Una campaña de investigación sobre un corpus cerrado

La tarea para la que se construyó Dinoer: explorar un tema a través de fuentes públicas y obtener un informe en el que cada afirmación procede de una página guardada en disco, no de lo que recuerda el modelo ni de una búsqueda que no debía hacer.

Una agenda local

La pregunta: los conciertos y espectáculos a menos de 30 km de una ciudad, durante diez días de agosto de 2026. Dieciséis consultas de búsqueda a SearXNG dieron trece dominios de referencia; campagne.py recopiló en ellos 43 páginas; una extracción dirigida, una llamada por página, dio 15 respuestas positivas, agrupadas en 11 eventos distintos en 9 municipios.

Un fallo descubierto al ejecutarla. La pausa entre solicitudes se aplicaba entre dos obtenciones de páginas, no entre dos consultas a SearXNG. Dieciséis consultas enviadas en poco tiempo hicieron que los buscadores que hay detrás de la instancia de SearXNG la suspendieran. Desde ese día, la pausa se aplica también antes de cada consulta.

Una comprobación de reputación, y cómo se verificó

Una segunda campaña, sobre una persona y su empresa individual, con su consentimiento: tres objetivos query, 28 páginas conservadas por la recopilación ligera. El informe señaló que las fuentes discrepaban sobre el registro de la empresa, y dejó aparte dos empresas que no eran el tema, entre ellas la de una persona con el mismo nombre de pila.

Comprobado, no creído. El flujo completo de eventos del modelo durante la redacción contenía exactamente tres eventos (step_start, text, step_finish) y ningún tool_use: nada salió del corpus mientras se escribía el informe. El mismo tipo de comprobación había detectado doce búsquedas web en otra ejecución. Qué cubre esta garantía →

Sacar más del corpus

En la agenda local, una pregunta abierta hecha a cada página sacó de esas mismas páginas más que la extracción estrecha: programas completos en lugar de fechas sueltas. El método →

Dónde se detiene este caso

El informe automático es un borrador: salvo que el manifiesto pida una clasificación, las páginas se cortan en el orden en que se escribieron. Y la búsqueda tiene un techo: una instancia de SearXNG sin autenticación no alcanza lo que alcanza un buscador comercial con la sesión iniciada, como midió esa misma comprobación de reputación. Los dos límites, medidos →