.8, SIGNED-PASS). La firma es verificable por recomputo:

python bench/verify_audit.py     # exit 0 = firma y artefactos consistentes

Documentación

Documento	Para qué
docs/QUICKSTART.md	primer documento en 5 minutos
docs/standard/CORTEX-SPEC-1.0.md	canon normativo (gramática, C14N, HCORTEX, errores, conformidad)
docs/standard/errors-1.0.md	catálogo de errores cerrado (código ↔ emisor ↔ superficie)
docs/LOSS-REPORT.md	pérdidas declaradas: catálogo, JSON, límites
docs/MIGRATION-1.0.md	cambios incompatibles y recetas de migración
docs/parser-api.md	API Python y referencia de CLI
bench/agent-package/	paquete instructivo .cortex para que un agente autónomo benchmarkee el codec
docs/authoring/custom-sigils.md	crear sigilos y secciones
docs/authoring/hcortex-templates.md	plantillas HCORTEX bidireccionales
archive/2026-11/	material histórico congelado bajo sello

Skill autocontenido (para LLMs)

El estándar escrito en CORTEX: cualquier modelo lo lee como .md y responde CORTEX válido. Cubre 1.0, el catálogo de pérdidas y los comandos.

• skill/codec-cortex.skill.md — fuente
• skill/codec-cortex.skill.hcortex.md — misma verdad en HCORTEX

Evidencia exploratoria (pre-BLP-003)

Pruebas informales anteriores al benchmark riguroso (~20 ejecuciones, modelos sin identificar nominalmente, sin repeticiones ni intervalos de confianza) sugirieron comprensión, durabilidad y generación favorables de CORTEX frente a JSON/YAML/XML.

Estado: evidencia exploratoria, no conforme a Art. XVII. Está siendo re-medida con rigor (pre-registro, R=5, IC, auditoría ciega) bajo bench/preregistration.yaml. Las únicas afirmaciones con respaldo reproducible hoy son las del certificado.

Licencia

Apache License 2.0 — ver LICENSE.

Uso comercial, modificación y redistribución permitidos, sin copyleft. La redistribución debe mantener la atribución a Fidel Ernesto Lozada A. como autor original: requisito obligatorio por la sección 4(d) de la licencia y por NOTICE, que debe acompañar a toda distribución.

El proyecto no puede presentarse como obra propia. Los colaboradores se registran en AUTHORS.md.