| name | strategy-investigacion-profunda |
| description | Genera informes completos de investigación profunda en español con triangulación multi-fuente, scoring de credibilidad, verificación de afirmaciones y salida Markdown + HTML. Úsala para decisiones complejas, estudios comparativos, estado del arte o research reports; para búsqueda ligera de 3-5 fuentes usa `strategy-web-research`. |
Investigación Profunda
Propósito
Entregar informes de investigación con citas verificadas a través de un pipeline estructurado de 8 fases, con persistencia de evidencia, gestión de identidad de fuentes, verificación a nivel de afirmación, y control progresivo del contexto. Réplica adaptada del repo 199-biotechnologies/claude-deep-research-skill para entorno Claude.ai (web/app).
Diferencia con strategy-web-research: strategy-web-research sirve para búsqueda ligera y rápida con 3-5 fuentes. strategy-investigacion-profunda se usa cuando hace falta informe completo con triangulación, scoring de fuentes, evidencias persistidas y verificación de afirmaciones.
Principio de autonomía: Opera de forma independiente. Infiere asunciones del contexto. Solo te detienes para errores críticos o preguntas incomprensibles. Hace explícitas las asunciones de alto impacto en la Introducción y Metodología en lugar de adoptarlas en silencio.
Idioma: El informe se redacta SIEMPRE en español (es el público objetivo), aunque las fuentes consultadas pueden estar en cualquier idioma. Las citas mantienen el título original de la fuente.
Flujo de inicio (OBLIGATORIO)
Antes de empezar la investigación:
-
Confirmar tema y modo con el usuario. Si el usuario no ha especificado el modo, preguntar con ask_user_input_v0 (un solo single_select):
- Quick (3 fases, 2-5 min, 2.000-4.000 palabras) — Exploración inicial
- Standard (6 fases, 5-10 min, 4.000-8.000 palabras) — Mayoría de casos
- Deep (8 fases, 10-20 min, 8.000-15.000 palabras) — Decisiones críticas
- UltraDeep (8+ fases, 20-45 min, 15.000-20.000 palabras) — Máximo rigor
-
Si el tema es ambiguo, pedir clarificación SOLO si es indispensable (ej. "compara X vs Y" sin decir X o Y). En caso contrario, inferir y declarar la asunción en la Introducción.
-
Crear carpeta de trabajo en projects/investigacion/<YYYY-MM-DD>/<tema-slug>/ para todos los artefactos.
Árbol de decisión
Análisis de la solicitud
├── ¿Búsqueda simple? → PARAR: usa web_search directo
├── ¿Pregunta factual rápida? → PARAR: responde sin skill
└── ¿Análisis complejo? → CONTINUAR
Selección de modo
├── Exploración inicial → quick (3 fases)
├── Investigación estándar → standard (6 fases) [SUGERIDO POR DEFECTO]
├── Decisión crítica → deep (8 fases)
└── Revisión exhaustiva → ultradeep (8+ fases)
Asunciones por defecto: Pregunta técnica = audiencia técnica. Comparación = perspectiva equilibrada. Tendencia = últimos 1-2 años.
Visión general del flujo de trabajo
| Fase | Nombre | Quick | Std | Deep | Ultra |
|---|
| 1 | SCOPE (Encuadre) | ✓ | ✓ | ✓ | ✓ |
| 2 | PLAN (Estrategia) | - | ✓ | ✓ | ✓ |
| 3 | RETRIEVE (Recuperación) | ✓ | ✓ | ✓ | ✓ |
| 4 | TRIANGULATE (Triangulación) | - | ✓ | ✓ | ✓ |
| 4.5 | OUTLINE REFINEMENT (Refino de esquema) | - | ✓ | ✓ | ✓ |
| 5 | SYNTHESIZE (Síntesis) | - | ✓ | ✓ | ✓ |
| 6 | CRITIQUE (Crítica) | - | - | ✓ | ✓ |
| 7 | REFINE (Refinamiento) | - | - | ✓ | ✓ |
| 8 | PACKAGE (Empaquetado) | ✓ | ✓ | ✓ | ✓ |
Nota: Las fases 3-5 operan como un bucle de evidencia por sección (recuperar → almacenar evidencia → refinar esquema → redactar → verificar afirmaciones → buscar deltas si hace falta), no como puertas secuenciales estrictas.
Ejecución
Al invocar la skill, cargar los archivos de referencia relevantes:
- Fases 1-7: Lee reference/methodology.md para instrucciones detalladas de cada fase
- Fase 8 (Informe): Lee reference/report-assembly.md para generación progresiva
- Salida HTML: Lee reference/html-generation.md
- Controles de calidad: Lee reference/quality-gates.md
Plantillas:
Scripts (ejecutar desde la raíz del skill):
python scripts/validate_report.py --report [ruta] — 9 checks de estructura
python scripts/verify_citations.py --report [ruta] — verificación de citas y bibliografía
python scripts/source_evaluator.py --url [url] — scoring de credibilidad 0-100
python scripts/md_to_html.py [ruta_md] — conversión a HTML McKinsey
Herramientas disponibles en este entorno
A diferencia del repo original (Claude Code), aquí en Claude.ai trabajas con:
- ✅
web_search: búsqueda principal. Lánzala en serie u en batch (varias llamadas seguidas) para paralelismo lógico.
- ✅
web_fetch: para extraer contenido completo de URLs específicas tras una búsqueda.
- ✅
bash_tool + create_file: ejecutar scripts Python de validación y guardar archivos.
- ❌ No hay
search-cli, subagentes Task, ni MCPs custom. Sustituye batches de Task por múltiples web_search consecutivas con queries distintas.
- ❌ No hay PDF nativo. Solo MD + HTML como salida final.
Contrato de salida
Secciones obligatorias del informe (en español):
- Resumen ejecutivo (200-400 palabras)
- Introducción (alcance, metodología, asunciones)
- Análisis principal (4-8 hallazgos, 600-2.000 palabras cada uno, con citas)
- Síntesis e implicaciones (patrones, conexiones)
- Limitaciones y caveats
- Recomendaciones
- Bibliografía (COMPLETA — toda cita usada, sin marcadores ni rangos)
- Anexo metodológico
Archivos de salida (todos en projects/investigacion/<YYYY-MM-DD>/<tema-slug>/):
informe_[YYYYMMDD]_[slug].md — fuente de verdad
informe_[YYYYMMDD]_[slug].html — versión estilo McKinsey
sources.json — registro de fuentes con IDs estables
evidence.json — evidencias con citas literales y localizadores
claims.json — afirmaciones atómicas con estado de soporte
run_manifest.json — consulta, modo, asunciones, configuración
Estándares de calidad:
- 10+ fuentes, 3+ por cada afirmación importante (independientes entre sí, no solo en número)
- Toda afirmación factual citada inmediatamente con [N] y respaldada en
evidence.json
- Verificación de soporte de afirmaciones obligatoria: no pasan al entregable afirmaciones sin respaldo
- Sin marcadores, sin citas fabricadas
- Prosa primero (≥80%), viñetas con moderación
Cuándo usar / NO usar
SÍ usar: Análisis exhaustivo, comparaciones tecnológicas, revisiones de estado del arte, investigación multi-perspectiva, análisis de mercado, decisiones estratégicas que requieren evidencia.
NO usar: Búsquedas simples, debugging, respuestas de 1-2 búsquedas, consultas urgentes que solo necesitan un dato.
Skill original de Angel Aparicio (IA Masters Academy), adaptada para iamasters-os.