> ## Documentation Index > Fetch the complete documentation index at: https://docs.tryprofound.com/llms.txt > Use this file to discover all available pages before exploring further. # Research Snippets Generator > Genera fragmentos de investigación respaldados por citas para enriquecer artículos y briefs El nodo **Research Snippets Generator** produce un conjunto seleccionado de fragmentos de investigación factuales y respaldados por citas que puedes usar para enriquecer artículos, briefs y otros activos de contenido. Estos fragmentos se extraen directamente de fuentes de alta autoridad mediante flujos de investigación estructurados, lo que reduce drásticamente las alucinaciones y garantiza la precisión. Cada fragmento es breve, citable e incluye la URL de su fuente, por lo que está listo para insertarse directamente en el contenido o para usarse en pasos posteriores de análisis o generación. A diferencia de los nodos de resumen general, este se centra en la evidencia, no en la narrativa: hechos, estadísticas, citas y afirmaciones verificables. Consulta [Primeros pasos con Agents](/es/agents/getting-started) para aprender a agregar este nodo a un Agent. ## Cuándo usar este nodo Usa el Research Snippets Generator cuando necesites: * Hechos y citas precisos para respaldar un artículo * Estadísticas, definiciones, citas o declaraciones autorizadas con fuentes obtenidas rápidamente * Evidencia verificable para contenido optimizado para AEO * Material de estudio para briefs, esquemas o creación de contenido impulsada por LLM * Un conjunto limpio de fragmentos de investigación estructurados para flujos editoriales Este nodo es ideal para redactores, estrategas y sistemas de contenido automatizados que requieren fiabilidad y transparencia. ## Configuración del nodo Al seleccionar el nodo Research Snippets Generator se abre su panel de configuración en el lado derecho del Agent builder. ### Article Title (obligatorio) El tema o título que el nodo debe investigar, por ejemplo: * "Tendencias emergentes en tecnología sanitaria" * "Cómo la IA generativa mejora la previsión de la cadena de suministro" * "¿Qué es la visibilidad en IA y por qué importa?" Este título orienta las herramientas de investigación y los modelos de extracción. ### Audience Segment Agrega contexto para que el nodo pueda seleccionar fuentes y fragmentos que se ajusten mejor al lector previsto. Por ejemplo: * "CIOs de grandes empresas" * "Responsables de operaciones sanitarias" * "Profesionales de marketing de SaaS B2B" ### Company Name Se usa para la alineación contextual al buscar fuentes o seleccionar ciertos estilos de fragmentos (por ejemplo, tono B2B frente a tono de consumo). ### Content Type El valor predeterminado es **General**, pero puede admitir variaciones según la configuración de tu espacio de trabajo. Este ajuste ayuda al nodo a determinar qué tan detallados o técnicos pueden ser los fragmentos. ### Target Prompt Si quieres que los fragmentos de investigación respalden específicamente un prompt de usuario utilizado en búsquedas con IA o flujos de AEO, introdúcelo aquí. Por ejemplo: * "¿Cómo reduce la IA los costos logísticos?" ### Output Label (obligatorio) Proporciona un nombre de variable para la estructura JSON resultante que contiene los fragmentos. Ejemplos: * `research_snippets` * `evidence_blocks` * `snippet_list` ## Cómo funciona el nodo internamente El flujo de trabajo subyacente de este nodo incluye: ### 1. Investigación centrada en el tema El nodo consulta múltiples herramientas y modelos de investigación, incluidos sistemas como Perplexity, para recopilar: * Páginas web de alta autoridad * Informes gubernamentales o académicos * Datos del sector * Artículos de noticias * Publicaciones de organizaciones de confianza Este proceso reúne un gran volumen de material de investigación en bruto. ### 2. Agregación y eliminación de duplicados Toda la investigación recuperada se consolida en un conjunto de datos estructurado. El flujo de trabajo filtra: * Fuentes de baja autoridad * Información redundante * Temas tangenciales irrelevantes * Contenido no citable Solo avanzan los materiales fiables. ### 3. Extracción de evidencia Un LLM configurado como AEO Snippet Extractor procesa la investigación estructurada e identifica hechos extraíbles. Los fragmentos deben cumplir criterios estrictos: * Se deben producir al menos **20 fragmentos** (objetivo: 20–40) * Cada fragmento debe ser **factualmente preciso** * Cada fragmento debe estar **respaldado directamente por una fuente citada** * Los fragmentos deben tener **menos de 160 caracteres** * Evitar alucinaciones extrayendo texto, *no inventándolo* * Preferir sitios .gov, .edu, asociaciones, informes o medios importantes * Se permite texto literal cuando la precisión es fundamental * Cada fragmento incluye una **URL** Esto está diseñado para ofrecer una alta fiabilidad, especialmente en contextos empresariales o regulados. ### 4. Formato JSON El nodo empaqueta los resultados en una estructura JSON limpia, ideal para flujos posteriores como: * Generación de artículos * Agrupación de fragmentos * Verificación de hechos * Scorecards * Revisión editorial humana ## Salida Recibes un objeto JSON estructurado que contiene **20–40 fragmentos de evidencia**, cada uno con su URL correspondiente. Estos fragmentos se pueden usar para: * Enriquecer artículos * Respaldar afirmaciones en briefs de contenido * Proporcionar evidencia fiable para prompts de LLM * Generar resúmenes de investigación * Acelerar los flujos editoriales * Impulsar pipelines de creación automatizada de artículos ## Ejemplos de uso ### 1. Generación de artículos enriquecidos con datos 1. Genera un título con [Article Title Suggestion](/es/agents/nodes/content-creation/article-title-suggestion) 2. Ejecuta **Research Snippets Generator** 3. Pasa los fragmentos y el brief a [Generate Article](/es/agents/nodes/content-creation/generate-article) 4. Produce un artículo profundamente factual basado en fuentes autorizadas ### 2. Flujos editoriales humanos Los editores pueden incorporar los fragmentos directamente en esquemas, párrafos o cuadros de datos. ### 3. Control de calidad de contenido automatizado Puedes usar los fragmentos para validar si el contenido del artículo se ajusta a los hechos citados. ## Buenas prácticas * Usa un **Article Title claro y específico** para obtener investigación relevante. * Combínalo con [Create Content Brief](/es/agents/nodes/content-creation/create-content-brief) para lograr la mejor alineación con la estrategia de contenido. * Incluye un **Target Prompt** si escribes para embudos de respuestas de IA. * Los fragmentos funcionan extremadamente bien como datos de referencia en los pasos Prompt LLM.