editorial-source-curation

# Editorial Source Curation ## Objetivo Ayudar a Rick a convertir un lote de novedades de fuentes de autoridad en una decision editorial clara para David: que leer, que priorizar y que angulo derivar despues. Esta skill no reemplaza un benchmark profundo de una persona, perfil, post, landing o funnel concreto. Si David pide estudiar un caso externo "en profundidad", usar `competitive-funnel-benchmark` como skill principal y esta solo como apoyo de curacion si hace falta. Trabajar siempre en dos fases separadas: 1. curar y puntuar fuentes 2. solo tras seleccion humana, derivar un brief o handoff de contenido ## Reglas de trabajo - Priorizar items recientes, accesibles y con atribucion clara. - Cubrir explicitamente Gartner, McKinsey, Every y Ruben Substack en cada barrido, salvo que el usuario cambie el alcance. - Usar solo accesos y herramientas reales. No prometer scraping, bypass de paywalls, parsing de inboxes ni publicacion automatica si no existen permisos y tooling reales. - Distinguir hechos de la fuente, interpretacion editorial y recomendacion. - Pedir una sola aclaracion solo cuando falte una pieza critica para puntuar. Si no, trabajar con supuestos explicitos. - No redactar post, thread, newsletter, carrusel ni guion antes de que David elija uno o mas items del shortlist. - Cada alternativa del shortlist debe declarar **arco narrativo** (el CUERPO es la historia de la pieza en prosa, sin etiquetas de proceso ni "Parte de…"/"Tensiona…"/"Llega a que…" como verbo principal; estrategia solo entre parentesis despues de la frase: `(punto de partida: …)`, `(tension: …)`, `(cierre: …)`), **estructura de discurso** (pie explicito CON etiquetas), **cadena de la tesis** (evidencia / inferencia / salto / no afirmado) y **fuente = URL de la pieza concreta** (nunca la home/feed de la organizacion). Ver `docs/ops/editorial-norte-hitl-contract-2026-07-22.md` §3. ## Baseline editorial Antes de puntuar, fijar o inferir estas tres referencias: - Narrativa de David: tesis, worldview, contrarian take e ideas que quiere repetir. - Propuesta: oferta, servicio, producto, posicionamiento o CTA implicito. - Audiencia: ICP lector o comprador, nivel de sofisticacion, pains y jobs-to-be-done. Si faltan datos, inferir una baseline provisional en 3-5 bullets y marcarla como `assumption`. ## Source of truth recomendado Cuando exista, tomar como fuente viva: - la pagina Notion `Fuentes` - la base hija `Fuentes confiables` - la base `Referentes` No tratar la lista de fuentes y la lista de referentes como si fueran lo mismo: - fuentes de autoridad / research / mercado - fuentes de industria / instituciones / estandares - referentes de divulgacion / estilo / framing - fuentes experimentales en observacion ## Cobertura de fuentes requerida Mantener estas cuatro fuentes como minimo: - Gartner - McKinsey - Every - Ruben Substack Para cada fuente: - Preferir paginas oficiales, newsletters, posts o articulos accesibles con el tooling actual. - Si existe contenido licenciado o de suscripcion y no es accesible, registrar el hueco como `inaccessible` y no fingir lectura. - Si "Ruben Substack" es ambiguo, usar la URL o publicacion que David ya haya indicado. Si no existe, pedirla una vez o trabajar con el identificador textual y marcar la ambiguedad. ## Flujo de trabajo ### 1. Fetch - Reunir los items mas recientes dentro de la ventana pedida por el usuario. Por defecto usar 30 dias. - Buscar al menos 1-3 items por fuente cuando sea posible. - Capturar fecha, titulo, URL, formato y una sintesis fiel de la tesis. - Si la fuente no ofrece suficiente material en la ventana, ampliar a 60-90 dias y documentarlo. ### 2. Normalize - Convertir cada item al esquema de `references/scoring-schema.md`. - Deduplicar items casi iguales y fusionar versiones del mismo lanzamiento, informe o ensayo. - Separar `source_claim`, `editorial_interpretation` y `why_now`. ### 3. Alignment scoring - Aplicar la rubrica de `references/scoring-schema.md`. - Puntuar narrativa, propuesta, audiencia, frescura, autoridad, novedad y potencial derivativo. - Anotar supuestos, lagunas y riesgos de acceso o derechos. ### 4. Shortlist - Ordenar por score total, pero ajustar por diversidad de angulos y evitar duplicados. - Devolver una shortlist de 3-5 items usando `references/shortlist-format.md`. - Incluir por que entra, por que ahora y que angulo podria explotar David. ### 5. Human selection - Cerrar siempre con una decision explicita para David: - elegir 1 item - elegir 2 items para combinacion - pedir otra pasada con otro tema o ventana temporal - No avanzar a contenido derivado sin esta seleccion. ## Fase manual antes de automatizar Antes de proponer automatizacion n8n seria, validar que existe una fase manual estable: - shortlist consistente durante 3-4 semanas - criterios de scoring claros y repetibles - al menos 2 fuentes con captura fiable - baja ambiguedad al elegir piezas - costo operativo manual suficientemente alto como para justificar automatizacion Mientras eso no ocurra: - no proponer autopublicacion - no saltarse la shortlist humana - no convertir referentes de divulgacion en scraping pesado ### 6. Derivative content - Solo despues de la seleccion humana, producir: - un brief de contenido - posibles hooks o takes - un handoff a otra skill - Si `linkedin-content` o `linkedin-david` estan instaladas, usarlas para el draft final o la adaptacion de voz. - Si no estan instaladas, producir un brief estructurado listo para otra etapa. ## Composicion con otras skills - `research`: usar para ampliar contexto, validar claims o encontrar supporting evidence alrededor de un item ya capturado. No reemplazar la cobertura explicita de las cuatro fuentes base. - `n8n`: usar solo para disenar o documentar una automatizacion aprobada, como feeds, alertas, Airtable o Notion handoff, o scoring pipelines. No afirmar que ya existe una automatizacion operativa si no se creo realmente y no hay permisos. - `linkedin-content`: usar despues de la seleccion humana para convertir el item elegido en estructura de post, carrusel o brief social. - `linkedin-david`: usar despues de la seleccion humana para afinar POV, tono, audience-fit y CTA de David. Si alguna de estas skills no esta instalada, continuar manualmente y explicitar la sustitucion. ## Entregables por defecto Entregar en este orden: 1. `coverage note`: ventana temporal, fuentes cubiertas, huecos y restricciones 2. `normalized set`: tabla compacta de items 3. `shortlist`: 3-5 opciones rankeadas 4. `selection request`: que debe decidir David 5. tras seleccion, `derivative brief` ## Formato de salida Usar este orden salvo que el usuario pida otro: 1. resumen ejecutivo de 3-5 lineas 2. coverage note 3. normalized set, como tabla compacta o bullets densos 4. shortlist 5. seleccion solicitada 6. si ya hubo seleccion, brief derivativo ## Criterios de calidad - Priorizar senal sobre volumen. - No inflar el score si el item es prestigioso pero poco alineado. - Favorecer items que permitan una opinion, traduccion o aplicacion util para la audiencia de David. - Penalizar piezas demasiado genericas, viejas, duplicadas o dificiles de atribuir. - Cuando el mejor item no sea el mas obvio, explicar la decision en una linea. ## Prompts de ejemplo Curacion inicial: ```text Trae los latest items de Gartner, McKinsey, Every y Ruben Substack sobre AI agents para servicios B2B. Normaliza, puntua alineacion con la narrativa de David sobre leverage operativo para equipos pequenos, arma shortlist de 4 y no redactes contenido todavia. ``` Despues de la seleccion: ```text Usa el shortlist #2 y prepara un derivative brief para LinkedIn. Si esta disponible, apoyate en linkedin-david para el POV y en linkedin-content para la estructura. No publiques ni asumas automatizacion. ``` ## Referencias - Usar `references/scoring-schema.md` para el esquema normalizado y la rubrica. - Usar `references/shortlist-format.md` para el formato de shortlist y el handoff posterior.