TheMattBerman/landing-page-factory

Site Extract

Utilícese esto cuando un usuario proporciona una URL de sitio y desea construir una landing page sin un proceso de admisión pesado.

Esta etapa no sintetiza. Extrae.

Si no se puede rastrear una afirmación, punto de prueba o señal de confianza hasta la fuente, etiquételo como faltante o inferido. No lo convierta silenciosamente en un hecho.

Entradas requeridas

• URL principal
• URL opcional del producto
• --deep opcional
• fragmentos opcionales de resumen manual si el acceso a la fuente es incompleto

Objetivo del operador

Construir un registro fuente en el que las habilidades posteriores puedan confiar.

Eso significa extraer:

• lenguaje exacto de afirmaciones
• lenguaje exacto de CTA
• puntos de prueba exactos
• patrones de página visibles
• lenguaje de mecanismo
• señales de confianza
• identidad visual
• convenciones de categoría

Archivos de salida

Escribir:

• workspace/brand/extract.md
• workspace/brand/extract.json
• workspace/brand/palette.json

Reglas estrictas de extracción

1. Preservar el lenguaje exacto cuando sea posible. Citar, no parafrasear.
2. Etiquetar la procedencia de cada elemento de prueba y afirmación importante.
3. Distinguir los hechos observados de la inferencia.
4. Si la señal de la fuente es débil, decirlo directamente.
5. Si el mecanismo no está claro después de la extracción, la estrategia posterior debe detenerse hasta que se resuelva.

Estructura de extracción requerida

# Brand Extract: [Marca]
URLs de fuente:
- [url 1]
- [url 2]
Extraído: [fecha]
Confianza: alta | media | baja

## 1. Marca + categoría
- Nombre de la marca:
- Categoría del producto:
- Oferta principal:
- Modelo de negocio:
- Pistas de geografía / mercado:

## 2. Lenguaje heroico exacto
| Elemento | Texto exacto | URL de fuente | Procedencia |
|---|---|---|---|
| Titular | | | observada |
| Subtitular | | | observada |
| CTA primaria | | | observada |
| CTA secundaria | | | observada |

## 3. Inventario de afirmaciones
| Afirmación | Tipo | URL de fuente | Sección | Procedencia | ¿Requiere prueba? |
|---|---|---|---|---|---|
|  | beneficio / mecanismo / superioridad / prueba social / garantía | | | observada / inferida | sí / no |

## 4. Inventario de pruebas
| Elemento de prueba | Clase | Redacción / valor exacto | URL de fuente | Sección | Notas |
|---|---|---|---|---|---|
|  | testimonio / estadística / recuento de reseñas / logotipo / prensa / garantía | fuente_verificada / fuente_derivada / faltante | | | | |

## 5. Inventario de CTA
| Texto de CTA | Suposición de destino | URL de fuente | ¿Sobre el pliegue? | Notas |
|---|---|---|---|---|

## 6. Inventario de lenguaje de mecanismo
- Frases de mecanismo únicas repetidas por la marca
- Frases de explicación del producto que vale la pena preservar
- Lenguaje de alternativa fallida
- Lenguaje de manejo de objeciones

## 7. Inventario de señales de confianza
- garantías
- envío / devoluciones / garantía
- certificaciones / prensa / logotipos
- cumplimiento / seguridad / señales de autoridad
- convenciones de categoría que indican legitimidad

## 8. Inventario de patrones de página
| Orden de sección | Qué aparece | Qué función cumple | ¿Vale la pena preservarlo? |
|---|---|---|---|

## 9. Inventario de motivos visuales
- colores dominantes
- familias / clases de fuentes
- estilo de fotografía del producto
- estilo de UI / captura de pantalla si está presente
- lenguaje de formas
- sensación de densidad / espaciado
- convenciones de diseño críticas para la confianza

## 10. Señales de audiencia
- a quién parece dirigirse
- pistas de etapa de conciencia
- pistas de sofisticación
- lenguaje de dolor explícito
- lenguaje de deseo explícito

## 11. Áreas faltantes / débiles
- detalles de mecanismo faltantes
- afirmaciones no respaldadas
- pruebas débiles
- páginas inaccesibles
- cualquier cosa que requiera decisión del operador

Contrato JSON

extract.json debe incluir claves legibles por máquina para:

• brand
• category
• offer
• hero_language
• claims[]
• proof_inventory[]
• cta_inventory[]
• mechanism_language[]
• trust_cues[]
• page_patterns[]
• visual_motifs[]
• audience_signals[]
• missing_flags[]
• confidence

Integración con Firecrawl

La selección del proveedor es obligatoria aquí.

Si FIRECRAWL_API_KEY está disponible, debe usar Firecrawl para la extracción del sitio. No sustituya silenciosamente la navegación genérica, WebFetch o el raspado de una sola página cuando Firecrawl está configurado o se espera.

Si Firecrawl está bloqueado por el runtime, no está disponible o la clave falta:

1. dígalo explícitamente
2. pregunte al operador si:
   • proporcionar/configurar Firecrawl
   • ejecutar el comando local de extracción de Firecrawl fuera del sandbox
   • aceptar una extracción manual/básica degradada
3. no proceda silenciosamente con una extracción degradada en una ejecución de calidad de lanzamiento público

Solo use extracción degradada sin preguntar cuando el usuario ya haya aprobado explícitamente esa degradación.

Cuando Firecrawl esté disponible, use la API v2 con el formato branding:

curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Authorization: Bearer $FIRECRAWL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "formats": ["branding", "markdown", "screenshot"],
    "onlyMainContent": false,
    "maxAge": 172800000
  }'

El formato branding devuelve la identidad de marca estructurada:

• URL del logotipo
• paleta de colores (primario, secundario, acento, fondo, texto)
• familias de fuentes
• escala de espaciado
• estilos de componentes UI
• esquema de colores (claro/oscuro)

El formato markdown proporciona el contenido de la página para la extracción de afirmaciones y pruebas. El formato screenshot proporciona una referencia visual (la URL caduca después de 24 h).

Use scripts/firecrawl-extract.sh para ejecutar esto automáticamente y guardar todas las salidas.

Modo profundo

Cuando se usa --deep:

1. raspar la página de inicio
2. raspar una página de producto / servicio
3. raspar una página con muchas pruebas si está disponible
4. raspar la página de precios, FAQ o acerca de si está disponible
5. fusionar los hallazgos con las URL de fuente adjuntas a cada artefacto

Prioridad profunda predeterminada:

• página de producto
• página de reseñas / testimonios
• página de FAQ / precios
• página acerca de

Comportamiento de respaldo

Si Firecrawl o el raspado falla:

• capturar todo lo accesible
• marcar las secciones bloqueadas explícitamente
• solicitar capturas de pantalla o texto proporcionados por el operador para datos de confianza/prueba/mecanismo faltantes
• no inventar estructura extraída como si fuera observada

Si Firecrawl está bloqueado por Cowork u otro proxy de sandbox:

• indicar que api.firecrawl.dev debe ser permitido por el runtime
• recomendar la ruta de comando local de pre-vuelo en lugar de pretender que WebFetch es equivalente

Lógica de parada / continuación

Continuar si:

• la oferta es identificable
• el CTA es inferible
• al menos algunas pruebas o señales de confianza son extraíbles

Degradar si:

• las pruebas son débiles
• la identidad visual es parcial
• las convenciones de categoría no están claras

Detenerse y elevar al operador si:

• el mecanismo único no se puede identificar
• la fuente es demasiado escasa para separar las afirmaciones reales de la niebla del marketing
• aparecen afirmaciones reguladas sin pruebas claras

Transferencia

Después de la extracción, ejecute /page-strategy.

No salte directamente al texto a menos que el artefacto de estrategia ya exista.