| name | sintesis-docs |
| description | Sintetizar o redactar un entregable a partir de varios documentos fuente (o pocos muy grandes) que juntos NO caben en la ventana de contexto — reportes multi-fuente, due diligence, análisis/comparación de contratos, resúmenes de expediente, investigación. Úsalo cuando debas correlacionar información entre múltiples documentos y producir un documento nuevo, y leerlos todos completos reventaría el contexto ("Prompt is too long"). NO es para leer un solo documento corto. |
| allowed-tools | Read, Write, Bash, Grep |
Síntesis de documentos — de un corpus grande a un entregable
Principio: un entregable que correlaciona muchas fuentes NO se redacta releyendo cada documento completo cada vez que se necesita un dato. Se redacta desde una síntesis (analysis/notas.md) construida en UNA sola lectura por documento, y se consulta el original solo por rebanadas puntuales. El killer de contexto es releer, no leer.
Cuándo aplica
- Varios documentos (5+) que hay que cruzar: un reporte a partir de N PDFs, due diligence, comparar/analizar contratos, resumen de un expediente, investigación multi-fuente.
- O pocos documentos pero muy grandes (una sola fuente de cientos de páginas).
- Señal de que lo necesitas: leer todo de corrido daría "Prompt is too long", o ya te pasó.
1. Extraer una vez → a archivo (nunca a stdout suelto)
Por cada documento, extrae a texto plano UNA vez y redirige a archivo (el extract a pantalla vuelca todo al contexto y lo satura):
office-reader extract "fuente.docx" > analysis/02_fuente.txt
pdf-reader extract "fuente.pdf" > analysis/06_fuente.txt
Numera con prefijo (01_, 02_…) para orden estable. NUNCA Read sobre el binario original; NUNCA re-extraigas algo que ya volcaste a analysis/.
2. Índice de notas con anclas de línea
Lee cada .txt UNA sola vez y vuelca a analysis/notas.md lo relevante (hechos, cifras, cláusulas, hallazgos) con su número de línea en la fuente:
[06_fuente.txt:142] hallazgo clave: ...
[02_fuente.txt:88] cifra: $1,250,677.20 ...
notas.md es tu memoria de trabajo comprimida. Redacta el entregable desde notas.md, no desde los .txt crudos. Como vive en disco, sobrevive a las auto-compactaciones del contexto: si el SDK compacta y pierdes detalle, lo recuperas releyendo notas.md (chico), no los originales.
3. Gotcha: límite de Read (~25k tokens por llamada)
Read trunca en silencio los archivos largos. Antes de leer un .txt grande: wc -l archivo.txt, luego léelo con offset/limit en pasadas (p.ej. 2000 líneas) y confirma que cubriste el total. No asumas que una sola llamada capturó todo el archivo.
4. Citas verbatim — por rebanada, no por relectura
Cuando necesites el texto exacto de una fuente durante la redacción:
grep -n "palabra clave" analysis/06_fuente.txt
sed -n '120,180p' analysis/06_fuente.txt
Nunca vuelvas a Read el archivo completo solo para citar un fragmento.
5. Entregables largos — por partes / dos pasadas
Si el entregable es largo o el usuario pide "manda cada sección conforme la termines":
- Genera el documento incrementalmente. Para
.docx, patrón de dos pasadas con python-docx: un script crea el documento + escribe las primeras secciones y guarda; el siguiente reabre (Document(path)) y agrega. Verifica integridad al final (len(doc.paragraphs), ls -la).
- Reporta avance con mensajes de progreso conforme cierras cada sección. Además de ser buena UX en canales de chat, en entornos con timeout por inactividad cada emisión mantiene vivo el proceso.
PROHIBIDO
- Releer completo un
.txt que ya sintetizaste en notas.md.
- Tener todos los documentos completos en contexto a la vez.
Read/cat sin limit de una fuente que ya procesaste.
Cross-refs
office-reader / pdf-reader — extracción a texto plano (paso 1).big-files — si alguna fuente viene comprimida (.zip).structured-doc — para entregables tabulares/estructurados.escrito-juridico — especialización legal (recursos, demandas, amparos): aplica este mismo patrón + verificación de jurisprudencia SCJN y esqueletos procesales.
