Menú
FASE 2 — GroundTruthAgent. Documenta supuestos base clasificados (confirmado/estimación/pendiente).
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
Skill maestro que coordina las 9 fases del pipeline de creación de planes de negocio. Coordina BRIEF → MARKET GATE → GROUND TRUTH → MARKET → FINANCIALS → STRATEGY → BUILD → INVESTOR PACK → JUDGE con reglas de iteración y comunicación.
Delegación de investigación a agentes Extractor y Scout. Prompts predefinidos por fase del pipeline y referencia completa al arsenal de herramientas en web-research.
FASE 3 — MarketAgent. Análisis de competencia, mercado TAM/SAM/SOM, tendencias, estacionalidad y oportunidades.
Arsenal completo de herramientas de investigación web, extracción de datos y OSINT utilizadas por Planitor y sus agentes. Documenta herramientas, fallback chains, y flujos de trabajo reales por tipo de investigación.
Verifica datos del plan de negocio contra fuentes externas. Delega a investigación web para confirmar o refutar datos numéricos y hechos concretos.
FASE 1 — BriefAgent. Recoge la idea de negocio y genera un brief estructurado BRIEF.json.
| name | pipeline-ground-truth |
| description | FASE 2 — GroundTruthAgent. Documenta supuestos base clasificados (confirmado/estimación/pendiente). |
| Archivo | Descripción |
|---|---|
BRIEF.json | Brief de la Fase 1 |
projects/{proyecto}/v{n}/GROUND-TRUTH.json con supuestos clasificados ✅/⚠️/❓.
Categorías:
Cada supuesto: { valor, fuente, estado: "✅"|"⚠️"|"❓" }
Lee projects/{proyecto}/v{n}/BRIEF.json y genera el Ground Truth.
Crea un documento con 5 categorías de supuestos:
1. Supuestos de Mercado (tamaño, segmento, tendencia)
2. Supuestos de Producto/Servicio (precio, coste, volumen)
3. Supuestos de Costes (fijos, inversión, CAC)
4. Supuestos de Ventas (timeline, crecimiento, LTV)
5. Datos Reales (si el negocio existe: revenue, clientes, ticket medio, estacionalidad)
6. **Estacionalidad Local** (OBLIGATORIO): ¿La ciudad es turística o emisora? ¿Se vacía en verano? Buscar datos INE de población de hecho vs derecho. NO asumir patrones genéricos — cada ciudad tiene su propia estacionalidad.
Cada supuesto tiene: valor, fuente, estado (✅/⚠️/❓)
Si el negocio ya existe, los datos históricos SON el ground truth.
### Análisis de Competencia con Reseñas Reales (OBLIGATORIO)
Para cada competidor identificado:
1. Extraer reseñas de Google Maps usando el script de Extractor:
xvfb-run -a --server-args="-screen 0 1920x1080x24" python3 ~/.openclaw/workspace/agents/extractor/skills/google-reviews-extract/google_reviews_camoufox.py "Nombre Competidor" "Ciudad" --max 10
2. Datos societarios del competidor (registro-empresas-es):
3. Incluir en GROUND-TRUTH.json los datos extraídos:
- `rating_google_maps`: nota media
- `total_reviews_google_maps`: total de reseñas
- `reviews_sample`: array con las reseñas extraídas (autor, rating, fecha, texto)
- `insights_competencia`: análisis cualitativo (fortalezas, debilidades, quejas recurrentes)
- `datos_societarios`: CIF, administradores, estado, capital (si disponible)
4. Fuentes adicionales para reseñas (si Google Reviews falla):
- TripAdvisor: scraping con fallback chain
- SearXNG: `python3 skills/searxng-search/searxng-search.py "[competidor] review [ciudad]"`
- Reddit: `node skills/reddit-readonly/reddit-readonly.mjs "[competidor] [ciudad]"`
- Foros sectoriales (Escapistas.CLUB, TodoEscapeRooms, etc.)
5. NO inventar reseñas ni puntuaciones — solo datos extraídos
Guarda como GROUND-TRUTH.json en projects/{proyecto}/v{n}/
~45 segundos