Casos y aprendizajes reales
Normia, Rewi/MicroPOS, Kai, n8n y DCP Web S9/S10: evidencia, promoción, límites de generalización y evolución de EspoCRM desde integración validada a stack CRM liviano ADOPTED.
Normia, Rewi/MicroPOS, Kai, n8n y DCP Web S9/S10: evidencia, promoción, límites de generalización y evolución de EspoCRM desde integración validada a stack CRM liviano ADOPTED.
Los casos reales muestran cómo DCP Flow cambia a partir de evidencia, no de teoría aislada. El valor del caso está en entender contexto, decisión, resultado y límite de generalización.
Casos como Reference Evidence
Normia, Rewi/MicroPOS, Kai, n8n y DCP Web S9/S10 documentan aprendizajes distintos: disciplina de evidencia y TTFSFV, discovery antes de build, estandarización de patrones repetidos, separación entre capacidad y autorización, límites de orquestación y evolución de integración EspoCRM hacia un stack CRM liviano ADOPTED.
- Contexto.
- Evidencia.
- Decisión.
- Promoción y límite de generalización.
Reutilizar precedentes correctamente
Un caso no crea automáticamente un Standard. La matriz de precedentes ayuda a saber qué puede reutilizarse, qué depende del contexto y qué solo sirve como Teaching Example o Reference Evidence.
- Precedente ≠ norma.
- Comparar contexto antes de copiar.
- Registrar por qué aplica.
- Mantener trazabilidad al caso original.
Normia: intención no es evidencia ejecutada
Normia ayudó a separar arquitectura planeada, adopción, implementación parcial y comportamiento realmente ejecutado. El aprendizaje reforzó que README, diseño o arquitectura aprobada no equivalen automáticamente a evidencia, y que la madurez debe expresarse de acuerdo con el nivel real de validación.
Diagram source
flowchart LR
A[Idea / Design] --> B[Implemented]
B --> C[Executed]
C --> D[Evidence]
D --> E[Shippable Functional Value]
E --> F[TTFSFV]- Planned ≠ executed.
- PROVEN / EVOLVING / EXPERIMENTAL.
- Evitar maturity inflation.
- Usar evidencia con el peso correcto.
Rewi + MicroPOS: promover el patrón, no el producto
Comparar dos productos permitió distinguir comportamiento técnico reusable de diferencias de negocio. De ahí surgieron aprendizajes sobre persistencia, API, orchestration, INSTALL/UPDATE, runtime preservation, artifact validation y browser QA sin convertir pricing, branding o campos comerciales en reglas del framework.
- Patrón común demostrado.
- Blueprint/Skills/Gates cuando aplica.
- No copiar particularidades comerciales.
- Gate Defect ≠ Product Defect.
Kai y n8n: boundaries que reducen ambigüedad
El caso Kai consolidó Technical Capability ≠ Operational Authorization. La evidencia de integración con n8n reforzó otro boundary: la aplicación/API conserva business truth y el orquestador coordina workflows. Ambos casos muestran que una frontera explícita puede ser más reusable que una herramienta concreta.
flowchart LR A[App / Website] --> B[API / Backend] B --> C[(Domain Truth)] B --> D[Durable event / Outbox] D --> E[n8n Orchestrator] E --> F[External provider / CRM] F --> G[Result / Correlation] G --> B
Diagram source
flowchart LR
A[App / Website] --> B[API / Backend]
B --> C[(Domain Truth)]
B --> D[Durable event / Outbox]
D --> E[n8n Orchestrator]
E --> F[External provider / CRM]
F --> G[Result / Correlation]
G --> B- CAN DO ≠ AUTHORIZED NOW.
- Manual Fallback cuando no hay ejecución directa.
- API/application owns business truth.
- Orchestrator owns coordination.
De evidencia local a conocimiento reusable
DCP Flow no convierte automáticamente cada hallazgo en una regla global. La evidencia nace en un proyecto, se interpreta como Lesson Learned y después se pregunta si el aprendizaje es repetible, generalizable y mantenible. Si la respuesta es no, permanece como Project Knowledge o Reference Evidence contextual; si es sí, pasa por validación antes de promoverse al artifact correcto —por ejemplo Standard, Blueprint, Skill, Gate o Tool/MCP guidance.
flowchart LR
A[Project Evidence] --> B[Lesson Learned]
B --> C{Reusable across contexts?}
C -- No --> D[Project Knowledge / Reference Evidence]
C -- Yes --> E[Validation]
E --> F{What kind of knowledge?}
F --> G[Standard]
F --> H[Blueprint]
F --> I[Skill]
F --> J[Quality Gate]
F --> K[Tool / MCP Guidance]Diagram source
flowchart LR
A[Project Evidence] --> B[Lesson Learned]
B --> C{Reusable across contexts?}
C -- No --> D[Project Knowledge / Reference Evidence]
C -- Yes --> E[Validation]
E --> F{What kind of knowledge?}
F --> G[Standard]
F --> H[Blueprint]
F --> I[Skill]
F --> J[Quality Gate]
F --> K[Tool / MCP Guidance]- Evidence primero.
- Lesson Learned después.
- Generalization Boundary explícito.
- Promover al artifact correcto, no crear otro por reflejo.
De los casos a conocimiento reusable: evidencia con límites
Los casos recientes de web comercial demuestran por qué un build exitoso no basta para afirmar que el recorrido de negocio funciona. La aceptación durable de leads, integración desacoplada, validación en runtime y protección de servicios coexistentes se evalúan como hechos distintos. Una prueba positiva end-to-end no demuestra fiabilidad sostenida.
- Intención, implementación y observación no son sinónimos.
- Persistir primero; automatizar después cuando el contexto lo requiere.
- Un caso contextual no establece una obligación universal de stack o proveedor.
- Explicitar siempre lo que quedó sin verificar.
Tazario Recipes: aprender de software abierto sin copiar sus límites
La adaptación de BrewForm para Tazario Recipes aportó experiencia con React, Hono y Drizzle. Su revisión identificó riesgos de workflows heredados, referencias a contenedores upstream y necesidades de pruebas de integridad al editar recetas. La experiencia se convirtió en un Blueprint y cinco skills, sin declarar validado el producto en producción ni atribuir una causa no demostrada a los fallos de CI.
- Mantener atribución y licencias compatibles.
- Separar funciones implementadas de evidencia ejecutada.
- Evitar dependencia entre Tazarío y Tazario Recipes: productos diferentes.
- Promover patrones útiles, no decisiones accidentales del proyecto original.
Casos reales: evidencia y límites de generalización
Los casos de Normia, Rewi, Kai y DCP Web sirven para explicar decisiones observadas, no para convertir una arquitectura puntual en norma. La ficha de cada caso distingue contexto, problema, evidencia, cambio metodológico, reutilización y lo que no se puede generalizar.
Glosario contextual+
Evidencia histórica reutilizable como precedente cuando el contexto es comparable.
Proceso de elevar un aprendizaje probado desde un proyecto hacia conocimiento reutilizable.
Límite explícito que indica hasta dónde un aprendizaje puede reutilizarse sin asumir demasiado.
Time To First Shippable Functional Value: tiempo desde el inicio de implementación funcional de un incremento acotado hasta el primer momento en que ese valor puede considerarse shippable con evidencia suficiente. Time to First Safe Functional Vertical es una formulación histórica anterior.
