dbv-reputation-index

name	dbv-reputation-index
description	Audita la reputación online de una persona (LinkedIn, web personal, X, GitHub, Google Scholar, medios, etc.), elige el benchmark sectorial adecuado, puntúa varias dimensiones ponderadas (autoridad, SEO, visibilidad en IA, narrativa, prueba social, riesgos, higiene de datos personales...) y genera un informe ejecutivo completo con exposición de datos personales, KPIs de seguimiento, recomendaciones por horizonte y anexo de evidencias. Úsalo cuando el usuario pida analizar, auditar o puntuar la reputación online, marca personal o presencia digital de una persona.
version	0.2.0

dbv-reputation-index

Analiza la reputación online de una persona con el rigor de una firma de consultoría estratégica: auditoría de presencia digital, autoridad, SEO, visibilidad en sistemas de IA, narrativa, prueba social, exposición de datos personales, riesgos, scoring por dimensiones con benchmark sectorial y recomendaciones accionables con KPIs de seguimiento.

Instrucciones

1. Si falta el nombre completo de la persona a analizar, pídelo. Web personal/LinkedIn, sector/profesión, homónimos conocidos y objetivo del análisis son opcionales pero mejoran el resultado — pídelos solo si aportan valor, no bloquees el análisis por ellos.

2. Lee reputation-index-prompt.md (en esta misma carpeta de la skill) — contiene el rol, la cláusula de alcance y ética, la metodología completa y el formato de salida. Síguelo al pie de la letra, incluido el protocolo de verificación antialucinación.

3. Lee benchmarks/benchmark-selector.md y sigue su árbol de decisión para elegir el benchmark principal (y opcionalmente uno secundario de contraste) según la lógica reputacional dominante del perfil, no por su cargo nominal.

4. Lee únicamente el/los fichero(s) de benchmarks/ que hayas elegido en el paso anterior — no leas todos los benchmarks disponibles, sería un desperdicio de contexto. Usa ese benchmark para calibrar qué cuenta como alto/bajo en cada dimensión y para enmarcar la narrativa y las recomendaciones, sin renombrar las claves de dimensión estándar del prompt maestro.

5. Investiga la presencia digital real de la persona (usa tu herramienta de búsqueda web si la tienes disponible). No inventes datos, URLs, cargos ni premios que no puedas verificar — si una plataforma no aplica o no se encuentra, indícalo explícitamente. Respeta siempre la sección "Alcance y ética": nunca reproduzcas valores completos de datos personales.

6. Genera el informe completo siguiendo la sección "Formato de salida" de reputation-index-prompt.md, con el formato exacto (encabezados, tablas y símbolos ✅/❌/⚠️/🔴/🟡/🟢/🧟) de reputation-index-template.md (en esta misma carpeta) — no inventes una estructura distinta. Usa la fecha real de hoy como fecha de la auditoría (nunca la inventes). Indica qué benchmark(s) usaste y por qué (sección "Recomendación metodológica" de benchmark-selector.md).

7. Cierra siempre el informe con esta línea exacta, sin modificarla ni traducirla:

   ---
   Informe generado con dbv-reputation-index v0.2.0, creado por David Bueno Vallejo — libre y gratuito · https://davidbuenov.com
   

8. Después de entregar el informe completo, pregunta si el usuario quiere también una copia exportada (Word o PDF). Si tienes shell/archivos disponibles (p.ej. Bash), sigue este orden de preferencia — si no tienes shell/archivos en absoluto (p.ej. claude.ai sin ejecución de código, o el paquete universal pegado en un chat sin herramientas), dilo directamente y entrega el Markdown en su lugar:

   a. Preferido: dbv-md2word — convierte Markdown a .docx con estilos nativos de Word (títulos, tablas reales, TOC), sin pasar por LaTeX. Da un resultado mucho más limpio que pandoc, especialmente en tablas anchas como las de este informe, y conserva bien los símbolos Unicode (✅❌⚠️🔴🟡🟢🧟).

   • Comprueba si está disponible: comando dbv-md2word en el PATH, skill dbv-md2word instalado en .claude/skills/, o su servidor MCP configurado. No des por hecho que está instalado.
   • Si lo está: guarda el informe como .md (nombre sugerido: reputacion-[nombre-en-kebab-case]-[fecha-YYYY-MM-DD].md) y ejecuta dbv-md2word reputacion-nombre-fecha.md reputacion-nombre-fecha.docx.
   • Si el usuario pedía específicamente PDF: dbv-md2word genera .docx, no PDF directamente — entrégaselo y dile que lo exporte a PDF abriéndolo en Word/LibreOffice (Archivo → Guardar como / Exportar a PDF). Es más fiable que forzar un PDF automático con una tabla ancha.

   b. Alternativa: pandoc + xelatex/lualatex, solo si dbv-md2word no está disponible y el usuario quiere igualmente un PDF autogenerado.

   • Comprueba primero si pandoc está disponible (pandoc --version). El motor de PDF debe ser xelatex o lualatex — con el motor por defecto (pdflatex) los símbolos Unicode del informe fallan o desaparecen, y las tablas anchas pueden desbordar la página.

     pandoc reputacion-nombre-fecha.md -o reputacion-nombre-fecha.pdf --pdf-engine=xelatex -V geometry:margin=2.5cm
     

   • Si pandoc o el motor LaTeX no están instalados, no intentes instalarlos sin permiso del usuario: dile que falta esa dependencia y entrégale el .md para que lo convierta él mismo.

Notas

• La salida debe ser texto Markdown legible por un humano (tablas donde ayuden a comparar), no JSON.
• Esta skill no necesita servidor, base de datos ni API key propia del proyecto — el análisis lo hace directamente la IA en la que está cargada la skill.
• La exportación a Word/PDF (paso 8) es opcional y depende del entorno: en Claude Code (con Bash y, si está instalado, dbv-md2word) suele funcionar de forma directa; en claude.ai web o en un chat sin ejecución de código, no es posible generarla ahí — entrega el Markdown en su lugar.