Guía completa de Oh My Paper: de la investigación bibliográfica a la publicación de tu tesis, resuelto en un solo terminal

Primeros pasos en 20 minutos｜5 agentes en colaboración + 34 habilidades de investigación｜Convierte Claude Code en tu laboratorio de investigación a medida

---

Introducción al proyecto

Oh My Paper es un complemento de código abierto para Claude Code que resuelve un problema muy concreto: Claude Code puede ayudarte a escribir código, pero el trabajo de investigación va mucho más allá de programar; también necesitas investigar literatura, evaluar ideas con espíritu innovador, diseñar experimentos, redactar el artículo y revisar citas, y hasta ahora no había una buena herramienta para conectar todas esas fases.

La propuesta de Oh My Paper es instalar en Claude Code un pipeline de investigación estructurado: 5 roles de agentes especializados se encargan cada uno de una parte, 34 habilidades de investigación se cargan según se necesiten y, en segundo plano, los hooks registran automáticamente el estado del proyecto. Una vez configurado, cada vez que abras Claude Code te preguntará «¿Qué rol vas a usar hoy?», cargará automáticamente el archivo de memoria correspondiente y continuará desde el punto donde lo dejaste. Todo el proceso se realiza sin ningún GUI: únicamente en la terminal.

---

Perfil de lectores objetivo

Este artículo está dirigido a desarrolladores como tú:

• Tienes entre 1 y 5 años de experiencia en desarrollo y ya has pasado por (o estás atravesando) el proceso de escribir un paper y hacer investigación
• Quieres usar IA para apoyar la investigación, pero no te gusta ir cambiando entre un montón de herramientas
• Te interesa el enfoque de colaboración con agentes, así como conceptos como el aislamiento de memoria por roles, y buscas casos prácticos

Si ya tienes una línea de investigación definida (por ejemplo, CV, NLP o arquitectura de sistemas), o si estás realizando una investigación técnica interna en tu empresa, el pipeline de Oh My Paper encaja perfectamente.

---

Dependencias principales y entorno

Antes de empezar, asegúrate de que tu entorno cumple estos requisitos:

---

Estructura completa del proyecto (árbol)

Después de ejecutar /omp:setup, la estructura del directorio del proyecto es la siguiente:

my-research/
├── paper/                     # Área de trabajo para el paper en LaTeX
│   ├── main.tex
│   ├── sections/              # Archivos .tex de cada sección
│   └── refs/                 # Archivo .bib de referencias
├── experiment/                # Código y scripts de experimentación
├── survey/                   # Resultados de la investigación bibliográfica
├── ideation/                 # Puntos innovadores y resultados de evaluación
├── promotion/                # Materiales de demostración, Demo y promoción
├── skills/                   # Habilidades personalizadas locales del proyecto
├── .pipeline/
│   ├── tasks/
│   │   └── tasks.json        # Árbol de tareas para todas las fases
│   ├── docs/
│   │   └── research_brief.json
│   └── memory/               # Archivos de memoria de los agentes
│       ├── project_truth.md   # Referencia del proyecto + registro de avances
│       ├── orchestrator_state.md
│       ├── execution_context.md
│       ├── experiment_ledger.md
│       ├── result_summary.md
│       ├── review_log.md
│       ├── literature_bank.md
│       ├── agent_handoff.md
│       └── decision_log.md
├── .claude/
│   └── settings.json         # Registro del hook SessionStart
├── CLAUDE.md
└── AGENTS.md

---

Pasos de instalación, uno a uno

Paso 1: Añadir el marketplace de complementos

En Claude Code ejecuta el siguiente comando para registrar la dirección del marketplace de Oh My Paper:

/plugin marketplace add LigphiDonk/Oh-my--paper

Este paso no requiere clonar el repositorio completo; Claude Code descargará la lista de complementos desde el marketplace.

Paso 2: Instalar el complemento

/plugin install omp@oh-my-paper

Al finalizar la instalación, ejecuta /plugin para verificar:

/plugin
# La salida esperada debe incluir: omp @ oh-my-paper, Status: Enabled

Paso 3: Reiniciar Claude Code

Cierra completamente la ventana actual de Claude Code y vuelve a abrirla.

Paso 4: Inicializar el proyecto de investigación

Entra en el directorio de tu proyecto de investigación y ejecuta:

/omp:setup

Este comando hace tres cosas:

1. Crea el directorio .pipeline/ y todos sus subdirectorios, además de los archivos de memoria
2. Registra el hook SessionStart en .claude/settings.json
3. Genera los archivos tasks.json y research_brief.json por defecto

Cuando termina la inicialización, la estructura del directorio será la que se muestra arriba en «Estructura completa del proyecto (árbol)».

Verificar que la instalación se realizó correctamente

Vuelve a abrir Claude Code (dentro del directorio del proyecto inicializado). Deberías ver que Claude muestra un menú para seleccionar el rol y te pregunta qué rol usarás para comenzar tu trabajo hoy. Si lo ves, significa que todo se instaló correctamente.

---

Explicación detallada del pipeline de 5 fases

Oh My Paper divide todo el proceso de investigación en 5 fases. Cada fase corresponde a un comando y a un conjunto de habilidades recomendadas.

Fase 1｜Survey: investigación bibliográfica

Ejecuta el comando:

/omp:survey

Esta fase hace lo siguiente: hace que Claude busque artículos relevantes según tu área de investigación, extraiga resúmenes e información clave, y finalmente lo organice en un literature_bank.md.

Habilidades habituales:

• paper-finder — Busca trabajos relacionados en ArXiv y Semantic Scholar
• paper-analyzer — Extrae contribuciones clave, métodos y limitaciones
• biorxiv-database — Si trabajas en biomedicina, busca en BioRxiv

Archivo de salida principal: survey/literature_bank.md

Flujo de trabajo típico:

Tú: /omp:survey
→ Claude pregunta por palabras clave del área de investigación
→ Búsqueda automática → organización de tarjetas de artículos → escritura en literature_bank.md
→ Muestra el resumen de la investigación bibliográfica para que confirmes si falta algo

Fase 2｜Ideation: generación de ideas innovadoras

Ejecuta el comando:

/omp:ideate

Con base en los resultados de la investigación bibliográfica de la fase 1, Claude genera posibles ideas innovadoras y evalúa su viabilidad una por una.

Habilidades habituales:

• inno-idea-generation — Tormenta de ideas masiva de ideas innovadoras
• inno-idea-eval — Puntúa en tres dimensiones: novelty, feasibility e impact
• research-idea-convergence — Converge hacia 2 o 3 direcciones con más potencial

Archivo de salida principal: resultados de evaluación dentro del directorio ideation/

Fase 3｜Experiment: diseño y ejecución de experimentos

Ejecuta el comando:

/omp:experiment

Esta fase lo cubre todo: diseña la estrategia experimental, escribe código de evaluación, ejecuta local o remotamente y analiza los resultados.

Habilidades habituales:

• inno-experiment-dev — Genera el esqueleto del código del experimento
• research-experiment-driver — Gestiona el ciclo iterativo de experimentos
• remote-experiment — Ejecuta en un nodo remoto con GPU vía SSH (consulta la sección «Experimentos remotos»)

Archivo de salida principal: directorio experiment/ + experiment_ledger.md (registro histórico de experimentos)

Fase 4｜Publication: redacción de secciones del artículo

Ejecuta el comando:

/omp:write

Convierte los resultados de los experimentos en texto del artículo, genera figuras y títulos, y gestiona los archivos de LaTeX.

Habilidades habituales:

• inno-paper-writing — Generación general de secciones de artículos
• ml-paper-writing — Plantilla de paper para aprendizaje automático/IA
• scientific-writing — Normas de redacción académica (tiempos verbales, elección de palabras, estructura)
• inno-figure-gen — Genera código de figuras (Matplotlib, Plotly)
• inno-reference-audit — Verifica automáticamente si el formato de las citas es correcto

Archivo de salida principal: archivos de LaTeX dentro del directorio paper/

Fase 5｜Promotion: promoción de resultados

Ejecuta el comando:

/omp:plan
# En la fase Promotion, elige habilidades relacionadas con la creación de materiales de demostración

Convierte los resultados del paper en diapositivas de presentación, blogs técnicos, propuestas de Grant, etc.

Habilidades habituales:

• making-academic-presentations — Generación de PPT para informes académicos
• inno-grant-proposal — Redacción de solicitudes de financiación
• inno-rclone-to-overleaf — Sincroniza automáticamente LaTeX local con Overleaf

---

Los 5 roles de agentes principales y el mecanismo de aislamiento de memoria

Este es el concepto de diseño más importante de Oh My Paper.

Resumen de roles de los agentes

Principio de aislamiento de memoria

Cada rol solo puede leer y escribir los archivos de memoria dentro de su propio ámbito de responsabilidad, y no puede ver el estado interno de otros roles. La ventaja central de este diseño es evitar la contaminación del contexto: por ejemplo, Paper Writer no verá los resultados intermedios de depuración de Experiment Driver, y Literature Scout no se verá influido en su evaluación bibliográfica por el hecho de haber visto datos de experimentos.

La comunicación entre roles se realiza mediante dos «zonas públicas»:

tasks.json         ← Todos los roles leen/escriben; registra el estado de las tareas
project_truth.md   ← Todos los roles agregan; registra el progreso global del proyecto

Sincronización automática de estado

El detalle de diseño más importante: después de completar cada sub-tarea, Conductor actualiza automáticamente estos dos archivos públicos. No necesitas recordárselo.

Sub-tarea completada
  → Conductor marca automáticamente la tarea correspondiente en tasks.json como done
  → Conductor agrega automáticamente un registro de progreso en project_truth.md
    → La próxima vez que se abra la sesión, Claude lee estos dos archivos y continúa automáticamente desde el punto de interrupción

---

Resumen rápido de las 34 habilidades de investigación

Oh My Paper incluye 34 habilidades de investigación que cubren todo el flujo de investigación. Las siguientes están organizadas por categorías para facilitar la búsqueda cuando las necesites:

Categoría de literatura

• paper-finder — Búsqueda de artículos relacionados en múltiples bases de datos
• paper-analyzer — Extracción de contribuciones clave del paper
• paper-image-extractor — Extrae figuras desde PDF
• research-literature-trace — Rastrea la cadena de citaciones de un paper
• biorxiv-database — Búsqueda especializada en BioRxiv
• dataset-discovery — Descubrimiento de conjuntos de datos relacionados

Categoría de investigación y creatividad

• inno-deep-research — Modo de investigación profunda
• gemini-deep-research — Integración de investigación profunda con Gemini
• inno-code-survey — Investigación de implementación en código
• inno-idea-generation — Generación por lotes de ideas innovadoras
• inno-idea-eval — Evaluación multidimensional de ideas innovadoras
• research-idea-convergence — Converger hacia la dirección óptima

Categoría de experimentos

• inno-experiment-dev — Generación de código experimental
• inno-experiment-analysis — Análisis de resultados de los experimentos
• research-experiment-driver — Gestión iterativa de experimentos
• remote-experiment — Ciclo de experimentos con GPU remota

Categoría de redacción

• inno-paper-writing — Secciones de artículos generales
• ml-paper-writing — Paper para dirección ML/IA
• scientific-writing — Normas de redacción académica
• inno-figure-gen — Generación de figuras
• inno-reference-audit — Revisión del formato de citas
• research-paper-handoff — Normas de traspaso entre agentes

Categoría de planificación y revisión

• inno-pipeline-planner — Planificación del pipeline
• research-pipeline-planner — Planificación por fases de la investigación
• inno-paper-reviewer — Evaluación de calidad del paper
• inno-prepare-resources — Lista de preparación de recursos
• inno-rclone-to-overleaf — Sincronización con Overleaf

Categoría de demostraciones y propuestas

• making-academic-presentations — PPT de presentaciones académicas
• inno-grant-proposal — Solicitud de financiación

Categoría de despacho/planificación de agentes

• claude-code-dispatch — Despachar sub-tareas para Claude Code
• codex-dispatch — Despachar Codex para procesamiento en paralelo

Categoría específica por dominio

• academic-researcher — Investigación académica general
• bioinformatics-init-analysis — Análisis en bioinformática
• research-news — Seguimiento de las noticias más recientes del área

Las habilidades se cargan bajo demanda. Cuando ejecutes /omp:survey, Claude recomendará habilidades relacionadas automáticamente y también puedes añadir habilidades personalizadas en el directorio skills/.

---

Demostración completa de un flujo de trabajo típico

A modo de ejemplo, toma un paper en dirección de IA y recorre completamente el pipeline de 5 fases.

Paso 1: Inicializar el proyecto

# Ir al directorio de investigación
cd ~/research/my-paper

# En Claude Code:
/omp:setup
# Salida: .pipeline/ se crea y el hook SessionStart se registra

Paso 2: Investigación bibliográfica

# En Claude Code:
/omp:survey
# → Claude pregunta: «¿Cuál es tu línea de investigación?»
# → Entrada: LLM reasoning, cadena de razonamiento (chain-of-thought prompting)
# → Claude busca automáticamente en ArXiv/Semantic Scholar
# → Organiza 20+ artículos relacionados en survey/literature_bank.md
# → Devuelve el resumen de la investigación para confirmar si hace falta ampliar

Paso 3: Generación de ideas innovadoras

/omp:ideate
# → Claude lee literature_bank.md
# → Genera 8 posibles ideas innovadoras
# → Puntuación por cada idea en las tres dimensiones: novelty / feasibility / impact
# → Converge hacia 2 direcciones, y escribe research_brief.json

Paso 4: Diseño y ejecución de experimentos

/omp:experiment
# → Claude lee research_brief.json
# → Diseña la estrategia experimental (baseline, métodos comparativos, métricas)
# → Genera código del experimento en el directorio experiment/
# → Ejecuta evaluación local y analiza los resultados de las métricas
# → Escribe los resultados en experiment_ledger.md

Si necesitas ejecutar en un nodo GPU remoto:

# Configurar el nodo de cómputo remoto (crea compute-config.json en el directorio experiment/)
{
  "host": "gpu-server.example.com",
  "user": "researcher",
  "key_path": "~/.ssh/id_rsa",
  "remote_dir": "/home/researcher/experiments"
}

# En Claude Code:
/omp:experiment
# → Claude detecta compute-config.json
# → Usa la habilidad remote-experiment
# → rsync del código al remoto → ejecutar por SSH → recuperar resultados
# → Analiza automáticamente metrics y escribe en experiment_ledger.md

Paso 5: Redacción de secciones del paper

/omp:write
# → Claude lee experiment_ledger.md + literature_bank.md
# → Genera las secciones Introduction / Method / Experiment como archivos .tex
# → Genera figuras (scripts de Matplotlib) e integra en paper/figures/
# → Auditoría de citas: revisa el formato del archivo .bib

Paso 6: Revisión por pares

/omp:review
# → Claude lee el documento con el rol Reviewer
# → Revisa la coherencia lógica, la claridad de las descripciones del método y la suficiencia de la comparación experimental
# → Produce review_log.md con el listado de sugerencias de cambios
# → Tras aplicar las mejoras, ejecuta nuevamente /omp:review hasta aprobar

Paso 7: Sincronizar con Overleaf

# Configura la sincronización de Overleaf en el directorio skills/
# Usa la habilidad inno-rclone-to-overleaf
# Claude sincroniza automáticamente el directorio paper/ local con el proyecto de Overleaf

---

Explicación detallada de experimentos remotos

Para experimentos que requieren potencia de GPU, Oh My Paper soporta un ciclo completo de experimentos remotos.

Flujo de arquitectura

Diseño local de la estrategia
  → Generar código del experimento
    → Sincronizar con rsync al servidor remoto
      → Iniciar sesión por SSH en el nodo remoto
        → Ejecutar el experimento en la GPU
          → Descargar el log de métricas
            → Analizar métricas localmente
              → Determinar si se alcanzan los umbrales
                → Optimizar iterativamente / finalizar el experimento

Configurar el nodo remoto

Crea compute-config.json dentro del directorio experiment/:

{
  "host": "your-gpu-server.com",
  "user": "researcher",
  "ssh_key": "~/.ssh/id_rsa",
  "remote_workspace": "/home/researcher/omp-experiments",
  "max_iterations": 5,
  "success_threshold": {
    "accuracy": 0.92,
    "latency_ms": 200
  }
}

Ejecutar el experimento remoto

# En Claude Code:
/omp:experiment
# → Detecta compute-config.json
# → Ejecuta automáticamente: sincronizar código → ejecutar por SSH → recuperar resultados
# → Si no se cumplen las métricas, ajusta hiperparámetros y re-ejecuta (hasta max_iterations veces)
# → Escribe el resultado final en experiment_ledger.md

---

Delegación de tareas para Codex

Si un experimento implica generar mucho código repetitivo (por ejemplo, ejecutar 10 configuraciones distintas de hiperparámetros), puedes hacer que Conductor delegue las tareas a Codex para procesamiento en paralelo.

/omp:delegate
# → Conductor lee el contexto de la tarea actual
# → Genera un prompt de Codex con contexto completo
# → Tú lo copias en una nueva terminal: codex "..."
# → Codex se ejecuta en una terminal independiente
# → Al terminar, escribe la señal CODEX_DONE en agent_handoff.md
# → Conductor detecta la señal, lee los resultados y actualiza tasks.json

La ventaja de este diseño: Claude Code y Codex corren en terminales distintas al mismo tiempo; tu Claude Code local no queda bloqueado y puedes seguir haciendo otras tareas, como organizar literatura.

---

Solución de problemas (FAQ)

P1: Después de ejecutar /omp:setup, al abrir Claude Code no aparece el aviso para seleccionar el rol

Causa: el hook SessionStart no se registró correctamente.

Pasos de verificación:

1. Revisa si existe .claude/settings.json en el directorio del proyecto
2. Verifica que ese archivo contenga una sección de configuración hooks

cat .claude/settings.json
# Confirmar que exista el campo "hooks": { "SessionStart": [...] }

Si no existe, ejecuta /omp:setup para reinicializar y asegúrate de que Claude Code se haya reiniciado completamente.

---

P2: El complemento se instala bien, pero comandos como /omp:survey muestran «comando no reconocido»

Causa: el complemento no se cargó correctamente o Claude Code necesita reiniciarse.

Pasos para resolver:

# 1. Desinstalar y volver a instalar
/plugin uninstall omp
/plugin install omp@oh-my-paper

# 2. Reiniciar completamente Claude Code (cerrar todas las ventanas)

# 3. Verificar el estado del complemento
/plugin

---

P3: El Literature Scout encuentra muy pocos papers; quiero ampliar el rango de búsqueda

Causa: las palabras clave iniciales son demasiado específicas y limitan los resultados.

Solución:

Al ejecutar /omp:survey, proporciona varios sinónimos y términos de mayor nivel:
Entrada: «LLM reasoning, chain-of-thought, CoT, deliberate reasoning, LLM planning»
En lugar de solo: «LLM reasoning»

Además, en skills/paper-finder.md puedes añadir fuentes de bases de datos adicionales (por ejemplo, ACL Anthology o la página oficial de ICLR).

---

P4: La descripción del experimento generada por Paper Writer no coincide con los resultados reales

Causa: Experiment Driver y Paper Writer no se sincronizan a tiempo con el último experiment_ledger.md.

Solución:

Cada vez que termines una iteración del experimento, antes de que Paper Writer empiece a trabajar, ejecuta primero /omp:plan para que Conductor sincronice el estado global y asegures que Paper Writer está leyendo los resultados más recientes:

/omp:plan
# → Conductor muestra el estado actual de tasks.json
# → Confirmar que la tarea de experimentos esté marcada como done
# → Luego ejecutar /omp:write

---

P5: El rsync de experimentos remotos falla y aparece permission denied

Causa: permisos incorrectos en la clave SSH o el directorio remoto no existe.

Pasos de verificación:

# 1. Revisar permisos de la clave SSH local
chmod 600 ~/.ssh/id_rsa

# 2. Probar conexión SSH (sin contraseña)
ssh -i ~/.ssh/id_rsa [email protected] "echo ok"

# 3. Asegurarse de que el directorio remoto exista
ssh [email protected] "mkdir -p /home/researcher/omp-experiments"

# 4. Revisar que remote_workspace en compute-config.json sea el path correcto

---

P6: Después de delegar a Codex, Conductor sigue esperando la señal CODEX_DONE

Causa: al terminar, Codex no escribió correctamente en agent_handoff.md.

Solución:

1. Verifica que la terminal donde corre Codex se haya cerrado correctamente
2. Añade manualmente una línea al final de .pipeline/memory/agent_handoff.md:

CODEX_DONE
result: [rellena con el resultado de salida de Codex]

1. Luego continúa el flujo de trabajo actual en Claude Code

---

Lecturas adicionales y direcciones avanzadas

1. Extensión de habilidades personalizadas

Oh My Paper permite añadir habilidades personalizadas en el directorio local del proyecto skills/. Crea el formato así:

---
name: my-custom-skill
description: Flujo de análisis personalizado para un campo de investigación específico
stage: survey  # Opcional: survey | ideation | experiment | write | review
---

# Título de la habilidad

## Pasos de ejecución
1. Leer los archivos de contexto ...
2. Ejecutar tareas específicas ...

Después de registrarla, cuando ejecutes comandos como /omp:survey, Claude recomendará automáticamente las habilidades personalizadas relacionadas.

2. Avanzar en la colaboración con múltiples agentes

Si estás llevando adelante varias líneas de investigación al mismo tiempo, puedes ejecutar /omp:setup por separado en distintos subdirectorios. Cada subproyecto tendrá su propio .pipeline/ y su propio equipo de agentes. El rol Conductor se encarga del panorama general y la coordinación entre subproyectos.

3. Flujo de trabajo colaborativo con Overleaf

Usando la habilidad inno-rclone-to-overleaf para sincronizar el paper local con Overleaf, puedes invitar a tu asesor para que comente y edite directamente en Overleaf. Tras completar los cambios, los sincronizas de vuelta al local. Todo el proceso no requiere subidas o descargas manuales.

4. Conectar otros backends de LLM

Oh My Paper en sí depende solo de Claude Code, pero en la fase de experimentos puedes configurar distintos LLM para comparar y evaluar. Crea un archivo de configuración de modelos en el directorio experiment/:

# experiment/model_configs.py
llm_configs = {
    "claude-sonnet": {"provider": "anthropic", "model": "claude-3-5-sonnet"},
    "gpt-4o": {"provider": "openai", "model": "gpt-4o"},
    "gemini-pro": {"provider": "google", "model": "gemini-1.5-pro"},
}

Luego, en el código del experimento, referencia estas configuraciones para hacer comparaciones transversales.

5. Seguir las últimas tendencias de investigación

Usa la habilidad research-news para escanear regularmente los commits más recientes de ArXiv, filtrar los nuevos trabajos relacionados con tu línea de investigación y actualizar automáticamente literature_bank.md. Puedes combinarlo con tareas programadas (cron) para que el repositorio de investigación se actualice automáticamente una vez por semana.