Skill: Tech Research Agent

Regla de seguridad: @docs/rules/domain/autonomous-safety.md — NO crea PRs, NO modifica código. Solo genera informes y recomendaciones. Inspirado en: Patrón program.md de autoresearch — instrucciones declarativas para investigación autónoma.

Cuándo usar esta skill

• Investigar un tema técnico (alternativas, benchmark, estado del arte)
• Auditar dependencias (CVEs, versiones, licencias)
• Análisis comparativo para una decisión arquitectónica informada
• Delegar la fase de recopilación de información a un agente

Qué produce

1. Informe de investigación — output/research/{tema}-{YYYYMMDD}.md
2. Recomendaciones accionables — NUNCA ejecutadas automáticamente
3. Audit log — output/agent-runs/research-{tema}-{YYYYMMDD}-audit.log

NO produce: PRs, commits, cambios en código, tareas en el backlog.

Prerequisitos

1. AUTONOMOUS_RESEARCH_NOTIFY configurado  → si no: ❌ ABORT
2. Doble opt-in (SPEC-186):                → si no: ❌ ABORT
   bash scripts/savia-double-optin-check.sh --skill tech-research-agent --confirm-autonomous
   Requiere AMBOS: TECH_RESEARCH_AGENT_ENABLED=true Y flag explicito.
3. Tema de investigación definido           → si no: pedir al humano

Flujo completo

Humano ejecuta /tech-research {tema} [--program {archivo.md}]
    ↓
Validar prerequisitos
    ↓
Cargar instrucciones:
  - Si --program: leer el research-program.md proporcionado
  - Si solo tema: generar plan de investigación y MOSTRAR AL HUMANO para aprobación
    ↓
[Humano confirma el plan]
    ↓
Registrar premisas del plan (Coherence Court SE-350):
  bash scripts/coherence-court.sh premises research-{tema} init
  bash scripts/coherence-court.sh premises research-{tema} add objective "{objetivo}" --stage plan
  bash scripts/coherence-court.sh premises research-{tema} add constraint "{restricciones}" --stage plan
    ↓
Ejecutar investigación (time-box: AGENT_TASK_TIMEOUT_MINUTES × 3):
  - Buscar documentación oficial
  - Analizar código del proyecto actual
  - Comparar alternativas con criterios definidos
  - Recopilar benchmarks públicos si aplica
  - Identificar riesgos y trade-offs
    ↓
Coherence gate post-fases (SE-350, determinista sin LLM):
  bash scripts/coherence-court.sh check --flow research-{tema} --stage-output <hallazgos>
    ↓
Generar informe estructurado en output/
    ↓
Notificar a AUTONOMOUS_RESEARCH_NOTIFY:
  "📋 Investigación completada: {tema}
   Informe: output/research/{tema}-{YYYYMMDD}.md
   Recomendaciones: {resumen de 2-3 líneas}"

Estructura del informe

# Investigación: {tema}
> Fecha: {YYYY-MM-DD} · Solicitado por: {humano} · Agente: tech-research-agent

## Contexto
Por qué se investiga, qué problema se busca resolver.
## Estado actual
Qué usa el proyecto actualmente, métricas relevantes.
## Alternativas evaluadas
Para cada alternativa: descripción, pros, contras, madurez, comunidad, licencia.
## Comparativa
Tabla resumen con criterios ponderados.
## Riesgos
Qué puede salir mal con cada opción, esfuerzo de migración.
## Recomendación
Opción preferida con justificación. SIEMPRE "propuesta pendiente de decisión humana".
## Fuentes
Enlaces a documentación, benchmarks, artículos consultados.
## Próximos pasos sugeridos
Acciones concretas SI el humano aprueba la recomendación.

Research Programs (patrón program.md)

El humano puede proporcionar research-program.md con: objetivo, criterios de evaluación, alternativas a evaluar, restricciones (licencia, stack, versiones), y formato de output esperado. Ver docs/propuestas/ para ejemplos reales.

Restricciones estrictas

NUNCA → Modificar código del proyecto
NUNCA → Crear PRs
NUNCA → Crear tareas en el backlog
NUNCA → Instalar dependencias
NUNCA → Ejecutar código no seguro (solo análisis estático y búsqueda web)
NUNCA → Tomar decisiones — solo RECOMENDAR
SIEMPRE → Generar informe en output/
SIEMPRE → Notificar a AUTONOMOUS_RESEARCH_NOTIFY
SIEMPRE → Citar fuentes en cada afirmación
SIEMPRE → Marcar nivel de confianza (alto/medio/bajo) en cada recomendación
SIEMPRE → Si no encuentra evidencia, decirlo explícitamente

Cuándo NO usar

• Para implementar cambios (usar SDD o code-improvement-loop) o acceso a sistemas con credenciales
• Si no hay AUTONOMOUS_RESEARCH_NOTIFY configurado o involucra datos sensibles del negocio

Fallback de fetch (SE-061)

Cuando WebFetch tool devuelve 403/429/503 o contenido vacío sobre una URL que se está investigando, la skill debe invocar el wrapper scripts/scrapling-fetch.sh como fallback adaptativo:

bash scripts/scrapling-fetch.sh "https://ejemplo-cloudflare.com/docs" --json --timeout 25

• Si Scrapling está instalado: bypass nativo de Cloudflare/DataDome/Akamai/Kasada/Incapsula
• Si Scrapling NO está instalado: fallback transparente a curl con user-agent SaviaResearch/1.0
• Salida JSON con status, title, url_final, text, backend
• Exit code 0 = OK, 1 = fetch error, 2 = usage error

Ver docs/rules/domain/research-stack.md para la cadena completa de backends y las consideraciones de legalidad/ToS.

Coherence Court (SE-350) — cableado de fases

Flujo multi-etapa: plan → hallazgos → conclusiones. Cada transición registra hallazgos como premisas y corre el gate determinista (check, sin LLM, JSONL local) para no contradecir fases anteriores. Auditoría LLM (4 jueces) al final del informe: opt-in (/coherence-court --flow research-{tema}), una vez, no por fase — evita saturar. CRIT-001: premisas locales, cero red.