# PronunciaLab v0.6.5 — Pilot Deployment Runbook

Este runbook convierte la versión congelada de piloto en una secuencia operativa repetible para desplegar, verificar y ejecutar sesiones reales sin agregar features durante la validación.

## Objetivo

Reducir riesgo operativo antes de probar con estudiantes reales:

- conservar `api/config.php` real de producción;
- evitar caché viejo del service worker;
- confirmar que la práctica principal funciona;
- registrar evidencia útil;
- aplicar solo hotfix P0 durante el piloto.

## 1. Pre-deploy

1. Respaldar la carpeta actual de PronunciaLab en Hostinger.
2. Descargar o conservar una copia del `api/config.php` real del servidor.
3. Confirmar que no se van a activar APIs externas, analytics externos ni guardado de audio.
4. Confirmar que el piloto usará Chrome/Edge con HTTPS cuando sea posible.

## 2. Deploy

1. Subir `PronunciaLab_v0.6.5_pilot-deployment-runbook.zip`.
2. Descomprimir sobre la instalación actual.
3. Si Hostinger pregunta por reemplazar `api/config.php`, conservar el archivo real del servidor.
4. Abrir la app en modo incógnito o hacer hard reload.
5. Confirmar que el badge visible muestre `v0.6.5`.

## 3. Smoke test mínimo

Antes de usar con un estudiante:

- escuchar un modelo;
- probar micrófono o confirmar modo manual;
- completar un intento;
- copiar resultado;
- abrir Operación de piloto real;
- copiar checklist;
- copiar quality gate;
- generar JSON de evidencia;
- confirmar que no hay audios en el flujo.

## 4. Durante la sesión

Registrar:

- estudiante/código;
- contexto;
- navegador;
- nivel/foco/ruta;
- score promedio;
- ejercicios con baja coincidencia;
- uso de fallback manual;
- casos sin transcripción;
- hallazgos P0/P1/P2.

## 5. Cierre

Copiar y guardar:

- resumen post-sesión;
- reporte de hallazgos;
- evidencia JSON;
- quality gate;
- matriz de decisión.

## 6. Reglas de freeze

Durante el piloto:

- no activar motores externos;
- no expandir dataset masivo;
- no rediseñar UI completa;
- no cambiar `config.php`;
- no agregar analytics externos;
- solo aplicar hotfix P0 si bloquea práctica, privacidad o acceso.

## 7. Decisión post-piloto

Después de acumular evidencia suficiente:

- resolver P0 primero;
- agrupar P1 repetidos por patrón;
- decidir cambios de dataset con ejercicios observados;
- ajustar feedback solo con evidencia;
- evaluar motor externo solo si el browser_transcription muestra límites claros y repetidos.