Skills Agentes

Research Synthesize

Sintetiza hallazgos de investigación guardados en memoria en informes estructurados, con calificación de evidencia, resolución de contradicciones y recomendaciones accionables.

Solicitamcp__plugin_ruflo-core_ruflo__memory_search mcp__plugin_ruflo-core_ruflo__memory_search_unified mcp__plugin_ruflo-core_ruflo__memory_list mcp__plugin_ruflo-core_ruflo__memory_retrieve mcp__plugin_ruflo-core_ruflo__memory_store mcp__plugin_ruflo-core_ruflo__agentdb_context-synthesize mcp__plugin_ruflo-core_ruflo__agentdb_pattern-search mcp__plugin_ruflo-core_ruflo__neural_predict bash read write
Estrellas
69.4k

en todo el repo

Actividad
54

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
1

últimos 90 días

Contexto
710 tok

36 tok en reposo

Paquete
1 archivo

3 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add ruvnet/ruflo --skill research-synthesize --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Reúne hallazgos guardados en los namespaces research y research-sources, y patrones descubiertos.
  • Califica cada hallazgo como evidencia alta, media o baja según cuántas fuentes independientes lo respaldan.
  • Resuelve contradicciones entre hallazgos comparando calidad de evidencia y recencia, o las marca como no resueltas.
  • Usa neural_predict para puntuar qué hallazgos son más relevantes para el objetivo original.
  • Estructura el informe final: resumen ejecutivo, hallazgos, metodología, limitaciones, recomendaciones y fuentes.

Úsalo cuando

  • Tras ejecutar deep-research una o varias veces, cuando hace falta reunir los hallazgos en una síntesis coherente.

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Sintetiza los hallazgos de investigación sobre bases vectoriales
    • Genera el informe de síntesis de la investigación de HNSW

    SKILL.md

    En inglés

    Research Synthesize

    Synthesize accumulated research findings into actionable reports.

    When to use

    After running deep-research (one or multiple times), when you need to pull together findings from memory into a coherent synthesis with recommendations.

    Steps

    1. Gather findings — search across research namespaces:
      • mcp__plugin_ruflo-core_ruflo__memory_search namespace research for raw findings
      • mcp__plugin_ruflo-core_ruflo__memory_search namespace research-sources for references
      • mcp__plugin_ruflo-core_ruflo__agentdb_pattern-search for discovered patterns
      • mcp__plugin_ruflo-core_ruflo__agentdb_context-synthesize for AI-assisted context building
    2. Grade evidence — for each finding, assess:
      • High: Multiple independent sources agree, directly observed, reproducible
      • Medium: Single credible source, indirectly supported, plausible
      • Low: Anecdotal, single unverified source, speculative
    3. Resolve contradictions — when findings conflict:
      • Identify the specific claim in tension
      • Compare evidence quality
      • Check recency (newer data may supersede)
      • Note unresolved contradictions explicitly
    4. Predict relevance — call mcp__plugin_ruflo-core_ruflo__neural_predict to score which findings are most relevant to the original goal
    5. Structure report:
      • Executive summary (2-3 sentences answering the original question)
      • Key findings (ranked by evidence quality)
      • Methodology (what sources were checked)
      • Limitations (what wasn't checked, what remains uncertain)
      • Recommendations (concrete next actions)
      • References (source links and memory keys)
    6. Store synthesis — call mcp__plugin_ruflo-core_ruflo__memory_store namespace research-synthesis with the full report

    Output format

    # [Research Topic] — Synthesis Report
    
    ## Summary
    [2-3 sentence answer]
    
    ## Key Findings
    1. [Finding] — Evidence: High/Medium/Low
    2. [Finding] — Evidence: High/Medium/Low
    
    ## Contradictions
    - [Claim A] vs [Claim B]: [resolution or "unresolved"]
    
    ## Recommendations
    1. [Action] — because [reasoning]
    
    ## Sources
    - [key]: [description]
    

    Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.

    Archivos

    1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Detalles

    Creador
    ruvnet
    Categoría
    Investigación
    Licencia
    MIT
    Recursos incluidos
    Solo SKILL.md
    Repositorio
    ruvnet/ruflo
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de ruvnet/ruflo

    Este repo incluye 275 skills. Si instalas uno, normalmente ya tienes los demás.

    Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución.

    Costo de contexto al activarse
    833 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    herramientas desarrollo

    Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento.

    Costo de contexto al activarse
    566 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    automatizacion

    Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde.

    Costo de contexto al activarse
    627 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    automatizacion

    Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.

    Costo de contexto al activarse
    866 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.

    Costo de contexto al activarse
    680 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado.

    Costo de contexto al activarse
    443 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 26 días
    devops infraestructura

    Skills relacionados

    Especialista en investigación profunda y recopilación de información.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 6 meses
    investigacion

    Especialista en reconocimiento de información que explora territorios desconocidos, recopila inteligencia y reporta hallazgos a la mente colectiva mediante actualizaciones continuas de memoria.

    Costo de contexto al activarse
    1.6k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 6 meses
    investigacion

    Orquesta investigación profunda en varias fases: búsqueda web, recuperación de memoria, coincidencia de patrones y síntesis en hallazgos estructurados.

    Costo de contexto al activarse
    712 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    el mes pasado
    investigacion