Elysia Tools
Navegación
Workflow Playbook
Fija una entrada JSON o JSONL, comparala con una base o configuracion de entorno, investiga senales de calidad y entrega un resultado normalizado documentado.
Temas
Trata el payload entrante como evidencia, no como un borrador que se puede sobrescribir. Guarda una copia bruta saneada, nombra la base o los paquetes de entorno y decide si la revision pregunta por una diferencia de configuracion o por una poblacion de registros. Formatear vuelve legible la estructura, pero no prueba la intencion.
Compara el payload canonico antes de normalizarlo. Una clave agregada puede ser una anulacion aprobada de staging y una clave ausente puede ser un defecto de despliegue. Para JSONL o eventos repetidos, extrae campos y perfila completitud, duplicados, tipos inferidos y atipicos para respaldar el diff con evidencia por registro.
Elige normalizacion determinista cuando las reglas de campo sean explicitas. Reserva la asistencia para valores realmente heterogeneos, revisa una muestra representativa y enumera toda excepcion sin resolver. Una buena entrega incluye entrada conservada, base nombrada, diferencias aceptadas, reglas aplicadas y la salida para el equipo siguiente.
Guía de flujo de trabajo
Formatea la fuente saneada sin cambiar valores para inspeccionar anidamiento, arrays, nulos y claves sospechosas frente a la copia bruta conservada.
Compara el payload formateado con la base aprobada y separa claves ausentes, valores modificados y adiciones especificas del entorno antes de llamarlas defectos.
Convierte JSONL o eventos estructurados en campos y perfila completitud, filas duplicadas, tipos inferidos, deriva de formato y valores atipicos para distinguir un patron real de un diff aislado.
Aplica reglas deterministas cuando existan; usa normalizacion asistida solo para campos sucios ambiguos, compara una muestra con la fuente conservada y registra las excepciones abiertas.
Usa la comparacion de base y entornos para claves ausentes, cambiadas o inesperadas; usa el analisis de logs y dataset cuando el problema es registros mal formados, incompletos, duplicados o con deriva.
Usa normalizacion por reglas cuando ya se conocen mapeos, mayusculas, fechas y nulos. Usa asistencia de IA solo para texto o formatos heterogeneos y revisa una muestra de cada transformacion propuesta.