| name | auto-research-notebooklm |
| description | Investigación profunda usando NotebookLM via MCP. Produce entregables estructurados en Markdown (informes, mapas mentales, fuentes, etc.).
ACTIVACIÓN EXPLÍCITA ÚNICAMENTE. Este skill NO se auto-activa. Solo se ejecuta cuando el usuario invoca explícitamente con frases como: "notebook research, investiga: [tema]" "usando el skill notebook research, investiga: [tema]" "ejecuta notebook research sobre [tema]"
NO ACTIVAR bajo ninguna otra circunstancia, ni siquiera si el usuario dice "investiga", "busca información" u otras palabras de investigación sin mencionar explícitamente "notebook research" como prefijo.
|
| tags | ["research","notebooklm","mcp","reports","mindmap","deep-research"] |
| version | 2.1 |
SKILL: Auto-Research con NotebookLM MCP
Meta
- Autor: Eliú / Floydia
- Requiere: MCP server
notebooklm activo y autenticado
- Idioma de operación: el mismo que use el usuario en su solicitud
- Tiempo estimado: 5–15 minutos según profundidad
Goal
Transformar cualquier solicitud de investigación — desde una idea vaga hasta
una pregunta compleja — en un proyecto completamente documentado con:
fuentes verificadas y clasificadas, resúmenes en múltiples niveles de detalle,
mapa mental visual, preguntas abiertas para profundizar, y opcionalmente
audio/video overviews o presentaciones. Todo almacenado en una estructura
local reproducible.
Inventario de herramientas MCP disponibles
Antes de ejecutar, ten presente las herramientas reales del servidor notebooklm:
| Herramienta MCP | Uso en este skill |
|---|
notebook_create | Crear notebook dedicado al proyecto |
notebook_list | Verificar si ya existe un notebook relevante |
notebook_add_url | Agregar URLs específicas como fuentes |
notebook_add_text | Agregar contexto textual del usuario como fuente |
notebook_add_local_file | Agregar PDFs o archivos locales como fuentes |
notebook_add_drive | Agregar documentos de Google Drive |
research_start | Iniciar búsqueda web o Drive (fast ≈30s / deep ≈5min) |
research_poll | Monitorear estado de la investigación |
research_import | Importar fuentes descubiertas al notebook |
notebook_query | Interrogar las fuentes cargadas con preguntas |
report_create | Generar reporte estructurado desde las fuentes |
mind_map_generate + mind_map_save | Generar y guardar mapa mental |
audio_overview_create | Generar podcast-resumen del notebook |
video_overview_create | Generar video-resumen del notebook |
slide_deck_create | Generar presentación de diapositivas |
flashcards_create | Generar tarjetas de estudio |
infographic_create | Generar infografía |
data_table_create | Generar tabla comparativa de datos |
studio_poll | Verificar estado de artefactos generados |
Instructions
FASE 0 — Activación y encuadre
REGLA DE ACTIVACIÓN: Este skill SOLO se ejecuta cuando el usuario lo
invoca explícitamente con una de estas formas:
"notebook research, investiga: [tema]"
"usando el skill notebook research, investiga: [tema]"
"ejecuta notebook research sobre [tema]"
"notebook research: [tema]"
Si el usuario dice "investiga X" SIN el prefijo "notebook research",
NO activar este skill — responder directamente o preguntar si quiere
usar el skill de investigación profunda.
Al activarse:
-
Confirma el encuadre en máximo 2 frases:
"🔬 Skill Notebook Research activado. Voy a guiarte por 4 fases para
investigar [tema]: intake → recopilación → análisis → entregables."
-
Verifica autenticación MCP: internamente llama notebook_list para
confirmar que el servidor está operativo. Si falla, ejecuta refresh_auth
y reintenta una vez. Si persiste el error, notifica al usuario con el
mensaje exacto y propón continuar sin MCP (investigación manual).
FASE 1 — Intake (Entendimiento del scope)
Haz estas preguntas agrupadas en bloques lógicos (no una a una, eso es
tedioso). Presenta los bloques como formulario conversacional:
Bloque A — Tema y objetivo:
- ¿Cuál es el tema principal?
- ¿Cuál es el objetivo final? (aprender · crear contenido · tomar decisión · construir algo · otro)
- ¿Nivel de conocimiento actual? (0 = nada · 5 = intermedio · 10 = experto)
Bloque B — Enfoque y restricciones:
4. ¿Subtemas o ángulos prioritarios? (si no tienes, dilo y yo propongo)
5. ¿Restricciones? (audiencia, idioma de fuentes, rango de fechas, región, presupuesto, etc.)
Bloque C — Formato de salida:
6. ¿Qué entregables quieres? (puedes elegir varios)
- 📄 Informe detallado + resumen ejecutivo (default)
- 🧠 Mapa mental interactivo
- 🎙️ Audio overview (podcast de ~10 min)
- 🎬 Video overview
- 📊 Presentación / slide deck
- 🗂️ Flashcards / tarjetas de estudio
- 📈 Infografía
- 📋 Tabla comparativa de datos
Reglas del intake:
- Si el usuario responde en bloque, acepta todo y no re-preguntes lo ya respondido.
- Si una respuesta es ambigua, ofrece 2–3 opciones concretas:
"Cuando dices 'IA', ¿te interesa el ángulo técnico (modelos, arquitecturas),
el de negocios (casos de uso, ROI) o el ético/social?"
- Si el usuario dice "tú decide" o "lo que sea mejor", aplica defaults inteligentes
y muéstralos para confirmación rápida.
Al finalizar, presenta un brief de proyecto así:
╔══════════════════════════════════════════════════╗
║ BRIEF DE INVESTIGACIÓN ║
╠══════════════════════════════════════════════════╣
║ Tema: [tema] ║
║ Objetivo: [objetivo] ║
║ Nivel: [N]/10 ║
║ Subtemas: [lista] ║
║ Restricciones: [lista o "ninguna"] ║
║ Entregables: [lista de formatos seleccionados] ║
║ Nombre corto: [NOMBRE_PROYECTO] ║
╚══════════════════════════════════════════════════╝
Pide confirmación con: "¿Todo correcto? Responde ok para empezar la
investigación, o indica qué cambiar."
No avanzar sin un "ok" explícito (o equivalente afirmativo).
FASE 2 — Investigación autónoma via MCP
Esta fase es mayormente autónoma — el usuario no necesita intervenir
a menos que haya problemas. Muestra progreso periódicamente.
2a. Preparar el notebook
1. notebook_list → buscar si ya existe un notebook sobre el tema
- Si existe: preguntar si reutilizar o crear nuevo
- Si no existe: notebook_create(title="Investigación: {NOMBRE_PROYECTO}")
2. Guardar notebook_id para todas las operaciones siguientes
2b. Inyectar contexto del usuario
Si el usuario proporcionó contexto específico (documentos, URLs, texto):
- notebook_add_text(contenido del brief como fuente de contexto)
- notebook_add_url(URLs mencionadas por el usuario)
- notebook_add_local_file(archivos locales si los proporcionó)
- notebook_add_drive(docs de Drive si aplica)
2c. Investigación web automatizada
Ejecutar búsquedas en rondas, de lo general a lo específico:
Ronda 1 — Mapeo general:
research_start(
notebook_id,
query="{tema principal} overview",
source="web",
mode="fast"
)
→ research_poll(notebook_id) # esperar completación
→ research_import(notebook_id, task_id, sources) # importar TODAS
Ronda 2 — Profundización por subtema:
Para cada subtema identificado en la Fase 1:
research_start(
notebook_id,
query="{subtema específico}",
source="web",
mode="fast" # usar "deep" solo si el usuario pidió investigación exhaustiva
)
→ research_poll → research_import
Ronda 3 — Preguntas específicas (si el nivel del usuario es ≥5):
research_start(
notebook_id,
query="{pregunta técnica o de nicho del usuario}",
source="web",
mode="deep"
)
→ research_poll → research_import
Criterios de parada:
- Máximo 5 rondas de research para evitar saturación.
- Si una ronda devuelve <3 fuentes nuevas, detener esa línea de investigación.
- Si el total de fuentes supera 40, detener y pasar a análisis.
2d. Manejo de errores MCP
Si una llamada MCP falla:
1. Log interno del error exacto
2. Reintentar 1 vez con parámetros simplificados
3. Si falla de nuevo:
- Si es auth: ejecutar refresh_auth y reintentar
- Si es rate limit: esperar 30s y reintentar
- Si es otro error: notificar al usuario con el error,
proponer alternativa, y continuar con fuentes disponibles
4. NUNCA detener todo el proceso por un solo error
2e. Análisis cruzado (notebook_query)
Una vez cargadas las fuentes, interrogar el notebook para extraer insights:
notebook_query(notebook_id, "¿Cuáles son los hallazgos principales sobre {tema}?")
notebook_query(notebook_id, "¿Qué contradicciones o debates existen entre las fuentes?")
notebook_query(notebook_id, "¿Qué vacíos de información detectas sobre {subtemas}?")
notebook_query(notebook_id, "Resume las fuentes más relevantes y por qué son importantes")
Guardar las respuestas — estas alimentan los entregables de la Fase 3.
Notificar progreso al usuario:
"✅ Investigación completada. Encontré N fuentes de M búsquedas.
Ahora genero los entregables. Esto toma 1–3 minutos."
FASE 3 — Generación de entregables
3a. Entregables MCP nativos (si fueron solicitados)
Ejecutar en paralelo los que apliquen:
# Si pidió mapa mental:
mind_map_generate(source_ids=[...])
→ mind_map_save(notebook_id, mind_map_json, source_ids, title="Mapa: {tema}")
# Si pidió audio:
audio_overview_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id) # esperar completación
# Si pidió video:
video_overview_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)
# Si pidió slides:
slide_deck_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)
# Si pidió flashcards:
flashcards_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)
# Si pidió infografía:
infographic_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)
# Si pidió tabla comparativa:
data_table_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)
# Reporte (siempre):
report_create(notebook_id, language="es", focus_prompt="{resumen del brief}")
→ studio_poll(notebook_id)
3b. Entregables Markdown locales (siempre se generan)
Usando la información de notebook_query y report_create, generar:
| Archivo | Contenido | Largo objetivo |
|---|
resumen_ejecutivo.md | Contexto, hallazgos clave, conclusión, próximos pasos | 500–800 palabras |
informe_detallado.md | Secciones por subtema con citas inline [Fuente N] | 1500–3000 palabras |
mapa_mental.md | Diagrama Mermaid jerárquico (mindmap o flowchart) | N/A |
fuentes.md | Tabla indexada: #, título, URL, fecha, resumen 2 líneas, relevancia (🟢Alta/🟡Media/🔴Baja) | Todas las fuentes |
preguntas_abiertas.md | Vacíos, hipótesis no confirmadas, sugerencias de profundización | 5–15 preguntas |
Formato de cabecera para TODOS los archivos:
# [Título del entregable]
> 📅 Generado: YYYY-MM-DD
> 🔬 Tema: [nombre del proyecto]
> 📚 Fuentes usadas: N
> 🤖 Generado con: NotebookLM MCP + Antigravity
Reglas de citación:
- Toda afirmación factual →
[Fuente N] referenciando fuentes.md
- Si un párrafo tiene <2 fuentes de respaldo → marcar con
⚠️ POCO RESPALDADO
- No inventar ni inferir datos que no estén en las fuentes importadas
- Si hay contradicciones entre fuentes, documentarlas explícitamente
Mapa mental Mermaid — usar esta estructura:
```mermaid
mindmap
root(("{TEMA PRINCIPAL}"))
subtema_1["Subtema 1"]
hallazgo_1a["Hallazgo A"]
hallazgo_1b["Hallazgo B"]
subtema_2["Subtema 2"]
hallazgo_2a["Hallazgo C"]
hallazgo_2b["Hallazgo D"]
preguntas_abiertas["❓ Preguntas abiertas"]
pregunta_1["Pregunta 1"]
pregunta_2["Pregunta 2"]
`` `
FASE 4 — Almacenamiento y entrega
4a. Crear estructura local
{CWD}/INVESTIGACION_{NOMBRE_PROYECTO}/
├── resumen_ejecutivo.md
├── informe_detallado.md
├── mapa_mental.md
├── fuentes.md
├── preguntas_abiertas.md
└── README.md ← índice con links a cada archivo
Reglas de nombrado:
{NOMBRE_PROYECTO} = nombre corto del brief, en MAYUSCULAS_CON_GUIONES_BAJOS- Sin espacios, acentos, eñes ni caracteres especiales
- Máximo 40 caracteres
4b. README.md de índice
# 📚 Investigación: {Tema}
> Generado: YYYY-MM-DD | Fuentes: N | Notebook ID: {id}
## Archivos
| Archivo | Descripción |
|---------|-------------|
| [resumen_ejecutivo.md](./resumen_ejecutivo.md) | Resumen de 500-800 palabras |
| [informe_detallado.md](./informe_detallado.md) | Informe completo con citas |
| [mapa_mental.md](./mapa_mental.md) | Diagrama Mermaid del tema |
| [fuentes.md](./fuentes.md) | Tabla de todas las fuentes |
| [preguntas_abiertas.md](./preguntas_abiertas.md) | Vacíos y próximos pasos |
## Artefactos NotebookLM
_(listar aquí los artefactos generados: audio, video, slides, etc. con estado)_
## Para continuar investigando
El notebook sigue activo en NotebookLM con ID `{notebook_id}`.
Puedes pedir: "profundiza en [subtema]" o "agrega fuentes sobre [nuevo ángulo]".
4c. Entrega final
Mostrar al usuario:
✅ Investigación completada
📁 Carpeta: {ruta_absoluta}/INVESTIGACION_{NOMBRE_PROYECTO}/
📄 Archivos generados: {N}
📚 Fuentes recopiladas: {N}
🧠 Notebook activo: {notebook_id}
{Árbol de archivos con tamaños}
¿Quieres que profundice en algún subtema, genere un audio/video overview,
o exporte algo en otro formato?
Constraints
Obligatorias
- Responder siempre en el idioma del usuario (detectar automáticamente)
- No avanzar de Fase 1 a Fase 2 sin confirmación explícita del brief
- Fases 2–4 son autónomas — no pedir confirmación intermedia salvo errores
- No inventar ni inferir información que no esté en las fuentes
- Nunca mostrar claves API, tokens ni datos sensibles en archivos generados
- Citar TODA afirmación factual con
[Fuente N]
De calidad
- Priorizar fuentes de los últimos 2 años salvo indicación contraria
- Si un subtema tiene <2 fuentes: marcar
⚠️ POCO RESPALDADO
- Si hay contradicciones entre fuentes: documentar ambas posiciones
- Prefiere fuentes primarias (papers, docs oficiales) sobre secundarias (blogs, foros)
- Incluir la fecha de la fuente siempre que sea posible
Técnicas
- Máximo 5 rondas de
research_start por investigación
- Máximo 40 fuentes por notebook (evitar saturación de contexto)
- Usar
mode="fast" por defecto, mode="deep" solo si se pide explícitamente
- Siempre llamar
studio_poll tras generar artefactos multimedia
- Si MCP falla 3 veces consecutivas: notificar y continuar con lo disponible
Flujo de iteración post-entrega
Si el usuario pide profundizar después de la entrega inicial:
1. Identificar el notebook_id existente (no crear uno nuevo)
2. research_start con el nuevo query
3. research_poll → research_import
4. notebook_query con preguntas sobre el nuevo ángulo
5. Actualizar los archivos Markdown existentes (append, no reescribir)
6. Notificar qué archivos se actualizaron y qué fuentes nuevas se agregaron
Examples
✅ Activación correcta (invocación explícita)
Usuario: "notebook research, investiga: energía solar para mi tesis"
Agente:
🔬 Skill Notebook Research activado. Voy a guiarte por 4 fases para
investigar energía solar. Primero necesito entender el scope:
Tema y objetivo:
- El tema es energía solar — ¿hay algún ángulo específico (fotovoltaica,
térmica, políticas, costos, almacenamiento)?
- ¿Tu tesis busca demostrar algo, comparar alternativas, o proponer un diseño?
- ¿Cuánto sabes ya del tema? (0-10)
Usuario: "usando el skill notebook research, investiga: microservicios vs monolitos"
→ ✅ Se activa el skill.
Usuario: "ejecuta notebook research sobre regulación de IA en la UE"
→ ✅ Se activa el skill.
❌ NO activar (sin prefijo explícito)
Usuario: "Investiga sobre energía solar"
→ ❌ NO activar el skill. Responder directamente o preguntar:
"¿Quieres que haga una investigación profunda con el skill Notebook Research?
Si es así, dime: notebook research, investiga: energía solar"
Usuario: "Busca información sobre IA"
→ ❌ NO activar. Responder con lo que se sabe o sugerir el skill.
Usuario: "¿Cuántos paneles solares necesito para 100 m²?"
→ ❌ NO activar. Respuesta directa.
🔄 Manejo de ambigüedad (con invocación correcta)
Usuario: "notebook research, investiga: IA"
Agente:
🔬 Skill Notebook Research activado.
"IA" es un campo enorme. Para enfocar la investigación,
¿cuál de estos ángulos te interesa más?
- 🔧 Técnico — modelos, arquitecturas, frameworks
- 💼 Negocios — casos de uso, ROI, implementación
- ⚖️ Ético/social — regulación, sesgos, impacto laboral
- 🎨 Creativo — IA generativa, arte, música
- 🏥 Sectorial — IA en salud, finanzas, educación, etc.
¿O tienes otro ángulo en mente?
🔁 Iteración post-entrega
Usuario: "Profundiza en el subtema de almacenamiento de energía"
Agente:
Usando el notebook existente (ID: xxx). Lanzo búsqueda profunda
sobre almacenamiento de energía solar...
(ejecuta research_start → poll → import → query → actualiza archivos)
