grahama1970/argumentar

Orquestador de debate estructurado con múltiples personas. Las personas investigan mediante /dogpile, consultan colegas vía /ask y debaten hacia una síntesis matizada en preguntas complejas.

¿Qué es argumentar?

Esta habilidad implementa un orquestador de debate multi-persona que genera una síntesis matizada de preguntas complejas (como la Conjetura de Collatz, P vs NP, o trade-offs de políticas). A diferencia de los debates tipo 'batalla' donde hay un ganador, este skill fomenta la concesión y la evolución de posiciones, puntuando positivamente las concesiones de calidad. Soporta múltiples modos de debate (adversarial, panel, socrático, abogado del diablo) y múltiples plataformas como Claude Code y Cursor. Cada persona investiga independientemente con /dogpile, consulta colegas vía /ask, utiliza memoria y taxonomía, y participa en un ciclo de investigación, argumentación, refutación y reflexión. El orquestador monitorea la convergencia, genera informes de síntesis estructurados con puntos de acuerdo, desacuerdo, registro de concesiones y preguntas abiertas. Es útil para desarrolladores e investigadores que necesitan explorar problemas complejos desde múltiples perspectivas, obtener análisis adversariales profundos o preparar informes de decisión matizados.

Compatible con~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/argue

Installed? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace argumentar?

Orquestador de debate estructurado con múltiples personas. Dos o más personas investigan independientemente mediante /dogpile, consultan colegas de dominio vía /ask, y debaten hacia una síntesis matizada — no un ganador.

¿Por qué no preguntar simplemente a un modelo?

Las respuestas de un solo modelo son seguras pero planas. La comprensión real de problemas difíciles (Conjetura de Collatz, P vs NP, conciencia, trade-offs de políticas) requiere:

  • Múltiples lentes de dominio sobre la misma pregunta
  • Presión adversarial — cada lado pone a prueba el razonamiento del otro
  • Profundidad de investigación — cada persona realiza investigación independiente con /dogpile
  • Grafo social — las personas pueden /ask a colegas por opiniones expertas
  • Seguimiento de concesiones — la síntesis captura qué se concedió y por qué
  • Razonamiento ponderado por BDI — los pesos de puente de la persona influyen en el estilo de argumentación

Arquitectura

┌──────────────────────────────────────────────────────────┐
│                Orquestador de Argumentar                   │
│  - Bucle de debate (investigar → argumentar → refutar → reflexionar)│
│  - Ejecución concurrente de personas                      │
│  - Terminación basada en convergencia                     │
│  - Generación de síntesis                                 │
└──────────────────────────────────────────────────────────┘
         │                              │
    ┌────┴──────┐                 ┌─────┴─────┐
    │ Persona A  │                │ Persona B  │
    │ (Hilo)     │                │ (Hilo)     │
    ├────────────┤                ├────────────┤
    │ Habilidades:│               │ Habilidades:│
    │ - dogpile  │                │ - dogpile  │
    │ - ask      │                │ - ask      │
    │ - memory   │                │ - memory   │
    │ - taxonomy │                │ - taxonomy │
    └────────────┘                └────────────┘
         │                              │
         └──────────┬───────────────────┘
                    │
    ┌───────────────┴────────────────────┐
    │          Motor de Síntesis           │
    │  - Argumentos más fuertes de cada   │
    │  - Puntos de acuerdo                │
    │  - Puntos de desacuerdo genuino     │
    │  - Registro de concesiones          │
    │  - Preguntas abiertas               │
    │  - Conclusión matizada              │
    └────────────────────────────────────┘

Comandos

# Dos personas discuten una pregunta
./run.sh argumentar "¿Es decidible la Conjetura de Collatz?" \
  --persona-a embry --persona-b horus --rondas 5

# Debate en panel de tres vías
./run.sh argumentar "Mejor enfoque para la alineación de AGI" \
  --personas embry,horus,brandon --rondas 7

# Debate rápido de 3 rondas con personas auto-seleccionadas
./run.sh argumentar "¿Deberíamos usar microservicios o monolito?"

# Reanudar debate interrumpido
./run.sh reanudar <id-debate>

# Ver transcripción del debate
./run.sh transcripción <id-debate>

# Generar informe de síntesis
./run.sh sintetizar <id-debate>

# Ver estado del debate
./run.sh estado

Bucle de Debate

Cada ronda sigue investigar → argumentar → refutar → reflexionar:

Ronda k:

┌─────────────────────────────────────────────────────────────┐
│                    1. FASE DE INVESTIGACIÓN                   │
├─────────────────────────────────────────────────────────────┤
│ Cada Persona:                                                │
│ - /dogpile su pregunta desde su lente de dominio             │
│ - /ask a un colega para opinión experta                      │
│ - /memory recordar argumentos previos y conocimiento relevante│
│ - Revisar argumentos anteriores del oponente en busca de debilidades│
│ (Presupuesto: máximo 3 llamadas de investigación por persona por ronda)│
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    2. FASE DE ARGUMENTACIÓN                    │
├─────────────────────────────────────────────────────────────┤
│ Cada Persona:                                                │
│ - Presentar posición con evidencia + citas                   │
│ - Referenciar hallazgos de /dogpile y respuestas de /ask a colegas│
│ - Etiquetar argumentos con atributos de puente de /taxonomy   │
│ - Limitada por el estado BDI de la persona y pesos de puente  │
│   (persona de Alta Precisión → pruebas formales)              │
│   (persona de Alta Resiliencia → implicaciones prácticas)     │
│   (persona de Alta Fragilidad → casos límite, modos de fallo) │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    3. FASE DE REFUTACIÓN                       │
├─────────────────────────────────────────────────────────────┤
│ Cada Persona:                                                │
│ - Contrarrestar los puntos más débiles del oponente          │
│ - Reconocer los puntos más fuertes del oponente (concesión forzada)│
│ - Identificar vacíos en la evidencia del oponente             │
│ - Proponer refinamientos o puntos intermedios                │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                   4. FASE DE REFLEXIÓN                         │
├─────────────────────────────────────────────────────────────┤
│ Cada Persona:                                                │
│ - Archivar episodio de ronda (argumentos, evidencia, concesiones)│
│ - Almacenar argumentos exitosos en /memory                   │
│ - Actualizar estado de creencias según evidencia del oponente│
│ - Calificar propia confianza (0.0-1.0) en la posición actual │
│ - Identificar qué cambiaría su opinión                       │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                   5. PUNTUACIÓN Y PUNTO DE CONTROL             │
├─────────────────────────────────────────────────────────────┤
│ Orquestador:                                                 │
│ - Puntuar fuerza del argumento, calidad de evidencia, novedad│
│ - Rastrear registro de concesiones                           │
│ - Verificar condiciones de terminación                       │
│ - Guardar punto de control                                   │
└─────────────────────────────────────────────────────────────┘

Capacidades de las Personas

Cada persona en el debate tiene acceso completo a:

HabilidadPropósito
/dogpileInvestigación profunda multi-fuente (ArXiv, Brave, GitHub, YouTube, Perplexity)
/askConsultar a una persona colega para experiencia de dominio
/memoryRecordar conocimiento previo, debates pasados, hechos aprendidos
/taxonomyClasificar argumentos con puentes de Taxonomía Federada
/consume-bookBuscar en libros ingeridos evidencia de apoyo
/consume-youtubeBuscar transcripciones de charlas/conferencias relevantes

El Patrón de Colega /ask

Durante la fase de investigación, las personas pueden consultar colegas de su grafo social:

Embry (ingeniera aeroespacial, Precisión=0.85):
  → /ask brandon "¿Cuál es el ángulo de complejidad computacional sobre Collatz?"
  → Brandon (becario SPARTA, entusiasta): Devuelve perspectiva de teoría de complejidad
  → Embry lo incorpora en su argumento formal

Horus (IA, Resiliencia=0.80):
  → /ask embry "¿El enfoque de sistemas dinámicos realmente converge?"
  → (Embry está ocupada argumentando, así que Horus consulta /memory para declaraciones previas de Embry)
  → Horus usa esto para desafiar la suposición de convergencia

La consulta a colegas añade:

  • Diversidad de dominio más allá de los propios debatientes
  • Prueba social — "mi colega que se especializa en X confirma..."
  • Polinización cruzada — argumentos enriquecidos por experiencia adyacente

Sistema de Puntuación

A diferencia de batalla (que tiene un ganador), argumentar rastrea la calidad del debate:

MétricaPesoDescripción
Calidad de Evidencia2xFuentes citadas, profundidad de /dogpile, revisadas por pares
Novedad del Argumento1.5xPerspectiva nueva no planteada antes
Calidad de Concesión2xReconocer puntos fuertes del oponente (esto es BUENO)
Coherencia Lógica1xConsistencia interna
Precisión de Refutación1xAborda afirmaciones específicas, no hombres de paja
Calibración de Confianza0.5xLa confianza coincide con la fuerza de la evidencia

Diferencia clave de batalla: Las concesiones se puntúan POSITIVAMENTE. Una persona que concede un punto fuerte y refina su posición puntúa más alto que una que mantiene su postura dogmáticamente sin evidencia.

Condiciones de Terminación

El debate termina cuando se cumple CUALQUIER condición:

  1. Convergencia: Deltas de confianza de todas las personas < 0.1 durante 2 rondas (están de acuerdo)
  2. Producción Nula: No hay nuevos argumentos o evidencia durante 2 rondas
  3. Rondas Máximas: Se alcanza el límite configurado
  4. Síntesis Lista: El orquestador detecta material suficiente para una conclusión matizada
  5. Interruptor de parada: Terminación manual vía ./run.sh detener

Salida de Síntesis

Después de la terminación, el orquestador genera una síntesis estructurada:

# Síntesis del Debate: ¿Es decidible la Conjetura de Collatz?

## Participantes
- **Embry** (Ingeniera Aeroespacial, Precisión=0.85) — Lente formal/matemática
- **Horus** (IA, Resiliencia=0.80) — Lente computacional/práctica

## Rondas: 5 | Terminación: Convergencia

## Puntos de Acuerdo
1. El problema generalizado 3n+1 es indecidible (Conway 1972)
2. Los enfoques actuales mediante tiempos de parada muestran convergencia estadística
3. Una prueba probablemente requiere nueva maquinaria matemática

## Puntos de Desacuerdo Genuino
1. Si los enfoques de teoría de la medida pueden cerrar la brecha (Embry: sí, Horus: insuficiente)
2. La relevancia de la verificación computacional hasta 2^68 (Horus: significativo, Embry: irrelevante para la prueba)

## Registro de Concesiones
- Ronda 2: Embry concedió que la verificación hasta 2^68 proporciona confianza heurística útil
- Ronda 3: Horus concedió que el resultado de indecidibilidad de Conway para formas generalizadas
  no implica directamente indecidibilidad del caso específico 3n+1
- Ronda 4: Ambos concedieron que el teorema de densidad de Terras es el resultado positivo más fuerte

## Argumentos Más Fuertes
1. [Embry, Ronda 3] El análisis de la función de Siracusa mediante sistemas dinámicos muestra...
2. [Horus, Ronda 2] La equivalencia FRACTRAN demuestra riqueza computacional...

## Preguntas Abiertas
1. ¿Pueden extenderse los resultados parciales de Tao (2019) sobre "casi todos" los enteros?
2. ¿Existe una barrera de complejidad teórica para una prueba elemental?

## Conclusión Matizada
La Conjetura de Collatz ocupa una posición única: demostrablemente difícil en su
forma generalizada (Conway), pero el caso específico 3n+1 puede ser tratable.
La evidencia más fuerte para una resolución eventual proviene del resultado de Tao de 2019
que muestra que casi todas las órbitas alcanzan valores cercanos a 1. Sin embargo, la brecha entre
"casi todos" y "todos" puede requerir técnicas fundamentalmente nuevas...

## Fuentes
- [ArXiv] Tao (2019) "Almost all orbits of the Collatz map attain..."
- [ArXiv] Conway (1972) "Unpredictable iterations"
- ...

Arquitectura de Memoria

Cada persona mantiene memoria de debate aislada:

debates/<id_debate>/
├── config.json              # Pregunta, personas, configuración
├── transcripción.md         # Transcripción completa del debate
├── síntesis.md              # Informe de síntesis final
├── persona_a/
│   ├── investigación/       # Resultados de /dogpile por ronda
│   ├── consultas_colegas/   # Respuestas de /ask
│   ├── argumentos/          # Argumentos presentados por ronda
│   ├── concesiones.json     # Lo que concedieron y cuándo
│   └── confianza.json       # Trayectoria de confianza a lo largo de rondas
├── persona_b/
│   └── ...
└── puntuación/
    ├── ronda_001.json
    ├── ronda_002.json
    └── resumen.json

Las personas no pueden acceder a la investigación del oponente — solo a sus argumentos publicados. Esto evita cortocircuitar la presión adversarial.

Modos de Debate

1. Adversarial (predeterminado)

Dos personas toman posiciones opuestas. Bueno para preguntas con bandos claros.

./run.sh argumentar "Monolito vs microservicios" --modo adversarial

2. Panel

Tres o más personas discuten desde diferentes ángulos. Bueno para preguntas complejas.

./run.sh argumentar "Enfoques de alineación de AGI" --modo panel --personas embry,horus,brandon

3. Socrático

Una persona hace preguntas indagatorias, la otra defiende. Bueno para poner a prueba ideas.

./run.sh argumentar "Nuestra arquitectura SPARTA es sólida" --modo socrático --preguntador horus --defensor embry

4. Abogado del Diablo

Una persona se ve forzada a argumentar en contra de una posición con la que podría estar de acuerdo. Bueno para encontrar puntos ciegos.

./run.sh argumentar "Rust es mejor que C++ para sistemas embebidos" --modo abogado-del-diablo --abogado embry

Habilidades Utilizadas

HabilidadUsada PorPropósito
dogpileTodas las personasInvestigación profunda multi-fuente por ronda
askTodas las personasConsultar personas colegas para opinión experta
memoryTodas las personasRecordar conocimiento previo + almacenar aprendizajes del debate
taxonomyTodas las personasEtiquetar argumentos con atributos de puente
consume-bookTodas las personasBuscar en libros ingeridos evidencia
consume-youtubeTodas las personasBuscar transcripciones de charlas para evidencia
episodic-archiverOrquestadorArchivar debates completados
task-monitorOrquestadorSeguimiento de progreso para debates largos

Ejemplo de Sesión

# Embry y Horus discuten sobre la Conjetura de Collatz
./run.sh argumentar "¿Es decidible la Conjetura de Collatz?" \
  --persona-a embry --persona-b horus --rondas 5

# Salida:
# ID de Debate: argue_20260212_153000
# Pregunta: ¿Es decidible la Conjetura de Collatz?
# Personas: Embry (Precisión=0.85) vs Horus (Resiliencia=0.80)
# Modo: Adversarial
#
# Ronda 1/5
# [Embry] Investigando vía /dogpile "Collatz dynamical systems Terras theorem"...
# [Embry] /ask brandon "ángulo de teoría de complejidad sobre tiempos de parada de Collatz"
# [Horus] Investigando vía /dogpile "Collatz undecidability Conway FRACTRAN"...
# [Horus] /ask embry "¿la teoría de la medida cierra la brecha en casi-todos?"

...

[truncado para traducción]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agent-inbox

File-based inter-agent messaging with headless dispatch. Check inbox, send bugs/requests to other projects, automatically spawn headless agents to fix bugs, and track progress via task-monitor.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/agent-status

Artifact-driven status surfaces for long-running project-agent work. Maintains status.json, events.jsonl, proof manifests, and a stale-aware STATUS.html so humans can tell where the agent is, what passed, what is still unproven, and what decision or action is next — without dashboard theater.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/ask

Use when the user asks to query project memory, ask an oracle, use supported browser-backed reviewers, run Tau roundtable/single-handler workflows, ask Pi-native subagents from within Pi, run persona/deep-review workflows, generate image prompts, check OS/project health through composed skills, or run an ask DAG. This skill is the executable /ask runtime; do not replace it with an informal subagent, plain web search, or hand-written review; inside Pi, explicit Pi-native subagent targets are routed through the pi-subagents tool as an Ask target type.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

grahama1970/batch-quality

Pre-flight validation and quality gates for batch LLM operations. ACTUALLY tests samples through LLM before burning tokens. Uses SPARTA contracts for DuckDB validation queries. Integrates with task-monitor for enforced quality gates.

Skills relacionados