AGENT SKILL

recursive-research

Investigación recursiva profunda con loop auto-regulado hasta nivel PhD. Aplicable a cualquier dominio (ciencia, tecnología, negocio, arte, humanidades). Usa WDM + Inversión Munger para decisiones autónomas, tiering de fuentes confiables, y checkpointing a disco para sobrevivir límites de contexto.

License 许可
MIT
最近更新
2026-05-15
Stars
★ 0
Forks
0

01 前言 Front Matter

name
recursive-research
author
Joseph Huayhualla (@Anjos2)
license
MIT
version
2.2.0
repository
https://github.com/Anjos2/recursive-research
description
Investigación recursiva profunda con loop auto-regulado hasta nivel PhD. Aplicable a cualquier dominio (ciencia, tecnología, negocio, arte, humanidades). Usa WDM + Inversión Munger para decisiones autónomas, tiering de fuentes confiables, y checkpointing a disco para sobrevivir límites de contexto.

03 SKILL.md 正文

Skill: Investigación Recursiva Profunda (v2.0)

Investigación auto-regulada que itera hasta alcanzar nivel PhD sobre una semilla de investigación (tema raíz). Funciona en cualquier dominio: ciencias formales, naturales, sociales, humanidades, artes, tecnología, negocio.

Cuándo usar

  • Quieres profundizar en un tema hasta el nivel de un experto
  • Necesitas entender un campo nuevo para tomar decisiones informadas
  • Preparas un documento técnico, paper, propuesta o estudio
  • Quieres identificar estado del arte + gaps de conocimiento

Principios

  1. Pregunta antes de investigar — la skill interroga al usuario sobre semilla, modo y fuentes ANTES de arrancar
  2. Fuentes confiables con tiering transparente — rechaza automáticamente fuentes no fiables
  3. WDM + Inversión Munger en toda decisión autónoma no trivial
  4. Loop con auto-regulación — no iteraciones fijas; criterio medible para cerrar
  5. Checkpointing defensivo — guarda a disco cada ciclo; sobrevive compact / cierre de sesión
  6. Pausa preventiva — detecta proximidad al límite de contexto y sugiere pausar antes del cierre forzoso

Flujo completo

Fase 0 — Preguntas iniciales (la skill interroga)

Al invocar /recursive-research, la skill pregunta al usuario, en orden:

  1. Semilla de investigación: "¿Cuál es el tema que quieres investigar?" (texto libre)
  2. Modo: web / local / mixto
  3. Si incluye local: "¿Qué rutas locales debo investigar?" (lista de paths separados por comas)
  4. Fuentes priorizadas (opcional): autores, dominios, publicaciones preferidas
  5. Fuentes excluidas (opcional)
  6. Tope duro de ciclos (default: 20; configurable)

La skill presenta un resumen y espera confirmación antes de arrancar.


Fase 1 — Preparación del espacio de trabajo

  1. Generar slug de la semilla (kebab-case, máx. 40 caracteres)
  2. Verificar / crear memoria/investigaciones/<slug>/ en el directorio de trabajo actual
    • Si memoria/ NO existe, crearla explicando: "No existe la carpeta memoria/ en el proyecto. La creo porque la skill necesita consolidar hallazgos en disco cada ciclo — es lo que permite reanudar la investigación en sesiones nuevas."
  3. Crear archivos iniciales:
    • estado.md — metadatos, progreso, métricas
    • hilos.md — árbol de hilos semilla + sub-hilos
    • fuentes-tier-1.md, fuentes-tier-2.md, fuentes-tier-3.md, fuentes-rechazadas.md
    • hallazgos.md — consolidación

Fase 2 — Identificar hilos semilla

Generar 3-5 hilos semilla (ángulos distintos del tema).

Aplicar WDM a la selección de hilos:

Criterio Peso Qué evalúa
Cobertura conceptual 4 ¿Cubre una dimensión distinta del tema?
Diversidad de perspectivas 3 ¿Trae voces / escuelas distintas?
Accesibilidad de fuentes 3 ¿Existen fuentes Tier 1/2 para este hilo?
Relevancia al usuario 4 ¿Alinea con el objetivo que motivó la investigación?

Evaluar 5-8 hilos candidatos, seleccionar top 3-5.

Inversión Munger sobre los hilos elegidos:

  • ¿Qué hilo importante estoy ignorando?
  • ¿Qué perspectiva ausente haría que mi investigación sea parcial?
  • ¿Qué escuela / voz disidente no aparece?

Si la inversión revela un hilo crítico faltante, agregarlo y re-ejecutar WDM.

Ejemplos por dominio (NO solo código):

Dominio Semilla Hilos típicos
Ciencia Inmunoterapia contra cáncer Mecanismos moleculares / Ensayos clínicos / Historia y evolución / Controversias y limitaciones / Estado comercial
Arte Minimalismo en música del siglo XX Compositores clave / Técnicas / Contexto histórico-cultural / Crítica y recepción / Obras emblemáticas
Negocio Modelos de monetización SaaS B2B Pricing strategies / Métricas financieras / Casos documentados / Marco legal / Psicología de compra B2B
Humanidades Filosofía estoica aplicada moderna Fuentes primarias (Epicteto, Séneca, Aurelio) / Interpretaciones contemporáneas / Aplicaciones prácticas / Críticas filosóficas / Evidencia empírica psicológica
Tecnología Arquitectura hexagonal en microservicios Fundamentos teóricos / Implementaciones por lenguaje / Casos reales / Trade-offs y críticas / Herramientas

Fase 3 — Detectar herramientas disponibles

Antes del primer ciclo, detectar MCPs disponibles y ordenar por preferencia:

Preferencia (mayor a menor velocidad/efectividad):

  1. MCPs de scraping optimizados para IA: Firecrawl (firecrawl_scrape, firecrawl_crawl, firecrawl_search, firecrawl_extract) — texto estructurado, rápido
  2. MCPs de documentación oficial: Context7 (query-docs) — cuando la fuente es una librería/framework
  3. Herramientas nativas: WebSearch, WebFetch — fallback universal
  4. MCPs de navegación real (Chrome DevTools): DESPRIORIZADOS — solo si el contenido requiere ejecución JS explícita (SPAs sin SSR, contenido tras auth)

Razón: scrapers de IA son 10-50× más rápidos que navegadores reales y dan texto ya estructurado.


Fase 4 — Fuentes semilla sugeridas

La skill presenta al usuario una lista de fuentes semilla pre-cargadas por dominio para que confirme, añada o rechace:

Ciencia general / papers:

Medicina / biología:

Humanidades / ciencias sociales:

Código / tecnología:

Datos / estadística:

Arte / cultura / humanidades:

Generales:

  • Wikipedia — como PUNTO DE PARTIDA. Saltar siempre a la sección de referencias para llegar a Tier 1/2
  • Wikidata — datos estructurados

Fuentes locales (si el usuario proporcionó rutas):

  • Listar estructura de carpeta
  • Priorizar .md, .pdf, .txt, .doc/.docx, .html, .epub
  • Usar herramientas de lectura del agente (Read, Grep, Glob)

Fase 5 — Ciclo de investigación (LOOP auto-regulado)

Cada ciclo ejecuta los siguientes sub-pasos.

5.1. Elegir el hilo con menor cobertura

Calcular cobertura actual de cada hilo (hallazgos_registrados / hallazgos_esperados_proxy). Elegir el de menor %.

5.2. WDM + Munger sobre fuentes a usar en ESTE ciclo

WDM por fuente candidata:

Criterio Peso Escala
Autoridad (Tier) 5 Tier 1 = 5 · Tier 2 = 3 · Tier 3 = 2 · Rechazo = 0
Relevancia al hilo actual 5 1-5 por match semántico
Accesibilidad 3 5 = full text abierto · 3 = abstract + paywall · 1 = bloqueado
Recencia apropiada al campo 2 Código: reciente > viejo · Filosofía clásica: viejo = relevante
Ausencia de conflicto de interés 3 5 = independiente · 1 = financiada por parte interesada

Seleccionar top 3-5.

Inversión Munger sobre las fuentes seleccionadas:

  • ¿Qué fuente NO estoy usando que debería? (disidentes, escuelas críticas, voces silenciadas)
  • ¿Qué sesgo comparten todas las seleccionadas? (solo anglosajonas, solo de una época, solo de una escuela)
  • ¿Qué opinión contraria existe documentada? → Añadir al menos 1 fuente contradictoria si existe

5.3. Ejecutar búsquedas / lecturas

  • Usar MCPs en orden de preferencia detectado en Fase 3
  • Extraer: hechos concretos, datos numéricos, citas textuales con atribución, nombres de personas/obras/conceptos nuevos
  • Registrar en notas de trabajo del ciclo

5.4. Aplicar tiering a cada fuente consultada

Tier 1 — Máxima confianza:

  • Papers peer-reviewed en revistas indexadas (Scopus, Web of Science, PubMed, ACM, IEEE)
  • Libros de editoriales académicas (MIT Press, Oxford UP, Cambridge UP, Springer)
  • Documentación oficial de estándares (W3C, IETF/RFC, ISO, IEEE, WHO, FDA, BIS)
  • Archivos primarios verificables (museos nacionales, bibliotecas universitarias, archivos estatales)
  • Datos crudos de instituciones estadísticas oficiales

Tier 2 — Alta confianza:

  • Repositorios oficiales de proyectos activos y reconocidos
  • Blogs/publicaciones de autores citables (investigadores, profesionales con trayectoria verificable)
  • Charlas en conferencias reconocidas (con video y paper)
  • Wikipedia CON referencias a Tier 1/2 (tratar como agregador de referencias)
  • Reportes de think tanks / consultoras con metodología publicada (Pew, Gartner, McKinsey Institute)

Tier 3 — Útil con cautela:

  • Blogs con citaciones internas a Tier 1/2
  • Stack Overflow / foros con voto alto + citaciones
  • Entrevistas grabadas con expertos identificables
  • Publicaciones de industria con autoría clara

Rechazo automático:

  • Sin autor identificable
  • Marketing sin datos empíricos
  • Agregadores spam / SEO
  • Tutoriales sin citar fuentes
  • Social media sin contexto verificable
  • Contenido generado por IA sin supervisión humana documentada

Cada fuente consultada se registra en el archivo tier correspondiente con: título, URL, autor, fecha, tier asignado, justificación.

5.5. Consolidar en checkpoint

Guardar al final del ciclo: memoria/investigaciones/<slug>/ciclo-N.md con:

  • Hilo trabajado
  • Fuentes consultadas (con tier)
  • Hallazgos nuevos
  • Conexiones con hilos previos
  • Preguntas abiertas para próximos ciclos

5.6. Actualizar estado.md

  • Incrementar contador de ciclos
  • Recalcular cobertura por hilo
  • Registrar métrica de saturación: saturacion = hallazgos_nuevos_ciclo / hallazgos_totales_acumulados
  • Actualizar estimación de tool calls y tokens de output consumidos

5.7. Evaluar criterios de cierre — Función de fitness "nivel PhD"

Los 5 criterios DEBEN cumplirse todos:

  1. Cobertura ≥80% en todos los hilos semilla
  2. ≥3 fuentes Tier-1 por hilo (o Tier 1+2 combinadas si el campo tiene pocas Tier 1)
  3. Saturación ≤5% durante 3 ciclos consecutivos
  4. Inversión Munger aplicada al estado del conocimiento: documentado qué NO sé, qué contradicen las fuentes, qué sesgos detecté
  5. Síntesis cruzada entre hilos: ≥3 conexiones explícitas entre hilos diferentes registradas

Decisión:

  • Todos cumplidos → Fase 6 (cierre natural)
  • Tope de ciclos alcanzado → Fase 6 (cierre forzado con aviso)
  • Caso contrario → continuar al paso 5.8

5.8. Pausa preventiva (check de contexto)

Umbrales:

  • tool_calls_en_sesion ≥ 150
  • O tokens_output_aprox ≥ 80000

Si se cruza cualquiera:

  1. Escribir checkpoint completo (5.5 + 5.6)
  2. Emitir mensaje:
[PAUSA PREVENTIVA RECOMENDADA]

Estado actual:
- Ciclos completados: N
- Tool calls en sesión: X (cerca del límite)
- Tokens de output aprox: Y

Razón: me aproximo al límite de contexto. Si continúo, podría perder coherencia
al compactarse la sesión.

La investigación está guardada en:
  memoria/investigaciones/<slug>/

Para reanudar en nueva sesión:
  /recursive-research --resume <slug>

¿Pausar aquí, o continuar 1-2 ciclos más? (continuar / pausar)
  1. Esperar respuesta. Si continuar, seguir. Si pausar, saltar a Fase 6 (cierre parcial documentado).

Si no se cruza el umbral → volver a 5.1 para próximo ciclo.


Fase 6 — Cierre

Sea cierre natural (5 criterios cumplidos), forzado (tope de ciclos), o parcial (pausa manual):

  1. sintesis.md — síntesis ejecutiva:

    • Resumen en lenguaje simple (3-5 párrafos)
    • Hallazgos por hilo con referencias cruzadas
    • Controversias y contradicciones detectadas
    • Gaps de conocimiento (qué NO se investigó / qué sigue abierto)
    • Mapa de hilos seguidos (árbol)
  2. acciones.md — checklist de acciones aplicables, priorizadas por impacto

  3. Inversión Munger FINAL al estado del conocimiento (registrar en gaps.md):

    • ¿Qué sigo sin saber?
    • ¿Qué fuentes contradijeron entre sí y no resolví?
    • ¿Qué sesgo tiene mi conjunto de fuentes?
    • ¿Qué pregunta debería hacerme un revisor crítico que no sepa responder?
  4. Preguntar al usuario:

[INVESTIGACIÓN COMPLETADA — estado: natural / forzado / pausado]

Semilla: <tema>
Ciclos ejecutados: N / <tope>
Fuentes consultadas: X total (T1: A · T2: B · T3: C · Rechazadas: D)
Estado PhD: alcanzado / NO alcanzado (razones: ...)

Gaps identificados:
  1. ...
  2. ...
  3. ...

Opciones:
  1. Cerrar aquí
  2. Profundizar un gap específico (indica cuál)
  3. Añadir nuevo hilo y continuar
  4. Cambiar de modo (web → mixto, etc.)

¿Qué prefieres?

La investigación puede ser infinita — solo se cierra por decisión del usuario.


Modo --resume

Invocación: /recursive-research --resume <slug>

  1. Buscar memoria/investigaciones/<slug>/
  2. Si no existe → error claro, sugerir /recursive-research normal
  3. Si existe:
    • Leer estado.md → reconstruir métricas
    • Leer último ciclo-N.md → contexto reciente
    • Leer hilos.md → árbol actual
    • Presentar: "Retomo desde ciclo N. Próximo paso: [hilo X]. ¿Continúo?"
  4. Continuar el loop desde Fase 5

Modo --list

Invocación: /recursive-research --list

Listar todas las investigaciones guardadas en memoria/investigaciones/ del proyecto actual:

  • Slug · Semilla · Ciclos completados · Estado (abierta / cerrada) · Última modificación

Anti-patterns a rechazar activamente

  1. Búsqueda plana — repetir queries con sinónimos sin profundizar en resultados reales
  2. Ignorar Munger — seleccionar fuentes solo por confort; la inversión es obligatoria
  3. Checkpoint ausente — avanzar 5 ciclos sin dumpear a disco
  4. Tier 3 sin referencias — aceptar un blog sin que cite Tier 1/2 explícitamente
  5. Autoconfirmación del PhD — declarar PhD sin los 5 criterios medidos; si uno falta, NO cerrar
  6. Ignorar gaps — cerrar sin documentar qué no se sabe; los gaps son parte del entregable
  7. Condescendencia intelectual — ocultar controversias o contradicciones "para no ensuciar la síntesis"; la honestidad intelectual ES el resultado
  8. Confiar ciegamente en el knowledge interno — el conocimiento del agente puede estar desactualizado; siempre verificar contra fuente

Estructura final de archivos generados

memoria/investigaciones/<slug>/
├── estado.md              ← progreso, métricas, metadata
├── hilos.md               ← árbol de hilos y sub-hilos con estado
├── fuentes-tier-1.md      ← fuentes más confiables consultadas
├── fuentes-tier-2.md      ← fuentes de alta confianza
├── fuentes-tier-3.md      ← fuentes con cautela
├── fuentes-rechazadas.md  ← fuentes evaluadas y descartadas (con razón)
├── hallazgos.md           ← consolidación de descubrimientos
├── ciclo-01.md            ← checkpoint del ciclo 1
├── ciclo-02.md
├── ciclo-N.md
├── sintesis.md            ← síntesis ejecutiva (Fase 6)
├── acciones.md            ← checklist de acciones aplicables
└── gaps.md                ← lo que NO se sabe, controversias, sesgos

Ejemplo de invocación

Usuario: /recursive-research

Skill: ¿Cuál es el tema que quieres investigar?
Usuario: Mecanismos de la memoria episódica en humanos

Skill: ¿Modo? (web / local / mixto)
Usuario: mixto

Skill: ¿Rutas locales?
Usuario: C:/Dropbox/papers-neurociencia

Skill: ¿Fuentes / autores priorizados? (opcional)
Usuario: Endel Tulving, Eleanor Maguire

Skill: ¿Fuentes excluidas? (opcional)
Usuario: -

Skill: ¿Tope de ciclos? (default 20)
Usuario: 25

Skill: Confirmado.
       Semilla: "memoria episódica en humanos"
       Modo: mixto · Local: [C:/Dropbox/papers-neurociencia]
       Priorizar: [Tulving, Maguire] · Tope: 25 ciclos

       Aplicando WDM + Munger para identificar hilos semilla...
       [muestra tabla]

       Hilos seleccionados:
       1. Bases neuroanatómicas (hipocampo, PFC)
       2. Fenomenología y taxonomía (Tulving et al.)
       3. Trastornos y disociaciones (amnesia, Alzheimer)
       4. Modelos computacionales
       5. Neurociencia cognitiva contemporánea

       La carpeta `memoria/` no existe. La creo — es necesaria para
       consolidar cada ciclo en disco.

       Ruta: memoria/investigaciones/memoria-episodica-humanos/

       Arrancando ciclo 1 (hilo con menor cobertura: 1)...

Autoría y licencia

Contribuciones bienvenidas. Si detectas un anti-pattern no cubierto, una heurística mejor, o un criterio de PhD más robusto, abre un PR.

04 同仓库更多 Skills

zaka33333-hash
zaka33333-hash/claude-skills

vercel-react-best-practices

React and Next.js performance optimization guidelines from Vercel Engineering. This skill should be used when writing, reviewing, or refactoring React/Next.js code to ensure optimal performance patterns. Triggers on tasks involving React components, Next.js pages, data fetching, bundle optimization, or performance improvements.

★ 0
zaka33333-hash
zaka33333-hash/claude-skills

supabase-postgres-best-practices

Postgres performance optimization and best practices from Supabase. Use this skill when writing, reviewing, or optimizing Postgres queries, schema designs, or database configurations.

★ 0
zaka33333-hash
zaka33333-hash/claude-skills

security-best-practices

Perform language and framework specific security best-practice reviews and suggest improvements. Trigger only when the user explicitly requests security best practices guidance, a security review/report, or secure-by-default coding help. Trigger only for supported languages (python, javascript/typescript, go). Do not trigger for general code review, debugging, or non-security tasks.

★ 0
zaka33333-hash
zaka33333-hash/claude-skills

skill-creator

Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy.

★ 0
zaka33333-hash
zaka33333-hash/claude-skills

openweb

Typed JSON access to 90+ real websites — Google, Amazon, Reddit, YouTube, GitHub, Instagram, Bloomberg, Zillow, and more — across search, shopping, travel, finance, social, news, and dev tools. Use to read, search, post, comment, message, or otherwise interact with these sites (prices, products, articles, stock quotes, flights, posts, comments, DMs, etc.). Run `openweb sites` for the full list.

★ 0
zaka33333-hash
zaka33333-hash/claude-skills

mcp-builder

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

★ 0