Dnnecessary/skills

Análisis de la Metodología de Contenido del Autor

Contrato de Entrada

El invocador debe proporcionar:

• input_dir o una lista explícita de archivos/contenido de documentos
• output_dir
• Autor o nombre de la cuenta
• Lista opcional de artículos, idealmente con título, enlace y fecha de publicación
• generate_html: por defecto true
• sync_lark: por defecto true

Si la entrada es insuficiente, primero buscar contenido disponible dentro del área de trabajo; si aún no hay muestras de texto, preguntar al usuario. No analizar solo con los títulos.

Formatos soportados y límites de procesamiento:

• Markdown/TXT: usar el analizador incorporado.
• DOCX: priorizar python-docx; si no está disponible, informar un error claro.
• PDF con texto extraíble: priorizar pypdf; si es un PDF escaneado sin texto, marcar que necesita OCR, no inventar texto.
• Documentos de Feishu: primero leer con el skill actual lark-doc, luego usar el texto como entrada.
• Cuando se mezclan formatos, unificar a registros de artículos, pero conservar la ruta del archivo original y el tipo de fuente.

Contrato de Salida

Siempre escribir en el output_dir proporcionado por el invocador:

<output_dir>/
  <blogger>-informe-metodologia.md
  <blogger>-marco-copys.md
  <blogger>-datos-analisis.json
  <blogger>-caracteristicas-articulos.csv
  <blogger>-panel-metodologia.html                # Panel predeterminado para el alumno
  <blogger>-sincronizacion-feishu.json            # Se genera tras una sincronización exitosa
  <blogger>-muestra-titulos-competencia.json      # Se genera si se proporcionan muestras de competencia

Todos los productos del directorio raíz se nombran usando el formato "<blogger>-<funcion>.<extension>". <blogger>-datos-analisis.json y <blogger>-caracteristicas-articulos.csv son entregables auditables, no archivos temporales. El informe, el HTML y el contenido de Feishu deben usar los mismos datos de análisis. Solo cerrar los pasos correspondientes si el usuario solicita explícitamente "no generar HTML" o "no sincronizar con Feishu".

Este skill genera su propio marco de copys usando references/copywriting-framework-template.md, sin depender de un skill externo llamado creator-copywriting-framework.

Flujo de Trabajo

1. Establecer Lista de Muestras

• Ejecutar el script de análisis determinista:

  python3 scripts/analyze_corpus.py \
    --input "<input_dir>" \
    --output "<output_dir>"
  

• El script se encarga del análisis de formatos, deduplicación, conservación de referencias de imágenes, estadísticas básicas y características a nivel de artículo.

• Con menos de 5 artículos, solo hacer análisis descriptivo y señalar explícitamente la baja estabilidad; con menos de 3, no generar conclusiones sobre tendencias, evolución o estilo consistente.

• Con más de 50 artículos, priorizar el análisis completo de estadísticas básicas; solo muestrear si el contexto o el costo de procesamiento es claramente alto, y divulgar el método de muestreo.

2. Preprocesar el Texto

• Eliminar ruido como navegación, anuncios y notas al pie de derechos de autor.
• Eliminar las imágenes Markdown de la copia de análisis de texto plano, pero mantener en el registro del artículo la posición original, la ruta relativa y el texto adyacente para el análisis visual.
• Conservar la jerarquía de títulos, listas, citas, casos, datos y párrafos de conclusión.
• Distinguir entre fragmentos originales y resúmenes del modelo, manteniendo el mapeo de evidencia al título del artículo.

3. Análisis Detallado de Datos

Primero leer <blogger>-datos-analisis.json y <blogger>-caracteristicas-articulos.csv, luego completar el análisis interpretativo según references/data-analysis-framework.md. Las métricas deterministas no deben ser reestimadas por el modelo. Cubrir por defecto:

• Calidad de la muestra e integridad de los datos
• Frecuencia de publicación, periodicidad, continuidad y distribución temporal
• Longitud, párrafos, oraciones, imágenes y complejidad estructural
• Distribución de temas, motivos, objetos, escenarios, problemas y tipos de contenido
• Combinaciones de palabras clave, términos, conceptos y asociaciones semánticas
• Longitud del título, gancho, estructura de la oración, objeto, promesa y coherencia título-texto
• Inicio, cuerpo, transición, conclusión, CTA y trayectorias narrativas comunes
• Unidades argumentativas como opiniones, hechos, causalidad, comparación, contraejemplos, límites y sugerencias
• Tipos de evidencia: datos, citas, pruebas reales, casos, fuentes autorizadas y experiencia
• Red de entidades: personas, empresas, productos, tecnologías, eventos, industrias, lugares y modelos
• Juicios fuertes/débiles, determinismo, escala temporal, actitud ante el riesgo y orientación de valores
• Vocabulario, longitud de oración, ritmo, retórica, coloquialismo, nivel técnico y legibilidad
• Público objetivo, escenarios de uso, puntos de dolor, promesa de contenido y beneficios para el lector
• Llamadas a la acción en el texto como comentarios, descarga de materiales, compra (solo como observación de la estructura de escritura)
• Densidad de imágenes, posición texto-imagen y función del contenido visual (cuando los datos estén disponibles)
• Evolución de temas, expresión y juicio a lo largo del tiempo (cuando la fecha de publicación esté disponible)
• Relaciones cruzadas entre tema y título, estructura, evidencia, longitud, CTA, etc.
• Muestras anómalas, lagunas de contenido, concentración excesiva y oportunidades de serialización
• No analizar el rendimiento de lectura, compartir, me gusta, favoritos, seguidores o conversiones desde el backend de la plataforma
• Desglose del método de título: estadísticas generales de números específicos, titulares de intriga, puntos de dolor conflictivos, actualidad de tendencias, beneficios claros; explicar la fórmula, el por qué, métodos de imitación y condiciones de aplicación para títulos representativos
• Demostración de la estructura del artículo: usar tareas de inicio, tareas intermedias y tareas finales para explicar el ritmo, y proporcionar ejercicios ejecutables para el alumno
• Cómo aprender el ritmo de publicación: observar la forma de oferta de contenido del autor usando días de publicación, distribución semanal, múltiples artículos el mismo día y el intervalo entre artículos; luego diseñar un ritmo sostenible según el tiempo del alumno, la velocidad de acumulación de evidencia y la etapa creativa
• Radar de temas de competencia: buscar públicamente títulos de la competencia y registrar el enlace de origen, el tipo de tema y los límites de la muestra

Los datos y las muestras representativas se usan solo para explicar el método del autor, no para convertir el panel en un informe de puntuación, autoevaluación, aprobado/reprobado o mejora del autor. Los indicadores de rendimiento del backend de la plataforma no entran en el panel. Cualquier otro contenido que no se pueda calcular no debe estimarse ni inventarse. La frecuencia de palabras no equivale directamente a la actitud del autor; las etiquetas subjetivas como tema, frase destacada, tono y postura deben explicar las reglas de clasificación y la evidencia.

Por defecto, adoptar la perspectiva del alumno, no solo evaluar al blogger. Cada módulo central debe explicar:

• Cómo lo hace este blogger específicamente;
• Por qué este método es efectivo;
• Qué habilidades vale la pena aprender;
• Qué ejercicios puede hacer el alumno;
• Qué depende de la experiencia personal, los recursos o las condiciones de la plataforma y no se puede copiar directamente;
• Cómo determinar si el método se ha transferido a la propia habilidad, y no solo imitar el estilo superficial.

Las etiquetas subjetivas deben escribirse en annotations dentro de <blogger>-datos-analisis.json, cada una conteniendo:

campo, etiqueta, ids_articulo, evidencia, regla, confianza

De esta manera, las conclusiones sobre temas, postura, lectores y frases destacadas en el informe son verificables con los artículos.

4. Destilar la Metodología

El informe principal usa references/report-template.md. Las secciones de datos hacen referencia a las métricas y los IDs de artículo en <blogger>-datos-analisis.json, sin crear un segundo conjunto de números. Las secciones de metodología explican los hechos de los datos e incluyen al menos:

El "Desglose de la muestra" del informe debe incluir dataset_sha256 para la verificación de consistencia.

1. Posicionamiento del autor y persona de contenido
2. Perfil del lector y beneficios del contenido
3. Mapa de activos de contenido
4. Sistema de selección de temas
5. Marco de análisis
6. Criterios de juicio
7. Plantillas de expresión
8. Banco de casos
9. Estilo de frases destacadas
10. Lagunas de contenido y oportunidades de temas
11. SOP de escritura reutilizable
12. Riesgos y límites
13. Lista de muestras

Para cada conclusión clave, citar de 2 a 5 títulos de artículos, fragmentos cortos o casos. Mantener las citas textuales necesarias pero breves; las plantillas abstractas deben marcarse como "plantilla abstracta", y los ejemplos estructurados como "no es texto original del autor".

5. Generar Marco de Copys Independiente

Usar references/copywriting-framework-template.md para generar <blogger>-marco-copys.md. La plantilla solo especifica la estructura, no preestablece ninguna frase del estilo del autor; todas las fórmulas deben inducirse de la evidencia de la muestra, incluyendo:

• Andamiaje de selección de temas
• 8-15 fórmulas de títulos
• Varias plantillas de inicio
• Al menos 3 estructuras de cuerpo
• Frases de párrafo y oraciones de transición
• Generador de frases destacadas
• CTA de cierre
• 1-2 ejemplos estructurados con cambio de tema, caso y redacción
• Lista de verificación previa a la publicación y límites de uso

Solo aprender la estructura, no replicar la expresión única del autor, ni suplantar al autor.

6. Generar HTML Automáticamente

El panel HTML es un entregable estándar de este skill, no un accesorio de chat opcional. Al generarlo, debe leer references/interactive-dashboard-template.md y usar directamente el scripts/generate_dashboard.py incorporado en este skill, sin cambiar a otra plantilla BI genérica.

Ejecución predeterminada:

python3 scripts/generate_dashboard.py \
  --data "<output_dir>/<blogger>-datos-analisis.json" \
  --output "<output_dir>/<blogger>-panel-metodologia.html"

El HTML y el Markdown deben compartir las estadísticas deterministas de <blogger>-datos-analisis.json. El resumen de metodología generado por el modelo puede escribirse en annotations como datos adicionales, sin sobrescribir los campos calculados por el script.

El panel debe mantener la siguiente estructura fija:

1. Una página de un vistazo
2. Posicionamiento y valor
3. Mapa de contenido
4. Método de selección de temas
5. Escritura de artículos
6. Opiniones y evidencia
7. Estilo lingüístico
8. Lo que vale la pena aprender
9. Crecimiento operativo
10. Aprendizaje y transferencia

Todas las secciones deben estar desde la perspectiva del alumno, enfocándose en responder "qué debo aprender, cómo debo aprenderlo", sin cambiar a autoevaluación del autor, puntuación de artículos o análisis de rendimiento de la plataforma. Al final de la página, solo mantener una breve nota de fuente y exención de responsabilidad, sin una sección independiente de "Datos y límites".

Después de la generación, verificar la consola del navegador, las interacciones principales y la legibilidad visual.

Saltar solo si el usuario solicita explícitamente no generar HTML, es decir, generate_html=false.

7. Sincronizar Automáticamente con Feishu

Primero verificar los límites de la fuente:

• Muestras todas de URL públicas o archivos públicos de artículos: sincronización predeterminada.
• Muestras de entrevistas locales, documentos internos, documentos privados de Feishu, o detección de contenido sensible: pausar la subida automática y pedir confirmación al usuario.

Después de confirmar que se puede sincronizar, cargar lark-doc:

1. Primero completar el Markdown local.
2. Si <blogger>-sincronizacion-feishu.json ya tiene un doc_token accesible, actualizar ese documento; de lo contrario, crear un documento nuevo.
3. Escribir y leer para verificar según la especificación de la interfaz del skill lark-doc actual.
4. Escribir doc_token, URL, título, huella digital del contenido y marca de tiempo de actualización en <blogger>-sincronizacion-feishu.json.
5. Después de verificar que las secciones clave existen, devolver la URL.

Un fallo en Feishu no debe afectar el estado de finalización de los archivos locales.

Saltar solo si el usuario solicita explícitamente no sincronizar con Feishu, es decir, sync_lark=false.

Umbrales de Calidad

• <blogger>-datos-analisis.json y <blogger>-caracteristicas-articulos.csv deben ser generados por scripts.

• Las conclusiones se basan en el texto y se divulgan los límites de la muestra.

• Las estadísticas observables y las inferencias subjetivas están claramente diferenciadas.

• El análisis de datos cubre todas las dimensiones calculables en la medida de lo posible, y se indican claramente los campos no disponibles.

• Para cada estadística importante, se explica el alcance, el denominador, la regla de clasificación o el método de cálculo.

• Cada módulo de datos se conecta con artículos representativos e inspiración metodológica.

• Cada módulo central tiene evidencia y acciones reutilizables.

• Cuando los casos son insuficientes, escribir explícitamente "no se ha formado un banco de casos estable".

• No inferir la intención del autor que no se pueda respaldar con la muestra.

• Todas las rutas de salida locales están dentro de output_dir.

• HTML y Feishu se completan por defecto; cuando el usuario los desactiva explícitamente, se registra el motivo del salto.

• La navegación del HTML debe tener diez secciones fijas, y la parte inferior debe contener la nota de fuente y la exención de responsabilidad.

• El HTML no debe tener una sección independiente de "Datos y límites", ni módulos de evaluación orientados al autor como "autoevaluación, puntuación, aprobado/reprobado".

• Ejecutar finalmente:

  python3 scripts/validate_outputs.py "<output_dir>"
  

Referencias

• references/report-template.md: se lee al generar el informe principal.
• references/data-analysis-framework.md: se lee al ejecutar el análisis detallado de datos.
• references/copywriting-framework-template.md: se lee al generar el marco de copys independiente.
• references/interactive-dashboard-template.md: se lee al generar el HTML por defecto.
• references/analysis-data.schema.json: estructura compartida de datos de análisis.
• scripts/analyze_corpus.py: analiza el corpus y genera datos de características deterministas.
• scripts/generate_dashboard.py: genera HTML offline a partir de la fuente de datos compartida.
• scripts/validate_outputs.py: verifica la consistencia de datos, informe, HTML y metadatos de sincronización.