detector-de-conflictos

Detector de conflictos entre documentos. Se usa cuando el usuario tiene dos o más documentos, conjuntos de datos o tablas de hechos extraídas y desea encontrar contradicciones entre ellos. Se activa con frases como "detectar conflictos", "encontrar contradicciones", "¿estos documentos concuerdan?", "verificar afirmaciones", "revisión de inconsistencias" o al comparar una afirmación entre múltiples fuentes. Ejecuta tres niveles de detección: entidad (discrepancia numérica/booleana en la misma clave), cláusula (discrepancia categórica) y argumento (desacuerdo en texto libre). Emite un informe de conflictos legible por máquina en JSON/CSV/Markdown.

¿Qué es detector-de-conflictos?

Este skill está diseñado para encontrar contradicciones entre un conjunto de documentos, ya sean archivos, texto en línea o JSON. Es útil cuando se tienen múltiples fuentes de información y se necesita verificar su consistencia. El usuario puede cargar documentos y el skill extrae los hechos, aplica un motor de reglas entre documentos que empareja afirmaciones por clave canónica y señala discrepancias. Se ejecuta en tres niveles de detección: entidad (discrepancia numérica o booleana), cláusula (discrepancia categórica) y argumento (desacuerdo en texto libre). Los resultados se entregan en formato JSON, CSV o Markdown para su posterior análisis. El skill está escrito en Python puro (sin dependencias obligatorias) y se usa desde la línea de comandos con comandos como `validate`, `list-docs` y `run`. Es ideal para auditorías de datos, verificación de hechos o consolidación de información de múltiples fuentes.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/JiamingShi-JsPhys/agent-skills/tree/HEAD/skills/conflict-detector

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 detector-de-conflictos?

Un skill autónomo que encuentra contradicciones en un conjunto de documentos. Cada documento se carga (ruta / texto en línea / JSON en línea), sus hechos se extraen y un motor de reglas entre documentos empareja afirmaciones por clave canónica y señala discrepancias.

FLUJO DE TRABAJO OBLIGATORIO

Inicialización de dependencias (ejecutar en el primer uso)

Antes de la primera ejecución, verifica las dependencias de ejecución de este skill:

  • Núcleo: solo biblioteca estándar — no requiere instalación.
  • Opcional: PyYAML (solo cuando la configuración o entrada es un .yaml; las entradas JSON funcionan solo con la biblioteca estándar).

Si falta PyYAML y la entrada es YAML, informa al usuario y pregunta si desea pip install pyyaml; instala solo después de que confirme. Nunca instales en el entorno global sin consentimiento explícito.

  1. Carga la configuración YAML (config/examples/two_docs.yaml como referencia).

  2. Verifica que cada documents[].value / documents[].path sea accesible.

  3. python -m src.cli run --config <ruta> [--format json,csv,md].

  4. Reporta el recuento de conflictos por nivel y señala al usuario

    ./conflicts/conflicts_<run_id>.*.

Cuándo usarlo

  • Dos o más documentos, conjuntos de datos o tablas de hechos extraídas deben verificarse

    entre sí en busca de contradicciones.

  • El usuario pide "detectar conflictos", "encontrar contradicciones", "verificar

    afirmaciones" o pregunta "¿estos documentos concuerdan?".

  • Una sola afirmación (un número, un estado, un hecho nombrado) aparece en varias

    fuentes y debe compararse entre ellas.

  • Una tabla de hechos extraída de documentos debe auditarse para verificar su consistencia

    interna antes de utilizarla.

Ejemplos de uso


# Validar una configuración antes de ejecutarla (rápido, sin escribir informe).

python -m src.cli validate --config config/examples/two_docs.yaml



# Listar las fuentes de documentos que resuelve una configuración.

python -m src.cli list-docs --config config/examples/two_docs.yaml



# Ejecutar una detección; elegir los formatos de salida (predeterminado: json).

python -m src.cli run --config config/examples/two_docs.yaml --format json,csv,md

Los informes se escriben en ./conflicts/conflicts_<run_id>.{json,csv,md}; el

JSON es el contrato legible por máquina.

Manejo de fallos

  • Configuración inválida (validate sale con código distinto de cero) — corrige el campo

    informado y vuelve a validar; no modifiques manualmente alrededor de una violación del esquema.

  • Una fuente de documento es inaccesible — la ejecución aborta indicando la

    entrada documents[] problemática; verifica la ruta o el valor en línea, reintenta.

  • No se encontraron conflictos — un resultado válido y reportable (un informe vacío),

    no un error; dilo explícitamente en lugar de volver a ejecutar.

  • Código de salida inesperado — reporta el mensaje textualmente; no recurras

    a comparar los documentos manualmente.

Niveles de detección

NivelTipoSeveridadEjemplo
entitynumeric_mismatch, booleanaltaspeed = 10 vs speed = 20
clausecategoricalmediastatus = "active" vs status = "archived"
argumentcategorical (texto)bajalíneas de texto libre que discrepan

Limitaciones

  • La extracción está orientada a clave-valor; los párrafos de texto libre solo participan en el nivel argument (comparación línea por línea).

  • La normalización de unidades se basa en una tabla (unit_map); las reglas de unidades personalizadas deben proporcionarse a través de la configuración.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

JiamingShi-JsPhys/agent-skills

Document evolution tracker. Use when the user has a family of document versions (timestamped or sequentially named files) and wants to see how the document changed over time -- which paragraphs / lines / sentences were added, removed, or modified between consecutive versions, and how a set of named concepts (or auto-detected headings) evolved (introduced / retained / modified / dropped). Triggers on "track document changes", "version history", "what changed between drafts", "concept lineage", "document evolution". Emits a Markdown + JSON timeline.

JiamingShi-JsPhys/agent-skills

Longitudinal statistical analysis pipeline. Use when the user has panel / repeated-measures data (one or more sessions per subject, with between-subject conditions) and wants to run a reproducible analysis: descriptive stats, a manipulation check, a linear mixed model, a lagged mediator, or a sensitivity analysis over random-effects / covariance structures. Triggers on any of the phrases "LMM", "mixed model", "repeated measures", "longitudinal analysis", "mediation over time", "lagged mediator", "sensitivity analysis of RE structure". When fired, load the YAML config that lists the enabled steps, run the pipeline, and report the per-step results plus the generated CSVs.

JiamingShi-JsPhys/agent-skills

State manager for multi-dimensional computational experiments. Iterate a parameter grid over many rounds, snapshot declared critical files each round, audit every round (params, hashes, timestamps, status), and roll back to any round non-destructively. Use it when a workflow runs hundreds of rounds across multiple parameter dimensions and needs per-round snapshots, full audit trail, and arbitrary rollback - e.g. longitudinal studies, parameter scans, or symbolic/ numerical sweeps calling external solvers (Mathematica, GAP, SymPy, custom scripts).

Skills relacionados