Investigación de empresas

Descubre e investiga a fondo las empresas a las que vender. Utiliza la API de búsqueda de Browserbase para la detección y un patrón «Planificar → Investigar → Sintetizar» para un enriquecimiento en profundidad, generando un informe de investigación puntuado y un archivo CSV.

Requisitos: BROWSERBASE_API_KEY variable de entorno y browse la CLI.

Configuración inicial: La primera vez que lo ejecutes, se te pedirá que apruebes browse cloud fetch, browse cloud search, cat, mkdir, sed, etc. Selecciona «Sí, y no volver a preguntar por: browse cloud fetch:*» (o equivalente) en cada caso para aprobarlos automáticamente durante la sesión. Para aprobarlos de forma permanente, añádelos a tu ~/.claude/settings.json bajo permissions.allow:

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

Reglas de ruta: utiliza siempre la ruta literal completa en todos los comandos de Bash —NO ~ ni $HOME (ambos activan mensajes de aprobación de «sintaxis de expansión de shell»). Define el directorio de inicio una vez y utilízalo en todas partes. Al crear mensajes de solicitud para los subagentes, sustituye {SKILL_DIR} por la ruta literal completa.

Directorio de salida: Todos los resultados de la investigación se guardan en ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/. Este directorio contiene un .md archivo por cada empresa investigada, además de un .csv. El usuario recibe tanto la hoja de cálculo con la puntuación como los archivos completos de la investigación en su escritorio.

IMPORTANTE — Restricciones de la herramienta (se aplica al agente principal Y a todos los subagentes):

• Todas las búsquedas en la web: utiliza browse cloud search. NUNCA utilices WebSearch.
• Toda extracción de contenido de páginas: utilice node {SKILL_DIR}/scripts/extract_page.mjs "". Este script recupera la información mediante browse cloud fetch --output, analiza el título, las metaetiquetas y el texto visible del cuerpo, y recurre automáticamente a browse get markdown cuando la obtención falla o devuelve contenido escaso renderizado con JavaScript. NUNCA crees manualmente un browse cloud fetch | sed flujo de trabajo: elimina las metaetiquetas y no analiza la envoltura JSON de stdout. NUNCA utilices WebFetch.
• Todos los resultados de la investigación: los subagentes escriben un archivo Markdown por empresa {OUTPUT_DIR}/{company-slug}.md utilizando heredoc de bash. NUNCA utilices la herramienta Write ni python3 -c. Consulta references/example-research.md para conocer el formato de archivo.
• Informe + compilación de CSV: utiliza node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open — genera un informe HTML y un CSV en un solo paso, y abre la vista general en el navegador.
• Deduplicación de URL: utiliza node {SKILL_DIR}/scripts/list_urls.mjs /tmp tras la detección.
• Los subagentes deben utilizar ÚNICAMENTE la herramienta Bash. No se permiten otras herramientas.
• El agente principal NUNCA lee los archivos JSON sin procesar de la detección. Utiliza list_urls.mjs para la deduplicación.

CRÍTICO — Normas contra las «alucinaciones» (se aplica al agente principal Y a todos los subagentes):

• NUNCA se deben deducir product_description, industryni target_audience a partir de las fuentes, el marco de trabajo (Framer/Next.js/React), el sistema de diseño o la tipografía de un sitio web. Se trata de aspectos estéticos que no dicen nada sobre lo que vende la empresa.
• NUNCA dejes que el ICP del propio usuario se cuele en la descripción de un objetivo. Si no sabes a qué se dedica el objetivo, escribe Unknown — no lo compares con el ICP.
• product_description DEBES citar o parafrasear una frase concreta de extract_page.mjs contenido (TÍTULO, META_DESCRIPCIÓN, OG_DESCRIPCIÓN, ENCABEZADOS o CUERPO). Si ninguno de esos campos ofrece una declaración de producto reconocible, escribe Unknown — homepage content not accessible.
• Si product_description es Unknown, pon icp_fit_score a 3 y establece icp_fit_reasoning a Insufficient evidence — homepage returned no readable content.

CRÍTICO — Minimizar las solicitudes de permiso:

• Los subagentes DEBEN agrupar TODAS las escrituras de archivos en una ÚNICA llamada a Bash utilizando heredocs encadenados. Una llamada a Bash = una solicitud de permiso.
• Agrupa TODAS las búsquedas y TODAS las recuperaciones en llamadas únicas de Bash utilizando && encadenamiento.

Descripción general del proceso en cadena

Sigue estos 5 pasos en orden. No te saltes ningún paso ni cambies el orden.

1. Investigación de la empresa: comprende a fondo la empresa del usuario, su producto y a quién se lo vende
2. Selección del modo de profundidad: elige la profundidad de la investigación en función del número de empresas objetivo que desees
3. Descubrimiento: encuentra empresas objetivo utilizando diversas consultas de búsqueda
4. Investigación en profundidad y puntuación: investiga cada empresa y puntúa su adecuación al perfil del cliente ideal (ICP).
5. Informe y CSV: presenta los resultados y compila un archivo CSV con las puntuaciones

Paso 0: Configuración del directorio de salida

Antes de empezar, crea el directorio de salida en el escritorio del usuario:

OUTPUT_DIR=~/Desktop/{company_slug}_research_{YYYY-MM-DD}
mkdir -p "$OUTPUT_DIR"

Sustituye {company_slug} por el nombre de la empresa del usuario (en minúsculas y con guiones) y {YYYY-MM-DD} por la fecha de hoy. Pasa {OUTPUT_DIR} (como ruta literal completa, no con ~) en todas las solicitudes de los subagentes para que guarden allí los archivos de búsqueda.

Limpia también los archivos por lotes de descubrimiento de ejecuciones anteriores:

rm -f /tmp/company_discovery_batch_*.json

Paso 1: Investigación exhaustiva de la empresa

Este es el paso más importante. La calidad de todo lo que viene a continuación depende de que se comprenda a fondo la empresa del usuario.

1. Pide al usuario el nombre o la URL de su empresa

2. Comprueba si existe ya un perfil:

   • Enumera los archivos en {SKILL_DIR}/profiles/ (ignora example.json)
   • Si existe un perfil que coincida → cárgalo y muéstraselo al usuario: «Tengo tu perfil de {researched_at}. ¿Sigue siendo correcto?». Si la respuesta es sí → pasa al paso 2.
   • Si no existe ningún perfil → continuar con la investigación en profundidad que se indica a continuación.

3. Realiza una investigación exhaustiva sobre la empresa del usuario siguiendo el patrón Planificar → Investigar → Sintetizar. Consulta references/research-patterns.md las plantillas de subpreguntas y la metodología de investigación.

   Pasos clave de la investigación:

   • Búsqueda: browse cloud search "{company name}" --num-results 10
   • Obtener la página de inicio: node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • Descubre las páginas del sitio a través del mapa del sitio (NO codifiques rutas de forma fija como /about o /customers):
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — el mapa del sitio es pequeño, el formato sin procesar browse cloud fetch está bien
     2. Busca URL con palabras clave: customer, case-stud, pricing, about, use-case, industry, solution
     3. Opcionalmente, también se pueden obtener /llms.txt las descripciones de las páginas
     4. Selecciona entre 3 y 5 URL más relevantes y extráelas con extract_page.mjs (NO en formato sin procesar browse cloud fetch)
   • Busca contexto externo y competidores
   • Recopila los resultados con niveles de confianza

   Sintetízalas en un perfil: Empresa, producto, clientes actuales, competidores, casos de uso. NO incluyas el perfil de cliente ideal (ICP) ni los subsectores verticales; esas son decisiones que se toman en cada ejecución.

4. Presenta el perfil al usuario para su confirmación. No continúes hasta que se haya confirmado.

5. Guarda el perfil confirmado en {SKILL_DIR}/profiles/{company-slug}.json

6. Haz preguntas aclaratorias utilizando AskUserQuestion casillas de selección:

   • «¿A qué segmentos te diriges?», con opciones derivadas del análisis de la empresa
   • «¿En qué fase se encuentra la empresa?» — Startups, mercado medio, grandes empresas, todas
   • «¿Cuántas empresas / profundidad?» — Rápido (100), Profundo (50), Más profundo (~25)
   • Esta es la ÚNICA interacción del usuario. A partir de aquí, la ejecución se realiza en segundo plano hasta que los resultados estén listos.

Paso 2: Selección del modo de profundidad

Paso 3: Descubrimiento

Fórmula: ceil(requested_companies / 35) se necesitan consultas de búsqueda. Realiza un descubrimiento excesivo de unas 2-3 veces, ya que el filtrado suele descartar entre el 50 % y el 70 %.

Genera consultas de búsqueda con estos patrones:

• Sector + fase de la empresa + ubicación geográfica («startups fintech serie A Área de la Bahía»)
• Pila tecnológica + caso de uso («empresas que utilizan Selenium para el web scraping»)
• Proximidad a la competencia («alternativas a {empresa conocida en el ICP}»)
• Perfil del comprador + problema clave («equipos de ingeniería con dificultades en la automatización de navegadores»)

Proceso:

1. Lanza TODOS los subagentes de descubrimiento a la vez (hasta ~6 por mensaje). Cada uno ejecuta sus consultas en una ÚNICA llamada a Bash:

   browse cloud search "{query}" --num-results 25 --output /tmp/company_discovery_batch_{N}.json
   

2. Una vez completadas todas las oleadas, deduplicar: node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. Filtrar la lista de URL — eliminar:
   • Entradas de blog, artículos de noticias (globenewswire.com, techcrunch.com, etc.)
   • Directorios/agregadores (tracxn.com, crunchbase.com, g2.com)
   • Los propios competidores del usuario y sus clientes actuales (según el perfil) Conserva únicamente las páginas de inicio de las empresas.

Consulta references/workflow.md las plantillas de mensajes para subagentes y la gestión de oleadas.

Paso 4: Investigación en profundidad y puntuación

Poner en marcha subagentes para investigar empresas en paralelo. Véase references/workflow.md para consultar la plantilla de indicaciones del subagente de enriquecimiento. Consulte references/research-patterns.md para consultar la metodología de investigación completa.

Proceso:

1. Divide las URL filtradas en grupos por subagente (rápido: ~10, profundo: ~5, más profundo: ~2-3)

2. Inicia TODOS los subagentes de enriquecimiento a la vez (hasta ~6 por mensaje)

3. Cada subagente utiliza ÚNICAMENTE Bash — para cada empresa:

   Fase A — Planificación (omitir en modo rápido): Desglosar en 2-5 subpreguntas basadas en el ICP y los campos de enriquecimiento.

   Fase B — Ciclo de investigación: Buscar y recuperar páginas, extraer conclusiones. Respetar el presupuesto de pasos (rápido: 2-3; profundo: 5-8; más profundo: 10-15).

   Fase C — Síntesis: Puntuar la adecuación al ICP del 1 al 10 con pruebas. Rellenar los campos de enriquecimiento a partir de los resultados.

4. Los subagentes escriben TODOS los archivos Markdown en una ÚNICA llamada a Bash utilizando heredocs encadenados para {OUTPUT_DIR}/

5. Una vez que TODOS los subagentes hayan terminado, pasar al paso 5

Importante: Incluir la descripción confirmada del ICP textualmente en cada prompt de los subagentes. Pasar la ruta literal completa {OUTPUT_DIR} a cada subagente.

Paso 5: Informe y CSV

1. Generar informe HTML + CSV (abre automáticamente el resumen en el navegador):

   node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open
   

   Esto genera:

   • {OUTPUT_DIR}/index.html — una página de resumen con una tabla puntuada (se abre en el navegador)
   • {OUTPUT_DIR}/companies/*.html — páginas individuales de las empresas (enlazadas desde la vista general)
   • {OUTPUT_DIR}/results.csv — hoja de cálculo con puntuaciones para importar a Sheets o CRM

2. Mostrar también un resumen en el chat:

## Company Research Complete

- **Total companies researched**: {count}
- **Depth mode**: {mode}
- **Score distribution**:
  - Strong fit (8-10): {count}
  - Partial fit (5-7): {count}
  - Weak fit (1-4): {count}
- **Report opened in browser**: ~/Desktop/{company_slug}_research_{date}/index.html

3. Muestra las principales empresas ordenadas por puntuación ICP en una tabla:

| Company | Score | Product | Industry | Fit Reasoning |
|---------|-------|---------|----------|---------------|
| Acme | 9 | AI inventory management | E-commerce SaaS | Series A, uses Selenium, expanding to EU |

4. Para las 3-5 principales empresas, muestra un breve resumen de la investigación: conclusiones clave, por qué son una buena opción y desde qué ángulo específico abordarlas.

Ofrecer la posibilidad de profundizar en empresas concretas, ajustar los criterios de puntuación o volver a realizar la búsqueda con consultas diferentes.