D9 cleanup: borrar NLU/handlers/machine/replyTemplates legacy + activar agente + prompt caching

Después de validar el agente E2E con DeepSeek, el legacy queda muerto.
51 archivos cambiados (la mayoría borrados), el motor único es ahora el
agente tool-calling.

Borrados (~3500 LOC):
- src/modules/3-turn-engine/nlu/ (router + 4 specialists + promptLoader +
  schemas + humanFallback + 6 default prompts) — reemplazado por systemPrompt.js
- src/modules/3-turn-engine/stateHandlers/ (cart.js, cartHelpers.js, idle.js,
  shipping.js, utils.js, index.js) — reemplazado por tools del agente
- src/modules/3-turn-engine/stateHandlers.js (re-export shim)
- src/modules/3-turn-engine/openai.js (NLU clásico v3 + jsonCompletion +
  llmRecommendWriter + llmPlanningRecommend) — el agente crea su propio
  cliente OpenAI con tools nativos
- src/modules/3-turn-engine/replyRewriter.js (rewriting LLM) — el agente
  escribe say directo, no necesita reescribir
- src/modules/3-turn-engine/replyTemplates.js + test (rotación de variantes)
  — el agente varía naturalmente con tool_choice=required + temperature
- src/modules/3-turn-engine/recommendations.js (cross-sell + planning) —
  el agente decide cuándo recomendar via tool calls
- src/modules/3-turn-engine/machine/ (XState v5 completo + 19 tests) —
  reemplazado por la FSM podada en fsm.js + agent/runTurn.js
- src/modules/3-turn-engine/turnEngineV3.helpers.js, .units.js,
  .pendingSelection.js (helpers del legacy)
- src/modules/0-ui/controllers/prompts.js, handlers/prompts.js,
  db/promptsRepo.js — admin de prompts NLU (ya no hay prompts editables)
- public/components/prompts-crud.js + nav entry en ops-shell

turnEngineV3.js se reduce a un thin wrapper que exporta runTurnV3 (alias
de runTurnAgent) + safeNextState (re-export de fsm.js). Mantiene la firma
pública para no tocar pipeline.js.

Activado:
- AGENT_MAX_TOOL_CALLS=10 y AGENT_TURN_TIMEOUT_MS=25000 son los únicos
  flags. Borradas: USE_MODULAR_NLU, USE_XSTATE, XSTATE_SHADOW,
  XSTATE_SETTLE_MS, REPLY_REWRITER, REPLY_REWRITER_TIMEOUT_MS, TURN_ENGINE,
  AGENT_TURN_ENGINE, AGENT_TURN_ENGINE_SHADOW (el agente es default).

Prompt caching DeepSeek:
- systemPrompt.js: era función con storeName interpolado → ahora export
  const SYSTEM_PROMPT (100% estático). storeName se pasa por user message
  via working_memory.store.name. Cualquier cambio al system invalida cache,
  por eso es estático estricto.
- runTurn.js: captura usage.prompt_cache_hit_tokens (DeepSeek) o
  prompt_tokens_details.cached_tokens (OpenAI compat) y suma a métricas.
- /api/metrics/agent ahora reporta prompt_tokens_total,
  completion_tokens_total, prompt_cache_hit_tokens, cache_hit_ratio.
- Smoke test 3 turnos: cache_hit_ratio = 0.72 (17664 cached / 24546 total
  prompt tokens). Saving directo en costo: ~$0.02/M cached vs $0.27/M no
  cached en DeepSeek.

Tests: 148/148 (perdimos 90 tests del legacy XState/replyTemplates que
ya no aplican). Sim flow E2E confirmado: hola → agent responde, multi-turn
con cache caliente.

Si más adelante hace falta volver al legacy: git revert este commit
(c c9c69cf8 es el último estado verde con doble motor).

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

src/modules/3-turn-engine/agent/systemPrompt.js

@@ -1,14 +1,18 @@
 /**
  * System prompt del agente conversacional.
  *
- * Se mantiene estático para aprovechar prompt caching. La parte dinámica
- * (cart, pending, store, history, preparsed) va en el primer user message
- * como JSON estructurado.
+ * 100% estático para que DeepSeek (y cualquier proveedor con prefix-cache)
+ * lo cachee turn a turn. La parte dinámica — incluyendo el nombre de la
+ * tienda — va SIEMPRE en el primer user message vía working_memory.store.name.
+ *
+ * Reglas para mantener el cache caliente:
+ *   - NO interpolar variables aquí. Si querés cambiar tono por tenant,
+ *     hacelo agregando una sección al user message, no al system.
+ *   - Cualquier cambio al texto invalida el cache para todos los turnos.
  */
 
-export function buildSystemPrompt({ storeName = "la carnicería" } = {}) {
-  return `Sos Botino, el empleado virtual de ${storeName} (carnicería argentina).
-Hablás como vendedor: cálido, breve, "vos", sin emojis, sin marketing.
+export const SYSTEM_PROMPT = `Sos Botino, el empleado virtual de la carnicería que te contrata.
+Hablás como vendedor argentino: cálido, breve, "vos", sin emojis, sin marketing.
 
 TU TRABAJO ES UNO SOLO: tomar pedidos por WhatsApp.
 1. Entendés lo que pide el cliente y lo anotás en el carrito.
@@ -73,4 +77,4 @@ LIMITES TÉCNICOS:
 LIMITES OPERATIVOS DEL COMERCIO (NO LOS NEGOCIES):
 - Lo que diga el bloque store del working_memory.
 - Si el cliente pide algo fuera de eso, decí qué es lo que sí podemos.`;
-}
+