editorial-source-curation

name	editorial-source-curation
description	curate recent items from authority sources into a ranked editorial shortlist before any derivative content is drafted. use when chatgpt needs to fetch or review the latest accessible items from gartner, mckinsey, every, and ruben substack; normalize them into a shared schema; score alignment against david's narrative, proposal, and audience; present a shortlist for human selection; and only then hand off to derivative-content workflows. also use when planning manual or semi-automated source monitoring with research, n8n, linkedin-content, or linkedin-david if those skills are installed. do not use this skill to promise scraping behind logins or paywalls, or automatic publishing without real tooling and permissions.
metadata	{"openclaw":{"emoji":"📚","requires":{"env":[]}}}

Editorial Source Curation

Objetivo

Ayudar a Rick a convertir un lote de novedades de fuentes de autoridad en una decision editorial clara para David: que leer, que priorizar y que angulo derivar despues.

Esta skill no reemplaza un benchmark profundo de una persona, perfil, post, landing o funnel concreto. Si David pide estudiar un caso externo "en profundidad", usar competitive-funnel-benchmark como skill principal y esta solo como apoyo de curacion si hace falta.

Trabajar siempre en dos fases separadas:

1. curar y puntuar fuentes
2. solo tras seleccion humana, derivar un brief o handoff de contenido

Reglas de trabajo

• Priorizar items recientes, accesibles y con atribucion clara.
• Cubrir explicitamente Gartner, McKinsey, Every y Ruben Substack en cada barrido, salvo que el usuario cambie el alcance.
• Usar solo accesos y herramientas reales. No prometer scraping, bypass de paywalls, parsing de inboxes ni publicacion automatica si no existen permisos y tooling reales.
• Distinguir hechos de la fuente, interpretacion editorial y recomendacion.
• Pedir una sola aclaracion solo cuando falte una pieza critica para puntuar. Si no, trabajar con supuestos explicitos.
• No redactar post, thread, newsletter, carrusel ni guion antes de que David elija uno o mas items del shortlist.
• Cada alternativa del shortlist debe declarar arco narrativo, estructura de discurso (pie explicito: Estructura de discurso usada: [hipotesis, introduccion, argumento 1, argumento 2, contraargumento, contra-contraargumento, conclusion], default cambiable) y fuente = URL de la pieza concreta (nunca la home/feed de la organizacion). Ver docs/ops/editorial-norte-hitl-contract-2026-07-22.md §3.

Baseline editorial

Antes de puntuar, fijar o inferir estas tres referencias:

• Narrativa de David: tesis, worldview, contrarian take e ideas que quiere repetir.
• Propuesta: oferta, servicio, producto, posicionamiento o CTA implicito.
• Audiencia: ICP lector o comprador, nivel de sofisticacion, pains y jobs-to-be-done.

Si faltan datos, inferir una baseline provisional en 3-5 bullets y marcarla como assumption.

Source of truth recomendado

Cuando exista, tomar como fuente viva:

• la pagina Notion Fuentes
• la base hija Fuentes confiables
• la base Referentes

No tratar la lista de fuentes y la lista de referentes como si fueran lo mismo:

• fuentes de autoridad / research / mercado
• fuentes de industria / instituciones / estandares
• referentes de divulgacion / estilo / framing
• fuentes experimentales en observacion

Cobertura de fuentes requerida

Mantener estas cuatro fuentes como minimo:

• Gartner
• McKinsey
• Every
• Ruben Substack

Para cada fuente:

• Preferir paginas oficiales, newsletters, posts o articulos accesibles con el tooling actual.
• Si existe contenido licenciado o de suscripcion y no es accesible, registrar el hueco como inaccessible y no fingir lectura.
• Si "Ruben Substack" es ambiguo, usar la URL o publicacion que David ya haya indicado. Si no existe, pedirla una vez o trabajar con el identificador textual y marcar la ambiguedad.

Flujo de trabajo

1. Fetch

• Reunir los items mas recientes dentro de la ventana pedida por el usuario. Por defecto usar 30 dias.
• Buscar al menos 1-3 items por fuente cuando sea posible.
• Capturar fecha, titulo, URL, formato y una sintesis fiel de la tesis.
• Si la fuente no ofrece suficiente material en la ventana, ampliar a 60-90 dias y documentarlo.

2. Normalize

• Convertir cada item al esquema de references/scoring-schema.md.
• Deduplicar items casi iguales y fusionar versiones del mismo lanzamiento, informe o ensayo.
• Separar source_claim, editorial_interpretation y why_now.

3. Alignment scoring

• Aplicar la rubrica de references/scoring-schema.md.
• Puntuar narrativa, propuesta, audiencia, frescura, autoridad, novedad y potencial derivativo.
• Anotar supuestos, lagunas y riesgos de acceso o derechos.

4. Shortlist

• Ordenar por score total, pero ajustar por diversidad de angulos y evitar duplicados.
• Devolver una shortlist de 3-5 items usando references/shortlist-format.md.
• Incluir por que entra, por que ahora y que angulo podria explotar David.

5. Human selection

• Cerrar siempre con una decision explicita para David:
  • elegir 1 item
  • elegir 2 items para combinacion
  • pedir otra pasada con otro tema o ventana temporal
• No avanzar a contenido derivado sin esta seleccion.

Fase manual antes de automatizar

Antes de proponer automatizacion n8n seria, validar que existe una fase manual estable:

• shortlist consistente durante 3-4 semanas
• criterios de scoring claros y repetibles
• al menos 2 fuentes con captura fiable
• baja ambiguedad al elegir piezas
• costo operativo manual suficientemente alto como para justificar automatizacion

Mientras eso no ocurra:

• no proponer autopublicacion
• no saltarse la shortlist humana
• no convertir referentes de divulgacion en scraping pesado

6. Derivative content

• Solo despues de la seleccion humana, producir:
  • un brief de contenido
  • posibles hooks o takes
  • un handoff a otra skill
• Si linkedin-content o linkedin-david estan instaladas, usarlas para el draft final o la adaptacion de voz.
• Si no estan instaladas, producir un brief estructurado listo para otra etapa.

Composicion con otras skills

• research: usar para ampliar contexto, validar claims o encontrar supporting evidence alrededor de un item ya capturado. No reemplazar la cobertura explicita de las cuatro fuentes base.
• n8n: usar solo para disenar o documentar una automatizacion aprobada, como feeds, alertas, Airtable o Notion handoff, o scoring pipelines. No afirmar que ya existe una automatizacion operativa si no se creo realmente y no hay permisos.
• linkedin-content: usar despues de la seleccion humana para convertir el item elegido en estructura de post, carrusel o brief social.
• linkedin-david: usar despues de la seleccion humana para afinar POV, tono, audience-fit y CTA de David.

Si alguna de estas skills no esta instalada, continuar manualmente y explicitar la sustitucion.

Entregables por defecto

Entregar en este orden:

1. coverage note: ventana temporal, fuentes cubiertas, huecos y restricciones
2. normalized set: tabla compacta de items
3. shortlist: 3-5 opciones rankeadas
4. selection request: que debe decidir David
5. tras seleccion, derivative brief

Formato de salida

Usar este orden salvo que el usuario pida otro:

1. resumen ejecutivo de 3-5 lineas
2. coverage note
3. normalized set, como tabla compacta o bullets densos
4. shortlist
5. seleccion solicitada
6. si ya hubo seleccion, brief derivativo

Criterios de calidad

• Priorizar senal sobre volumen.
• No inflar el score si el item es prestigioso pero poco alineado.
• Favorecer items que permitan una opinion, traduccion o aplicacion util para la audiencia de David.
• Penalizar piezas demasiado genericas, viejas, duplicadas o dificiles de atribuir.
• Cuando el mejor item no sea el mas obvio, explicar la decision en una linea.

Prompts de ejemplo

Curacion inicial:

Trae los latest items de Gartner, McKinsey, Every y Ruben Substack sobre AI agents para servicios B2B. Normaliza, puntua alineacion con la narrativa de David sobre leverage operativo para equipos pequenos, arma shortlist de 4 y no redactes contenido todavia.

Despues de la seleccion:

Usa el shortlist #2 y prepara un derivative brief para LinkedIn. Si esta disponible, apoyate en linkedin-david para el POV y en linkedin-content para la estructura. No publiques ni asumas automatizacion.

Referencias

• Usar references/scoring-schema.md para el esquema normalizado y la rubrica.
• Usar references/shortlist-format.md para el formato de shortlist y el handoff posterior.