agentleFS
sergi-rzsergi-rz/claudia-os/.claude/skills/claudia-research/SKILL.md

claudia-research

Skill39 starsChanged 7 months agoMITView on GitHub

Investigación multi-nivel. Usar cuando el usuario pida investigar, analizar, o buscar información sobre un tema. Niveles: quick (dato puntual), standard (análisis con perspectivas), deep (investigación exhaustiva con vault).

The file

Files
SKILL.md

Research — Investigación multi-nivel

Eres Claudia ejecutando una investigación. Analiza los argumentos para determinar el nivel y el tema.

Personalización: antes de ejecutar, lee user/behavior.md en este directorio. Si tiene contenido, aplícalo como ajustes sobre el comportamiento de esta skill — en caso de conflicto con lo definido aquí, prevalece lo del usuario.

Parsing de argumentos:

  • Los argumentos de la petición contienen el nivel (opcional) y el tema. Si el host los inyecta explícitamente en la invocación, llegan en $ARGUMENTS
  • Si la primera palabra es quick, standard o deep, úsala como nivel
  • Si no se especifica nivel, elige automáticamente:
    • Dato puntual o pregunta simple → quick
    • Tema con matices o que requiere contexto → standard
    • Landscape, análisis de mercado, comparativas exhaustivas → deep

Nivel QUICK

Cuándo: dato puntual, verificación rápida, pregunta con respuesta concreta.

Ejecución:

  1. Usa la herramienta de búsqueda web disponible para buscar la información
  2. Si necesitas profundizar en un resultado, usa la herramienta de lectura de URLs disponible para leer la fuente
  3. Verifica los datos cruzando al menos 2 fuentes cuando sea posible

Output: respuesta directa en la conversación. No guardar fichero.

Formato de respuesta:

## [Tema]

[Respuesta concreta]

**Fuentes:**
- [título](url)

Nivel STANDARD

Cuándo: tema con matices, necesitas perspectivas, o el resultado merece ser guardado.

Ejecución:

  1. Lanza 3 agentes en paralelo usando la tool Agent, cada uno con un rol distinto:

    Agente Factual:

    Investiga [TEMA]. Céntrate en datos verificables: cifras, fechas, hechos, estadísticas, fuentes primarias. Usa las herramientas de búsqueda web y lectura de URLs disponibles. Para cada dato importante, indica la fuente. No interpretes ni opines — solo hechos.

    Agente Análisis:

    Investiga [TEMA]. Céntrate en el análisis: tendencias, causas, implicaciones, contexto histórico, hacia dónde va esto. Usa las herramientas de búsqueda web y lectura de URLs disponibles. Busca fuentes que ofrezcan interpretación experta, no solo datos.

    Agente Contrarian:

    Investiga [TEMA]. Tu trabajo es encontrar lo que otros ignoran: críticas, riesgos, perspectivas minoritarias, argumentos en contra del consenso, fracasos relacionados. Usa las herramientas de búsqueda web y lectura de URLs disponibles. Busca fuentes que desafíen la narrativa dominante.

  2. Cuando los 3 agentes devuelvan resultados, sintetiza:
    • Identifica puntos de acuerdo entre los 3
    • Destaca las tensiones o contradicciones
    • Señala lo que solo encontró un agente (hallazgos únicos)
  3. Verifica URLs: para cada URL que incluyas en el output, confirma que es accesible con la herramienta de lectura de URLs disponible. Elimina las que fallen.
  4. Identifica fuentes clave (máximo 2): si durante la investigación aparece una pieza especialmente valiosa que merece extracción profunda independiente, ejecuta /claudia-wisdom sobre ella. El fichero resultante irá a user/vault/claudia-wisdom/ con origin: research/{nombre-del-fichero}.md.
  5. Guarda el resultado en user/vault/claudia-research/{tema-slug}.md.

Formato del fichero guardado:

# {Tema}

**Fecha:** {YYYY-MM-DD}
**Nivel:** Standard (3 agentes)

## Resumen ejecutivo
[3-5 líneas con lo esencial]

## Datos clave
[Del agente Factual — hechos y cifras verificados]

## Análisis
[Del agente Análisis — interpretación y tendencias]

## Perspectiva crítica
[Del agente Contrarian — riesgos, críticas, ángulos ignorados]

## Síntesis
[Tu integración: acuerdos, tensiones, hallazgos únicos]

## Fuentes
- [título](url)

## Wisdom relacionado
- [{título}](../../user/vault/claudia-wisdom/{fichero}) — {cómo se conecta}

Output en conversación: resumen ejecutivo + síntesis. Mencionar que el análisis completo está guardado en el fichero.


Nivel DEEP

Cuándo: análisis de mercado, landscape competitivo, investigación exhaustiva que merece un vault persistente.

Ejecución:

Fase 1 — Landscape

  1. Lanza 3 agentes en paralelo (Factual, Análisis, Contrarian) como en Standard, pero con scope amplio: mapear el dominio completo, no responder una pregunta.
  2. Crea el vault en user/vault/claudia-research/{fecha}_{tema-slug}/
  3. Genera LANDSCAPE.md con el panorama general del dominio.

Fase 2 — Descubrimiento de entidades

  1. Del landscape, extrae todas las entidades relevantes (empresas, productos, personas, tecnologías, etc.)
  2. Genera ENTITIES.md con cada entidad catalogada:
    | Entidad | Categoría | Valor | Esfuerzo | Estado |
    |---------|-----------|-------|----------|--------|
    | Nombre  | empresa   | HIGH  | EASY     | pending|
    • Valor: CRITICAL / HIGH / MEDIUM / LOW (impacto en el dominio)
    • Esfuerzo: EASY / MODERATE / HARD (accesibilidad de información)

Fase 3 — Deep-dives

  1. Ordena entidades por prioridad: CRITICAL+EASY primero
  2. Para cada entidad prioritaria (CRITICAL y HIGH), lanza un agente dedicado que investigue a fondo
  3. Guarda cada perfil como {entidad-slug}.md dentro del vault
  4. Actualiza ENTITIES.md marcando estado como done
  5. Si encuentras piezas de contenido especialmente valiosas durante los deep-dives, ejecuta /claudia-wisdom sobre las más relevantes (máximo 3 por investigación). Van a user/vault/claudia-wisdom/ con origin: research/{nombre-carpeta}/.

Fase 4 — Síntesis

  1. Lee todos los perfiles generados
  2. Genera SUMMARY.md con:
    • Resumen ejecutivo del dominio
    • Mapa de relaciones entre entidades
    • Tendencias identificadas
    • Gaps y oportunidades
    • Recomendaciones para el usuario
  3. Reindexar vault-search: python3 .claude/skills/vault-search/vault_search.py --rebuild

Estructura del vault:

user/vault/claudia-research/{fecha}_{tema}/
├── INDEX.md          — navegación interna del deep research
├── LANDSCAPE.md      — panorama general del dominio
├── ENTITIES.md       — catálogo con scoring y estado
├── SUMMARY.md        — síntesis final con recomendaciones
├── {entidad-1}.md    — perfil detallado
├── {entidad-2}.md
└── ...

Output en conversación: resumen ejecutivo + estadísticas de cobertura + ruta al vault.


Dónde se guarda el research

Por defecto, todo research va a user/vault/claudia-research/. Excepción: si el research es munición para un workspace concreto (una charla, una propuesta, un proyecto con deadline), se guarda dentro del workspace.

Criterio de decisión:

  • Va al workspace si: el usuario lo invoca desde un workspace activo, lo menciona explícitamente ("para la charla de X", "para el proyecto Y"), o tiene un horizonte de caducidad claro (evento, entregable).
  • Va al vault si: es investigación evergreen, transversal, o no tiene destino operativo claro.
  • En duda → pregunta al usuario antes de guardar.

Rutas:

  • Vault: user/vault/claudia-research/{tema-slug}.md (standard) o user/vault/claudia-research/{fecha}_{tema-slug}/ (deep)
  • Workspace: user/workspaces/{ws}/claudia-research/{tema-slug}.md o user/workspaces/{ws}/claudia-research/{fecha}_{tema-slug}/

Cuando va al workspace: vault-search lo indexa igualmente si está bajo user/vault/ o user/workspaces/. Para búsqueda transversal no hace falta stub manual.


Reglas generales

  1. Verificación de URLs es obligatoria en standard y deep. Un enlace roto desacredita toda la investigación.
  2. Cita fuentes siempre. Cada afirmación importante debe tener origen.
  3. No alucines datos. Si no encuentras algo, dilo. Mejor un hueco que una invención.
  4. Escribe en el idioma definido en user/config/settings.json (language) salvo que el tema requiera otro (ej: documentación técnica en inglés).
  5. Antes de guardar ficheros, haz git pull en ``.
  6. Consulta el vault al inicio de standard y deep: python3 .claude/skills/vault-search/vault_search.py --context "<tema>" --max-tokens 2000 para ver si ya existe conocimiento previo que pueda orientar la investigación.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.