Gobierna tu file server

El conector de contenido filesystem (olivares.fs-content) convierte un árbol de directorios — una ruta local, un export NFS o un montaje SMB — en documentos de conocimiento gobernados que fluyen por el mismo pipeline que cualquier otra fuente (expurgar → clasificar → chunk → embed → indexar → servir por MCP), con ACLs de documento mapeadas desde la propiedad POSIX y clasificación desde xattrs. Es una fuente de contenido, distinta del filelog (un SINK de logs que reenvía hacia fuera).

Para un operador self-hosted, el file server suele ser el almacén documental más antiguo y grande, así que este es uno de los conectores de mayor valor del catálogo.

Seguridad de lectura por construcción

El conector lee confinado a la raíz configurada, garantizado por el os.Root de la biblioteca estándar de Go:

• Un symlink que apunta fuera de la raíz, una ruta absoluta o un traversal .. se rechazan — el conector no puede leer físicamente un fichero al que no le apuntaste.
• Los symlinks no se siguen durante el walk (se cuentan, nunca se resuelven).
• Cada cuerpo de fichero tiene límite de tamaño (los mayores se truncan y se marcan), solo se leen tipos texto/documento (los binarios se saltan y se cuentan), el contenido nunca se ejecuta, y el walk está acotado por presupuesto de nº de ficheros y de bytes para no tumbar un montaje grande o lento (NFS).

Tests adversariales prueban el rechazo de symlink-escape y traversal.

Apúntalo a un árbol

// OLIVARES_SOURCES_CONFIG — las fuentes de documentos van bajo "documents"
{
  "documents": [
    {
      "name": "file-server",
      "kind": "filesystem",
      "config": {
        "root": "/mnt/fileserver/shared",   // ruta local o un montaje NFS/SMB
        "include": "*.md,*.txt,docs/*",       // globs (ruta o basename); vacío = todo texto
        "exclude": "**/archive/*,*.tmp",
        "max_file_bytes": "1048576",          // límite por fichero (tope duro 1 MiB)
        "max_files": "100000",                // presupuesto del walk
        "max_total_bytes": "1073741824",      // presupuesto de lectura
        "text_only": "true",                  // salta binarios (contados)
        "map_posix_acl": "true",              // owner/group + ACL POSIX.1e → ACL de documento
        "classification": "internal",         // etiqueta por defecto (un xattr la sobrescribe)
        "classification_xattr": "user.classification",
        "labels_xattr": "user.olivares.labels"
      }
    }
  ]
}

Cada fichero se convierte en un Documento: el cuerpo es el contenido del fichero, el DocID es su ruta relativa a la raíz, y los atributos de procedencia llevan owner, group, mode, size, world_readable y path.

Cómo se mapean propiedad y ACLs — la matriz honesta

El conector mapea solo lo que el sistema de ficheros expresa, y declara lo que no puede:

Sistema de ficheros	owner / group / mode	ACL POSIX.1e (getfacl)	ACL Windows / NFSv4
Local (ext4/xfs/btrfs)	Mapeado: owner → user:<nombre>, group (si es group-readable) → group:<nombre>	Mapeado: cada entrada named user/group con el bit de lectura → una referencia de principal	n/a
NFS	Mapeado, si uid/gid mapean de forma consistente (idmapd / el mismo directorio a ambos lados)	Mapeado cuando el montaje expone system.posix_acl_access	Las ACL nativas NFSv4 NO se parsean (límite declarado)
SMB / CIFS	Mapeado desde uid=/gid=/file_mode= del montaje — es decir opciones de montaje, no el owner Windows real	Normalmente ausente	Los security descriptors de Windows NO se parsean (system.cifs_acl es un SD binario; límite declarado)

Los nombres de principal se resuelven por el name service del host (que puede incluir LDAP, así que uid→usuario coincide con tu directorio). Un uid/gid que no resuelve cae a su id numérico. Un fichero sin ACL derivable hereda la ACL por defecto del knowledge base, que retrieval sigue aplicando. El conector nunca inventa una ACL que el fichero no tiene.

Clasificación

• Una classification por defecto se aplica a todos los ficheros.
• Un xattr por fichero (user.classification por defecto) la sobrescribe.
• El xattr de etiquetas externas (user.olivares.labels, separado por comas) añade etiquetas de sensibilidad que alimentan el DLP de retrieval, aplicadas deny-closed junto a la clasificación.

Límites honestos

• Solo ficheros de texto/documento. Los binarios se saltan y se cuentan. Los formatos ricos que requieren extracción (PDF/DOCX) no los ingiere este conector (un seguimiento declarado, no un salto silencioso).
• Un cuerpo se limita a 1 MiB; los ficheros mayores se truncan y se marcan truncated.
• SMB: el conector ve la vista POSIX sintética de tu montaje, no la ACL real de Windows.
• El conector lee; nunca escribe en el árbol (no hay ruta de escritura, por diseño).

Wire-proof

Las garantías de seguridad están cubiertas por tests adversariales aquí (symlink-escape, traversal, límite de tamaño, salto de binarios, mapeo de owner/group/ACL POSIX, clasificación por xattr). El wire-proof completo — un árbol de fixtures detrás de un binding de carpeta, servido por MCP para que una sesión Claude Code vea solo lo que su binding + la ACL del fichero permiten, con un subárbol denegado probado — es el job de integración de CI que compone el motor.