auto-research-notebooklm

name	auto-research-notebooklm
description	Investigación profunda usando NotebookLM via MCP. Produce entregables estructurados en Markdown (informes, mapas mentales, fuentes, etc.). ACTIVACIÓN EXPLÍCITA ÚNICAMENTE. Este skill NO se auto-activa. Solo se ejecuta cuando el usuario invoca explícitamente con frases como: "notebook research, investiga: [tema]" "usando el skill notebook research, investiga: [tema]" "ejecuta notebook research sobre [tema]" NO ACTIVAR bajo ninguna otra circunstancia, ni siquiera si el usuario dice "investiga", "busca información" u otras palabras de investigación sin mencionar explícitamente "notebook research" como prefijo.
tags	["research","notebooklm","mcp","reports","mindmap","deep-research"]
version	2.1

SKILL: Auto-Research con NotebookLM MCP

Meta

• Autor: Eliú / Floydia
• Requiere: MCP server notebooklm activo y autenticado
• Idioma de operación: el mismo que use el usuario en su solicitud
• Tiempo estimado: 5–15 minutos según profundidad

---

Goal

Transformar cualquier solicitud de investigación — desde una idea vaga hasta una pregunta compleja — en un proyecto completamente documentado con: fuentes verificadas y clasificadas, resúmenes en múltiples niveles de detalle, mapa mental visual, preguntas abiertas para profundizar, y opcionalmente audio/video overviews o presentaciones. Todo almacenado en una estructura local reproducible.

---

Inventario de herramientas MCP disponibles

Antes de ejecutar, ten presente las herramientas reales del servidor notebooklm:

Herramienta MCP	Uso en este skill
notebook_create	Crear notebook dedicado al proyecto
notebook_list	Verificar si ya existe un notebook relevante
notebook_add_url	Agregar URLs específicas como fuentes
notebook_add_text	Agregar contexto textual del usuario como fuente
notebook_add_local_file	Agregar PDFs o archivos locales como fuentes
notebook_add_drive	Agregar documentos de Google Drive
research_start	Iniciar búsqueda web o Drive (fast ≈30s / deep ≈5min)
research_poll	Monitorear estado de la investigación
research_import	Importar fuentes descubiertas al notebook
notebook_query	Interrogar las fuentes cargadas con preguntas
report_create	Generar reporte estructurado desde las fuentes
mind_map_generate + mind_map_save	Generar y guardar mapa mental
audio_overview_create	Generar podcast-resumen del notebook
video_overview_create	Generar video-resumen del notebook
slide_deck_create	Generar presentación de diapositivas
flashcards_create	Generar tarjetas de estudio
infographic_create	Generar infografía
data_table_create	Generar tabla comparativa de datos
studio_poll	Verificar estado de artefactos generados

---

Instructions

FASE 0 — Activación y encuadre

REGLA DE ACTIVACIÓN: Este skill SOLO se ejecuta cuando el usuario lo invoca explícitamente con una de estas formas:

"notebook research, investiga: [tema]"
"usando el skill notebook research, investiga: [tema]"
"ejecuta notebook research sobre [tema]"
"notebook research: [tema]"

Si el usuario dice "investiga X" SIN el prefijo "notebook research", NO activar este skill — responder directamente o preguntar si quiere usar el skill de investigación profunda.

Al activarse:

1. Confirma el encuadre en máximo 2 frases:

   "🔬 Skill Notebook Research activado. Voy a guiarte por 4 fases para investigar [tema]: intake → recopilación → análisis → entregables."

2. Verifica autenticación MCP: internamente llama notebook_list para confirmar que el servidor está operativo. Si falla, ejecuta refresh_auth y reintenta una vez. Si persiste el error, notifica al usuario con el mensaje exacto y propón continuar sin MCP (investigación manual).

---

FASE 1 — Intake (Entendimiento del scope)

Haz estas preguntas agrupadas en bloques lógicos (no una a una, eso es tedioso). Presenta los bloques como formulario conversacional:

Bloque A — Tema y objetivo:

1. ¿Cuál es el tema principal?
2. ¿Cuál es el objetivo final? (aprender · crear contenido · tomar decisión · construir algo · otro)
3. ¿Nivel de conocimiento actual? (0 = nada · 5 = intermedio · 10 = experto)

Bloque B — Enfoque y restricciones: 4. ¿Subtemas o ángulos prioritarios? (si no tienes, dilo y yo propongo) 5. ¿Restricciones? (audiencia, idioma de fuentes, rango de fechas, región, presupuesto, etc.)

Bloque C — Formato de salida: 6. ¿Qué entregables quieres? (puedes elegir varios)

• 📄 Informe detallado + resumen ejecutivo (default)
• 🧠 Mapa mental interactivo
• 🎙️ Audio overview (podcast de ~10 min)
• 🎬 Video overview
• 📊 Presentación / slide deck
• 🗂️ Flashcards / tarjetas de estudio
• 📈 Infografía
• 📋 Tabla comparativa de datos

Reglas del intake:

• Si el usuario responde en bloque, acepta todo y no re-preguntes lo ya respondido.
• Si una respuesta es ambigua, ofrece 2–3 opciones concretas:

  "Cuando dices 'IA', ¿te interesa el ángulo técnico (modelos, arquitecturas), el de negocios (casos de uso, ROI) o el ético/social?"

• Si el usuario dice "tú decide" o "lo que sea mejor", aplica defaults inteligentes y muéstralos para confirmación rápida.

Al finalizar, presenta un brief de proyecto así:

╔══════════════════════════════════════════════════╗
║  BRIEF DE INVESTIGACIÓN                          ║
╠══════════════════════════════════════════════════╣
║  Tema:        [tema]                             ║
║  Objetivo:    [objetivo]                         ║
║  Nivel:       [N]/10                             ║
║  Subtemas:    [lista]                            ║
║  Restricciones: [lista o "ninguna"]              ║
║  Entregables: [lista de formatos seleccionados]  ║
║  Nombre corto: [NOMBRE_PROYECTO]                 ║
╚══════════════════════════════════════════════════╝

Pide confirmación con: "¿Todo correcto? Responde ok para empezar la investigación, o indica qué cambiar."

No avanzar sin un "ok" explícito (o equivalente afirmativo).

---

FASE 2 — Investigación autónoma via MCP

Esta fase es mayormente autónoma — el usuario no necesita intervenir a menos que haya problemas. Muestra progreso periódicamente.

2a. Preparar el notebook

1. notebook_list → buscar si ya existe un notebook sobre el tema
   - Si existe: preguntar si reutilizar o crear nuevo
   - Si no existe: notebook_create(title="Investigación: {NOMBRE_PROYECTO}")
2. Guardar notebook_id para todas las operaciones siguientes

2b. Inyectar contexto del usuario

Si el usuario proporcionó contexto específico (documentos, URLs, texto):

- notebook_add_text(contenido del brief como fuente de contexto)
- notebook_add_url(URLs mencionadas por el usuario)
- notebook_add_local_file(archivos locales si los proporcionó)
- notebook_add_drive(docs de Drive si aplica)

2c. Investigación web automatizada

Ejecutar búsquedas en rondas, de lo general a lo específico:

Ronda 1 — Mapeo general:

research_start(
  notebook_id, 
  query="{tema principal} overview",
  source="web",
  mode="fast"
)
→ research_poll(notebook_id)  # esperar completación
→ research_import(notebook_id, task_id, sources)  # importar TODAS

Ronda 2 — Profundización por subtema: Para cada subtema identificado en la Fase 1:

research_start(
  notebook_id,
  query="{subtema específico}",
  source="web",
  mode="fast"  # usar "deep" solo si el usuario pidió investigación exhaustiva
)
→ research_poll → research_import

Ronda 3 — Preguntas específicas (si el nivel del usuario es ≥5):

research_start(
  notebook_id,
  query="{pregunta técnica o de nicho del usuario}",
  source="web",
  mode="deep"
)
→ research_poll → research_import

Criterios de parada:

• Máximo 5 rondas de research para evitar saturación.
• Si una ronda devuelve <3 fuentes nuevas, detener esa línea de investigación.
• Si el total de fuentes supera 40, detener y pasar a análisis.

2d. Manejo de errores MCP

Si una llamada MCP falla:
  1. Log interno del error exacto
  2. Reintentar 1 vez con parámetros simplificados
  3. Si falla de nuevo:
     - Si es auth: ejecutar refresh_auth y reintentar
     - Si es rate limit: esperar 30s y reintentar
     - Si es otro error: notificar al usuario con el error,
       proponer alternativa, y continuar con fuentes disponibles
  4. NUNCA detener todo el proceso por un solo error

2e. Análisis cruzado (notebook_query)

Una vez cargadas las fuentes, interrogar el notebook para extraer insights:

notebook_query(notebook_id, "¿Cuáles son los hallazgos principales sobre {tema}?")
notebook_query(notebook_id, "¿Qué contradicciones o debates existen entre las fuentes?")
notebook_query(notebook_id, "¿Qué vacíos de información detectas sobre {subtemas}?")
notebook_query(notebook_id, "Resume las fuentes más relevantes y por qué son importantes")

Guardar las respuestas — estas alimentan los entregables de la Fase 3.

Notificar progreso al usuario:

"✅ Investigación completada. Encontré N fuentes de M búsquedas. Ahora genero los entregables. Esto toma 1–3 minutos."

---

FASE 3 — Generación de entregables

3a. Entregables MCP nativos (si fueron solicitados)

Ejecutar en paralelo los que apliquen:

# Si pidió mapa mental:
mind_map_generate(source_ids=[...])
→ mind_map_save(notebook_id, mind_map_json, source_ids, title="Mapa: {tema}")

# Si pidió audio:
audio_overview_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)  # esperar completación

# Si pidió video:
video_overview_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)

# Si pidió slides:
slide_deck_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)

# Si pidió flashcards:
flashcards_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)

# Si pidió infografía:
infographic_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)

# Si pidió tabla comparativa:
data_table_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)

# Reporte (siempre):
report_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)

3b. Entregables Markdown locales (siempre se generan)

Usando la información de notebook_query y report_create, generar:

Archivo	Contenido	Largo objetivo
resumen_ejecutivo.md	Contexto, hallazgos clave, conclusión, próximos pasos	500–800 palabras
informe_detallado.md	Secciones por subtema con citas inline [Fuente N]	1500–3000 palabras
mapa_mental.md	Diagrama Mermaid jerárquico (mindmap o flowchart)	N/A
fuentes.md	Tabla indexada: #, título, URL, fecha, resumen 2 líneas, relevancia (🟢Alta/🟡Media/🔴Baja)	Todas las fuentes
preguntas_abiertas.md	Vacíos, hipótesis no confirmadas, sugerencias de profundización	5–15 preguntas

Formato de cabecera para TODOS los archivos:

# [Título del entregable]

> 📅 Generado: YYYY-MM-DD  
> 🔬 Tema: [nombre del proyecto]  
> 📚 Fuentes usadas: N  
> 🤖 Generado con: NotebookLM MCP + Antigravity

Reglas de citación:

• Toda afirmación factual → [Fuente N] referenciando fuentes.md
• Si un párrafo tiene <2 fuentes de respaldo → marcar con ⚠️ POCO RESPALDADO
• No inventar ni inferir datos que no estén en las fuentes importadas
• Si hay contradicciones entre fuentes, documentarlas explícitamente

Mapa mental Mermaid — usar esta estructura:

```mermaid
mindmap
  root(("{TEMA PRINCIPAL}"))
    subtema_1["Subtema 1"]
      hallazgo_1a["Hallazgo A"]
      hallazgo_1b["Hallazgo B"]
    subtema_2["Subtema 2"]
      hallazgo_2a["Hallazgo C"]
      hallazgo_2b["Hallazgo D"]
    preguntas_abiertas["❓ Preguntas abiertas"]
      pregunta_1["Pregunta 1"]
      pregunta_2["Pregunta 2"]
`` `

---

FASE 4 — Almacenamiento y entrega

4a. Crear estructura local

{CWD}/INVESTIGACION_{NOMBRE_PROYECTO}/
├── resumen_ejecutivo.md
├── informe_detallado.md
├── mapa_mental.md
├── fuentes.md
├── preguntas_abiertas.md
└── README.md              ← índice con links a cada archivo

Reglas de nombrado:

• {NOMBRE_PROYECTO} = nombre corto del brief, en MAYUSCULAS_CON_GUIONES_BAJOS
• Sin espacios, acentos, eñes ni caracteres especiales
• Máximo 40 caracteres

4b. README.md de índice

# 📚 Investigación: {Tema}

> Generado: YYYY-MM-DD | Fuentes: N | Notebook ID: {id}

## Archivos

| Archivo | Descripción |
|---------|-------------|
| [resumen_ejecutivo.md](./resumen_ejecutivo.md) | Resumen de 500-800 palabras |
| [informe_detallado.md](./informe_detallado.md) | Informe completo con citas |
| [mapa_mental.md](./mapa_mental.md) | Diagrama Mermaid del tema |
| [fuentes.md](./fuentes.md) | Tabla de todas las fuentes |
| [preguntas_abiertas.md](./preguntas_abiertas.md) | Vacíos y próximos pasos |

## Artefactos NotebookLM

_(listar aquí los artefactos generados: audio, video, slides, etc. con estado)_

## Para continuar investigando

El notebook sigue activo en NotebookLM con ID `{notebook_id}`.
Puedes pedir: "profundiza en [subtema]" o "agrega fuentes sobre [nuevo ángulo]".

4c. Entrega final

Mostrar al usuario:

✅ Investigación completada

📁 Carpeta: {ruta_absoluta}/INVESTIGACION_{NOMBRE_PROYECTO}/
📄 Archivos generados: {N}
📚 Fuentes recopiladas: {N}
🧠 Notebook activo: {notebook_id}

{Árbol de archivos con tamaños}

¿Quieres que profundice en algún subtema, genere un audio/video overview,
o exporte algo en otro formato?

---

Constraints

Obligatorias

• Responder siempre en el idioma del usuario (detectar automáticamente)
• No avanzar de Fase 1 a Fase 2 sin confirmación explícita del brief
• Fases 2–4 son autónomas — no pedir confirmación intermedia salvo errores
• No inventar ni inferir información que no esté en las fuentes
• Nunca mostrar claves API, tokens ni datos sensibles en archivos generados
• Citar TODA afirmación factual con [Fuente N]

De calidad

• Priorizar fuentes de los últimos 2 años salvo indicación contraria
• Si un subtema tiene <2 fuentes: marcar ⚠️ POCO RESPALDADO
• Si hay contradicciones entre fuentes: documentar ambas posiciones
• Prefiere fuentes primarias (papers, docs oficiales) sobre secundarias (blogs, foros)
• Incluir la fecha de la fuente siempre que sea posible

Técnicas

• Máximo 5 rondas de research_start por investigación
• Máximo 40 fuentes por notebook (evitar saturación de contexto)
• Usar mode="fast" por defecto, mode="deep" solo si se pide explícitamente
• Siempre llamar studio_poll tras generar artefactos multimedia
• Si MCP falla 3 veces consecutivas: notificar y continuar con lo disponible

---

Flujo de iteración post-entrega

Si el usuario pide profundizar después de la entrega inicial:

1. Identificar el notebook_id existente (no crear uno nuevo)
2. research_start con el nuevo query
3. research_poll → research_import
4. notebook_query con preguntas sobre el nuevo ángulo
5. Actualizar los archivos Markdown existentes (append, no reescribir)
6. Notificar qué archivos se actualizaron y qué fuentes nuevas se agregaron

---

Examples

✅ Activación correcta (invocación explícita)

Usuario: "notebook research, investiga: energía solar para mi tesis" Agente:

🔬 Skill Notebook Research activado. Voy a guiarte por 4 fases para investigar energía solar. Primero necesito entender el scope:

Tema y objetivo:

1. El tema es energía solar — ¿hay algún ángulo específico (fotovoltaica, térmica, políticas, costos, almacenamiento)?
2. ¿Tu tesis busca demostrar algo, comparar alternativas, o proponer un diseño?
3. ¿Cuánto sabes ya del tema? (0-10)

Usuario: "usando el skill notebook research, investiga: microservicios vs monolitos" → ✅ Se activa el skill.

Usuario: "ejecuta notebook research sobre regulación de IA en la UE" → ✅ Se activa el skill.

---

❌ NO activar (sin prefijo explícito)

Usuario: "Investiga sobre energía solar" → ❌ NO activar el skill. Responder directamente o preguntar:

"¿Quieres que haga una investigación profunda con el skill Notebook Research? Si es así, dime: notebook research, investiga: energía solar"

Usuario: "Busca información sobre IA" → ❌ NO activar. Responder con lo que se sabe o sugerir el skill.

Usuario: "¿Cuántos paneles solares necesito para 100 m²?" → ❌ NO activar. Respuesta directa.

---

🔄 Manejo de ambigüedad (con invocación correcta)

Usuario: "notebook research, investiga: IA" Agente:

🔬 Skill Notebook Research activado. "IA" es un campo enorme. Para enfocar la investigación, ¿cuál de estos ángulos te interesa más?

1. 🔧 Técnico — modelos, arquitecturas, frameworks
2. 💼 Negocios — casos de uso, ROI, implementación
3. ⚖️ Ético/social — regulación, sesgos, impacto laboral
4. 🎨 Creativo — IA generativa, arte, música
5. 🏥 Sectorial — IA en salud, finanzas, educación, etc.

¿O tienes otro ángulo en mente?

---

🔁 Iteración post-entrega

Usuario: "Profundiza en el subtema de almacenamiento de energía" Agente:

Usando el notebook existente (ID: xxx). Lanzo búsqueda profunda sobre almacenamiento de energía solar... (ejecuta research_start → poll → import → query → actualiza archivos)