Habilidad de Investigación

Investiga un problema técnico de manera eficiente y persiste lo aprendido para que el equipo nunca vuelva a investigar el mismo tema dos veces.

¿Qué es Habilidad de Investigación?

Esta habilidad permite a un agente de IA (como Claude Code) investigar problemas técnicos siguiendo un proceso estructurado y documentando los hallazgos de forma persistente, eliminando la repetición de investigaciones. Es ideal para equipos de desarrollo que enfrentan bugs o desafíos técnicos recurrentes y necesitan un registro centralizado del conocimiento. La habilidad se apoya en scripts de shell y una carpeta `reference/` con plantillas y prompts predefinidos, siendo compatible con el ecosistema de agentes abiertos de skills.sh y herramientas como Claude Code. El flujo comienza definiendo el alcance del problema (slug, stack, síntoma, hipótesis), prepara el workspace con un script, lanza hasta tres agentes paralelos (análisis de código, teoría de causa raíz, soluciones), sintetiza los hallazgos en archivos Markdown estructurados y finaliza validando la documentación. Opcionalmente, se pueden añadir agentes extra para comparación de librerías o análisis profundo de APIs multiplataforma. El resultado son dos documentos clave: `NOTAS.md` (hallazgos crudos) y `RESEARCH_CONSOLIDADO.md` (documento maestro estructurado).

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add rauleburro/skills

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 Habilidad de Investigación?

Investiga un problema técnico de manera eficiente y persiste lo aprendido para que el equipo nunca vuelva a investigar el mismo tema dos veces.

1. Definir el alcance del tema

Extrae del mensaje del usuario (pregunta solo si realmente no está claro):

  • Slug del tema: nombre de carpeta en kebab-case, p.ej. bluetooth-audio-routing
  • Stack: plataforma/lenguaje/framework
  • Síntoma: comportamiento observado vs esperado
  • Conocido: hipótesis ya probadas

2. Preparar el workspace

Ejecuta scripts/init-research.sh {tema-slug} para crear la carpeta de documentación.

3. Lanzar 3 agentes por defecto en paralelo

Cada agente recibe un enfoque de una línea más el contexto compartido. Lee reference/agent-prompts.md cuando necesites la redacción exacta del prompt.

  1. Análisis del código base (Agente explorador) — encontrar código relevante, lagunas, referencias archivo:línea.
  2. Teoría de causa raíz (agente web) — por qué ocurre a nivel de SO/framework/protocolo.
  3. Soluciones y validación (agente web) — APIs nativas, librerías, correcciones confirmadas por la comunidad.

Inicia el 4º/5º agente opcional solo si el usuario lo solicita explícitamente para comparación de librerías o análisis profundo de API multiplataforma.

4. Sintetizar

Crea exactamente estos dos archivos:

  • docs/{tema}/NOTAS.md — hallazgos en bruto, fragmentos, URLs, observaciones rápidas.
  • docs/{tema}/RESEARCH_CONSOLIDADO.md — documento maestro estructurado.

Usa reference/consolidated-template.md solo cuando necesites la plantilla completa. Los archivos de detalle opcionales (03_android_api.md, 04_librerias.md, etc.) se crean solo cuando los hallazgos lo justifican.

5. Finalizar

Ejecuta scripts/finalize-research.sh {tema-slug} para validar que el documento maestro existe y añade una fila de iteración. Luego informa al usuario:

  1. Causa raíz (con archivo:línea si aplica)
  2. Top 3 hallazgos no obvios
  3. Archivos creados
  4. Próximo paso sugerido

Mantén el informe del chat conciso; el detalle vive en la documentación.

Skills relacionados