# Discovery Search

> Habilidad de diseño e implementación de sistemas de descubrimiento de información avanzados, pasando de la búsqueda tradicional basada en palabras clave (keyword-matching) a la recuperación semántica basada en vectores. Úsala para tareas de Sistema: discovery, semantic-search, vector-database, indexing, information-retrieval, metadata-optimization.

- Skill: `jesusgarciafernandez/discovery-search` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add jesusgarciafernandez/discovery-search`
- Raw SKILL.md: https://api.skillmd.com/api/skills/jesusgarciafernandez/discovery-search/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Product & Planning
- License: CC BY-NC-SA 4.0
- Author: jesusgarciafernandez (https://skillmd.com/u/jesusgarciafernandez)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/jesusgarciafernandez/discovery-search

---


## 0. Filosofía Human-Centric AI
*Esta sección es obligatoria para cumplir con los estándares del App Blueprint Generator.*

**El Rol del Humano:** Supervisión estratégica y validación ética de los resultados generados.
**Empoderamiento:** Esta Skill dota al profesional de una escala productiva 10x mediante la automatización de la carga cognitiva repetitiva.

## Descripción
Habilidad de diseño e implementación de sistemas de descubrimiento de información avanzados, pasando de la búsqueda tradicional basada en palabras clave (keyword-matching) a la recuperación semántica basada en vectores. Esta skill se centra en cómo organizar grandes volúmenes de datos jerarquizados para que sean localizables instantáneamente por agentes humanos e inteligencias artificiales. Abarca la creación de taxonomías dinámicas, el entrenamiento de modelos de "embeddings" para capturar el contexto y el despliegue de motores de búsqueda híbridos que combinan precisión léxica con comprensión conceptual. El objetivo es eliminar los silos de información y garantizar que el "conocimiento relevante" encuentre al usuario en el momento preciso (Proactive Discovery).

## Cuándo usarla
Escenarios que activan esta skill:
- Durante la construcción de bibliotecas digitales masivas o repositorios de documentación técnica (como este repositorio).
- Al diseñar la capa de recuperación para sistemas RAG (Retrieval-Augmented Generation) en IA.
- Para mejorar la tasa de conversión en e-commerce mediante motores de recomendación y búsqueda por intención.
- En procesos de auditoría donde se necesite localizar patrones específicos en terabytes de logs no estructurados.
- Al implementar sistemas de descubrimiento de recursos internos en grandes organizaciones (Enterprise Search).

## Requisitos
- Motores de búsqueda (ej: Elasticsearch, Meilisearch, Algolia).
- Bases de datos vectoriales (ej: Pinecone, Weaviate, Milvus).
- Algoritmos de Tokenización y NLP (Natural Language Processing).
- Frameworks de orquestación de datos (ej: LangChain para recuperación de documentos).
- Esquemas de metadatos estandarizados (Dublin Core, Schema.org).

## Instrucciones y Pasos detallados que se debe seguir:


## Workflow N8N
Referencia al archivo `workflow.json` o scripts integrados.

## Notas y advertencias
- ⚠️ **Mantenimiento Técnico**: Requiere verificación mensual.

## Changelog
- v1.0 — Versión inicial
- v1.1 — Enriquecimiento técnico especializado y normalización de formato V1.1