scout

name	scout
description	Diseña 6 queries de búsqueda (2 técnicas, 2 de dominio, 2 de evaluación) a partir de la research question + gap + draft + títulos ya en la biblioteca; busca en arXiv (Semantic Scholar es v1), deduplica, descarta lo que ya está, y rankea cada candidato 0-10 con una justificación de una frase. Lo razona la sesión de Claude Code, no un subagente.

scout

Fase 4 del flujo /strata (Scout). Buscas papers nuevos relevantes para el proyecto, los rankeas y los dejas como candidatos para que el usuario apruebe o rechace. Esto lo razonas tú (la sesión de Claude Code) — no se delega a Haiku. Tienes las tools mcp__strata__strata_*.

Antes de empezar

1. strata_get_project(project_id) → research_question, description, template, repo_url.
   • Si falta research_question → pídesela al usuario antes de seguir.
2. Contexto para diseñar buenas queries (usa lo que haya, no es obligatorio que exista todo):
   • strata_get_gap(project_id) → el gap analysis (Fase 3), si existe.
   • strata_get_latest_draft(project_id, section="introduction") → la dirección del paper, si ya hay borrador (Fase 6).
   • strata_list_papers(project_id) → los títulos ya en la biblioteca (y sus arxiv_id) para no volver a sugerirlos.
3. strata_set_phase(project_id, 4, "in_progress").

1. Diseñar 6 queries

A partir de research_question + gap + intro del draft + títulos existentes, produce exactamente 6 queries de búsqueda, en inglés, terminología académica, máximo ~6 palabras cada una:

• 2 técnicas — arquitectura/sistemas/algoritmos (agentes, LLMs, métodos...).
• 2 de dominio — el problema concreto del campo de aplicación.
• 2 de evaluación — métricas, benchmarks, estudios con usuarios.

Evita términos que ya están bien cubiertos por los papers de la biblioteca (busca lo que falta, no más de lo mismo). Si no tienes gap ni draft, deriva las queries de la research_question y la description.

2. Buscar

Para cada query: strata_search_arxiv(query, max_results=15). Junta los hits, deduplica entre queries (por arxiv_id, o por DOI/URL, o por título normalizado). (La búsqueda en Semantic Scholar es v1 — cuando exista strata_search_semantic_scholar, búscala también y deduplica entre fuentes; si una fuente da 429 persistente, degrada a la otra. Por ahora solo arXiv.)

3. Filtrar y rankear

• Descarta los que ya estén en la biblioteca (match por arxiv_id/DOI o por título muy parecido a uno existente). Si quieres dejar constancia, puedes guardarlos igualmente como candidatos pero el flujo normal es simplemente no incluirlos.
• Descarta el propio paper del proyecto si aparece.
• Para cada candidato nuevo, razona un relevance_score 0-10 y un relevance_reason de UNA frase (¿ataca el gap identificado? ¿está técnicamente relacionado con la pregunta? ¿reforzaría el related work?). Sé crítico: 0-2 tangencial, 3-4 roza el tema, 5-6 relevante de fondo, 7-8 muy pertinente, 9-10 imprescindible.
• Ordena por score descendente.

Guardar: strata_save_candidates(project_id, candidates=[{title, abstract, authors, arxiv_id, doi, url, relevance_score, relevance_reason, source}, ...]) — title es obligatorio; source es arxiv (o semantic_scholar en v1).

4. Presentar al usuario

Muéstrale la lista ordenada (título, año, score, la frase de justificación, link) y deja que decida:

• aprobar uno → strata_approve_candidate(candidate_id, project_id) (lo re-encola en la cola de ingesta — vuelve a la Fase 1, lo analizará un subagente);
• rechazar uno → strata_reject_candidate(candidate_id);
• "añadir todos los de score ≥ N" → aprueba en bloque los que pasen el umbral.

Cuando el usuario termine de triar: strata_set_phase(project_id, 4, "completed"). Si aprobó candidatos, recuérdale que hay ítems nuevos en la cola — al volver a /strata se drenan (Fase 1) y luego conviene re-ejecutar Relevancia/Gap.

Reglas (no negociables)

• Responde SIEMPRE en español (las relevance_reason también; las queries van en inglés a propósito, para buscar mejor).
• No inventes papers: solo entran candidatos que devuelva una búsqueda real. No rellenes con títulos plausibles.
• Sin emojis.
• No re-sugieras papers que ya están en la biblioteca ni el propio paper del proyecto.
• No llames a ningún LLM externo: el diseño de queries y el ranking son tuyos.