Recursive Research

Skill: Investigación Recursiva Profunda (v2.0)

Investigación auto-regulada que itera hasta alcanzar nivel PhD sobre una semilla de investigación (tema raíz). Funciona en cualquier dominio: ciencias formales, naturales, sociales, humanidades, artes, tecnología, negocio.

Cuándo usar

• Quieres profundizar en un tema hasta el nivel de un experto
• Necesitas entender un campo nuevo para tomar decisiones informadas
• Preparas un documento técnico, paper, propuesta o estudio
• Quieres identificar estado del arte + gaps de conocimiento

Principios

1. Pregunta antes de investigar — la skill interroga al usuario sobre semilla, modo y fuentes ANTES de arrancar
2. Fuentes confiables con tiering transparente — rechaza automáticamente fuentes no fiables
3. WDM + Inversión Munger en toda decisión autónoma no trivial
4. Loop con auto-regulación — no iteraciones fijas; criterio medible para cerrar
5. Checkpointing defensivo — guarda a disco cada ciclo; sobrevive compact / cierre de sesión
6. Pausa preventiva — detecta proximidad al límite de contexto y sugiere pausar antes del cierre forzoso

Flujo completo

Fase 0 — Preguntas iniciales (la skill interroga)

Al invocar /recursive-research, la skill pregunta al usuario, en orden:

1. Semilla de investigación: "¿Cuál es el tema que quieres investigar?" (texto libre)
2. Modo: web / local / mixto
3. Si incluye local: "¿Qué rutas locales debo investigar?" (lista de paths separados por comas)
4. Fuentes priorizadas (opcional): autores, dominios, publicaciones preferidas
5. Fuentes excluidas (opcional)
6. Tope duro de ciclos (default: 20; configurable)

La skill presenta un resumen y espera confirmación antes de arrancar.

Fase 1 — Preparación del espacio de trabajo

1. Generar slug de la semilla (kebab-case, máx. 40 caracteres)
2. Verificar / crear memoria/investigaciones/<slug>/ en el directorio de trabajo actual
   • Si memoria/ NO existe, crearla explicando: "No existe la carpeta memoria/ en el proyecto. La creo porque la skill necesita consolidar hallazgos en disco cada ciclo — es lo que permite reanudar la investigación en sesiones nuevas."
3. Crear archivos iniciales:
   • estado.md — metadatos, progreso, métricas
   • hilos.md — árbol de hilos semilla + sub-hilos
   • fuentes-tier-1.md, fuentes-tier-2.md, fuentes-tier-3.md, fuentes-rechazadas.md
   • hallazgos.md — consolidación

Fase 2 — Identificar hilos semilla

Generar 3-5 hilos semilla (ángulos distintos del tema).

Aplicar WDM a la selección de hilos:

Evaluar 5-8 hilos candidatos, seleccionar top 3-5.

Inversión Munger sobre los hilos elegidos:

• ¿Qué hilo importante estoy ignorando?
• ¿Qué perspectiva ausente haría que mi investigación sea parcial?
• ¿Qué escuela / voz disidente no aparece?

Si la inversión revela un hilo crítico faltante, agregarlo y re-ejecutar WDM.

Ejemplos por dominio (NO solo código):

Fase 3 — Detectar herramientas disponibles

Antes del primer ciclo, detectar MCPs disponibles y ordenar por preferencia:

Preferencia (mayor a menor velocidad/efectividad):

1. MCPs de scraping optimizados para IA: Firecrawl (firecrawl_scrape, firecrawl_crawl, firecrawl_search, firecrawl_extract) — texto estructurado, rápido
2. MCPs de documentación oficial: Context7 (query-docs) — cuando la fuente es una librería/framework
3. Herramientas nativas: WebSearch, WebFetch — fallback universal
4. MCPs de navegación real (Chrome DevTools): DESPRIORIZADOS — solo si el contenido requiere ejecución JS explícita (SPAs sin SSR, contenido tras auth)

Razón: scrapers de IA son 10-50× más rápidos que navegadores reales y dan texto ya estructurado.

Fase 4 — Fuentes semilla sugeridas

La skill presenta al usuario una lista de fuentes semilla pre-cargadas por dominio para que confirme, añada o rechace:

Ciencia general / papers:

• arXiv (https://arxiv.org) — preprints en física, matemáticas, CS, biología, economía
• Semantic Scholar (https://www.semanticscholar.org) — red de citaciones
• Google Scholar (https://scholar.google.com)
• Connected Papers (https://www.connectedpapers.com) — mapas visuales de citaciones
• OpenReview (https://openreview.net) — revisiones abiertas en ML

Medicina / biología:

• PubMed (https://pubmed.ncbi.nlm.nih.gov)
• Cochrane Library (https://www.cochranelibrary.com) — meta-análisis
• WHO (https://www.who.int)
• ClinicalTrials.govCheck Domain?

Humanidades / ciencias sociales:

• JSTOR (https://www.jstor.org)
• SSRN (https://www.ssrn.com)
• Project MUSE (https://muse.jhu.edu)

Código / tecnología:

• GitHub (búsqueda, topics, starred lists de expertos)
• Context7 para docs oficiales (si MCP disponible)
• RFCs (https://www.rfc-editor.org)
• W3C specs (https://www.w3.org/TR/)

Datos / estadística:

• Banco Mundial (https://data.worldbank.org)
• OECD Data (https://data.oecd.org)
• Our World in Data (https://ourworldindata.org)
• Pew Research (https://www.pewresearch.org)
• Eurostat, INE, y equivalentes nacionales

Arte / cultura / humanidades:

• Europeana (https://www.europeana.eu)
• Google Arts & Culture (https://artsandculture.google.com)
• Internet Archive (https://archive.org)
• Project Gutenberg (https://www.gutenberg.org)

Generales:

• Wikipedia — como PUNTO DE PARTIDA. Saltar siempre a la sección de referencias para llegar a Tier 1/2
• Wikidata — datos estructurados

Fuentes locales (si el usuario proporcionó rutas):

• Listar estructura de carpeta
• Priorizar .md, .pdf, .txt, .doc/.docx, .html, .epub
• Usar herramientas de lectura del agente (Read, Grep, Glob)

Fase 5 — Ciclo de investigación (LOOP auto-regulado)

Cada ciclo ejecuta los siguientes sub-pasos.

5.1. Elegir el hilo con menor cobertura

Calcular cobertura actual de cada hilo (hallazgos_registrados / hallazgos_esperados_proxy). Elegir el de menor %.

5.2. WDM + Munger sobre fuentes a usar en ESTE ciclo

WDM por fuente candidata:

Seleccionar top 3-5.

Inversión Munger sobre las fuentes seleccionadas:

• ¿Qué fuente NO estoy usando que debería? (disidentes, escuelas críticas, voces silenciadas)
• ¿Qué sesgo comparten todas las seleccionadas? (solo anglosajonas, solo de una época, solo de una escuela)
• ¿Qué opinión contraria existe documentada? → Añadir al menos 1 fuente contradictoria si existe

5.3. Ejecutar búsquedas / lecturas

• Usar MCPs en orden de preferencia detectado en Fase 3
• Extraer: hechos concretos, datos numéricos, citas textuales con atribución, nombres de personas/obras/conceptos nuevos
• Registrar en notas de trabajo del ciclo

5.4. Aplicar tiering a cada fuente consultada

Tier 1 — Máxima confianza:

• Papers peer-reviewed en revistas indexadas (Scopus, Web of Science, PubMed, ACM, IEEE)
• Libros de editoriales académicas (MIT Press, Oxford UP, Cambridge UP, Springer)
• Documentación oficial de estándares (W3C, IETF/RFC, ISO, IEEE, WHO, FDA, BIS)
• Archivos primarios verificables (museos nacionales, bibliotecas universitarias, archivos estatales)
• Datos crudos de instituciones estadísticas oficiales

Tier 2 — Alta confianza:

• Repositorios oficiales de proyectos activos y reconocidos
• Blogs/publicaciones de autores citables (investigadores, profesionales con trayectoria verificable)
• Charlas en conferencias reconocidas (con video y paper)
• Wikipedia CON referencias a Tier 1/2 (tratar como agregador de referencias)
• Reportes de think tanks / consultoras con metodología publicada (Pew, Gartner, McKinsey Institute)

Tier 3 — Útil con cautela:

• Blogs con citaciones internas a Tier 1/2
• Stack Overflow / foros con voto alto + citaciones
• Entrevistas grabadas con expertos identificables
• Publicaciones de industria con autoría clara

Rechazo automático:

• Sin autor identificable
• Marketing sin datos empíricos
• Agregadores spam / SEO
• Tutoriales sin citar fuentes
• Social media sin contexto verificable
• Contenido generado por IA sin supervisión humana documentada

Cada fuente consultada se registra en el archivo tier correspondiente con: título, URL, autor, fecha, tier asignado, justificación.

5.5. Consolidar en checkpoint

Guardar al final del ciclo: memoria/investigaciones/<slug>/ciclo-N.md con:

• Hilo trabajado
• Fuentes consultadas (con tier)
• Hallazgos nuevos
• Conexiones con hilos previos
• Preguntas abiertas para próximos ciclos

5.6. Actualizar estado.md

• Incrementar contador de ciclos
• Recalcular cobertura por hilo
• Registrar métrica de saturación: saturacion = hallazgos_nuevos_ciclo / hallazgos_totales_acumulados
• Actualizar estimación de tool calls y tokens de output consumidos

5.7. Evaluar criterios de cierre — Función de fitness "nivel PhD"

Los 5 criterios DEBEN cumplirse todos:

1. Cobertura ≥80% en todos los hilos semilla
2. ≥3 fuentes Tier-1 por hilo (o Tier 1+2 combinadas si el campo tiene pocas Tier 1)
3. Saturación ≤5% durante 3 ciclos consecutivos
4. Inversión Munger aplicada al estado del conocimiento: documentado qué NO sé, qué contradicen las fuentes, qué sesgos detecté
5. Síntesis cruzada entre hilos: ≥3 conexiones explícitas entre hilos diferentes registradas

Decisión:

• Todos cumplidos → Fase 6 (cierre natural)
• Tope de ciclos alcanzado → Fase 6 (cierre forzado con aviso)
• Caso contrario → continuar al paso 5.8

5.8. Pausa preventiva (check de contexto)

Umbrales:

• tool_calls_en_sesion ≥ 150
• O tokens_output_aprox ≥ 80000

Si se cruza cualquiera:

1. Escribir checkpoint completo (5.5 + 5.6)
2. Emitir mensaje:

Copy code
[PAUSA PREVENTIVA RECOMENDADA]

Estado actual:
- Ciclos completados: N
- Tool calls en sesión: X (cerca del límite)
- Tokens de output aprox: Y

Razón: me aproximo al límite de contexto. Si continúo, podría perder coherencia
al compactarse la sesión.

La investigación está guardada en:
  memoria/investigaciones/<slug>/

Para reanudar en nueva sesión:
  /recursive-research --resume <slug>

¿Pausar aquí, o continuar 1-2 ciclos más? (continuar / pausar)

3. Esperar respuesta. Si continuar, seguir. Si pausar, saltar a Fase 6 (cierre parcial documentado).

Si no se cruza el umbral → volver a 5.1 para próximo ciclo.

Fase 6 — Cierre

Sea cierre natural (5 criterios cumplidos), forzado (tope de ciclos), o parcial (pausa manual):

1. sintesis.md — síntesis ejecutiva:

   • Resumen en lenguaje simple (3-5 párrafos)
   • Hallazgos por hilo con referencias cruzadas
   • Controversias y contradicciones detectadas
   • Gaps de conocimiento (qué NO se investigó / qué sigue abierto)
   • Mapa de hilos seguidos (árbol)

2. acciones.md — checklist de acciones aplicables, priorizadas por impacto

3. Inversión Munger FINAL al estado del conocimiento (registrar en gaps.md):

   • ¿Qué sigo sin saber?
   • ¿Qué fuentes contradijeron entre sí y no resolví?
   • ¿Qué sesgo tiene mi conjunto de fuentes?
   • ¿Qué pregunta debería hacerme un revisor crítico que no sepa responder?

4. Preguntar al usuario:

Copy code
[INVESTIGACIÓN COMPLETADA — estado: natural / forzado / pausado]

Semilla: <tema>
Ciclos ejecutados: N / <tope>
Fuentes consultadas: X total (T1: A · T2: B · T3: C · Rechazadas: D)
Estado PhD: alcanzado / NO alcanzado (razones: ...)

Gaps identificados:
  1. ...
  2. ...
  3. ...

Opciones:
  1. Cerrar aquí
  2. Profundizar un gap específico (indica cuál)
  3. Añadir nuevo hilo y continuar
  4. Cambiar de modo (web → mixto, etc.)

¿Qué prefieres?

La investigación puede ser infinita — solo se cierra por decisión del usuario.

Modo --resume

Invocación: /recursive-research --resume <slug>

1. Buscar memoria/investigaciones/<slug>/
2. Si no existe → error claro, sugerir /recursive-research normal
3. Si existe:
   • Leer estado.md → reconstruir métricas
   • Leer último ciclo-N.md → contexto reciente
   • Leer hilos.md → árbol actual
   • Presentar: "Retomo desde ciclo N. Próximo paso: [hilo X]. ¿Continúo?"
4. Continuar el loop desde Fase 5

Modo --list

Invocación: /recursive-research --list

Listar todas las investigaciones guardadas en memoria/investigaciones/ del proyecto actual:

• Slug · Semilla · Ciclos completados · Estado (abierta / cerrada) · Última modificación

Anti-patterns a rechazar activamente

1. Búsqueda plana — repetir queries con sinónimos sin profundizar en resultados reales
2. Ignorar Munger — seleccionar fuentes solo por confort; la inversión es obligatoria
3. Checkpoint ausente — avanzar 5 ciclos sin dumpear a disco
4. Tier 3 sin referencias — aceptar un blog sin que cite Tier 1/2 explícitamente
5. Autoconfirmación del PhD — declarar PhD sin los 5 criterios medidos; si uno falta, NO cerrar
6. Ignorar gaps — cerrar sin documentar qué no se sabe; los gaps son parte del entregable
7. Condescendencia intelectual — ocultar controversias o contradicciones "para no ensuciar la síntesis"; la honestidad intelectual ES el resultado
8. Confiar ciegamente en el knowledge interno — el conocimiento del agente puede estar desactualizado; siempre verificar contra fuente

Estructura final de archivos generados

Copy code
memoria/investigaciones/<slug>/
├── estado.md              ← progreso, métricas, metadata
├── hilos.md               ← árbol de hilos y sub-hilos con estado
├── fuentes-tier-1.md      ← fuentes más confiables consultadas
├── fuentes-tier-2.md      ← fuentes de alta confianza
├── fuentes-tier-3.md      ← fuentes con cautela
├── fuentes-rechazadas.md  ← fuentes evaluadas y descartadas (con razón)
├── hallazgos.md           ← consolidación de descubrimientos
├── ciclo-01.md            ← checkpoint del ciclo 1
├── ciclo-02.md
├── ciclo-N.md
├── sintesis.md            ← síntesis ejecutiva (Fase 6)
├── acciones.md            ← checklist de acciones aplicables
└── gaps.md                ← lo que NO se sabe, controversias, sesgos

Ejemplo de invocación

Copy code
Usuario: /recursive-research

Skill: ¿Cuál es el tema que quieres investigar?
Usuario: Mecanismos de la memoria episódica en humanos

Skill: ¿Modo? (web / local / mixto)
Usuario: mixto

Skill: ¿Rutas locales?
Usuario: C:/Dropbox/papers-neurociencia

Skill: ¿Fuentes / autores priorizados? (opcional)
Usuario: Endel Tulving, Eleanor Maguire

Skill: ¿Fuentes excluidas? (opcional)
Usuario: -

Skill: ¿Tope de ciclos? (default 20)
Usuario: 25

Skill: Confirmado.
       Semilla: "memoria episódica en humanos"
       Modo: mixto · Local: [C:/Dropbox/papers-neurociencia]
       Priorizar: [Tulving, Maguire] · Tope: 25 ciclos

       Aplicando WDM + Munger para identificar hilos semilla...
       [muestra tabla]

       Hilos seleccionados:
       1. Bases neuroanatómicas (hipocampo, PFC)
       2. Fenomenología y taxonomía (Tulving et al.)
       3. Trastornos y disociaciones (amnesia, Alzheimer)
       4. Modelos computacionales
       5. Neurociencia cognitiva contemporánea

       La carpeta `memoria/` no existe. La creo — es necesaria para
       consolidar cada ciclo en disco.

       Ruta: memoria/investigaciones/memoria-episodica-humanos/

       Arrancando ciclo 1 (hilo con menor cobertura: 1)...

Autoría y licencia

• Autor: Joseph Huayhualla (@Anjos2)
• Licencia: MIT — ver archivo LICENSE del repositorio
• Repositorio: https://github.com/Anjos2/recursive-research

Contribuciones bienvenidas. Si detectas un anti-pattern no cubierto, una heurística mejor, o un criterio de PhD más robusto, abre un PR.