> ## Documentation Index
> Fetch the complete documentation index at: https://manus.im/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# Wide Research
> Sistema multi-agente paralelo para tareas de investigación y procesamiento a gran escala.
export const CodePrompt = ({children}) => {
const [isCopied, setIsCopied] = useState(false);
const textContent = useMemo(() => {
const extractText = (children, depth = 0) => {
const maxDepth = 10;
if (depth > maxDepth) return '';
if (children == null) return '';
if (typeof children === 'string' || typeof children === 'number') {
return String(children);
}
if (Array.isArray(children)) {
return children.map(child => extractText(child, depth + 1)).join('');
}
if (typeof children === 'object' && children.props) {
return extractText(children.props.children, depth + 1);
}
return '';
};
return extractText(children);
}, [children]);
const handleAskManus = useCallback(() => {
const url = new URL('https://manus.im');
if (textContent) {
url.searchParams.set('q', textContent);
url.searchParams.set('submit', '1');
}
window.open(url.toString(), '_blank');
}, [textContent]);
const handleCopy = useCallback(async () => {
try {
await navigator.clipboard.writeText(textContent);
setIsCopied(true);
setTimeout(() => {
setIsCopied(false);
}, 2000);
} catch (err) {
const textArea = document.createElement('textarea');
textArea.value = textContent;
textArea.style.position = 'fixed';
textArea.style.opacity = '0';
document.body.appendChild(textArea);
textArea.select();
try {
document.execCommand('copy');
setIsCopied(true);
setTimeout(() => {
setIsCopied(false);
}, 2000);
} catch (fallbackErr) {
console.error(fallbackErr);
}
document.body.removeChild(textArea);
}
}, [textContent]);
return
{isCopied ? 'Copied' : 'Copy'}
Ask Manus
{children}
;
};
## ¿Qué es Investigación Amplia?
Investigación Amplia es el enfoque de Manus para manejar tareas que implican el procesamiento de muchos elementos similares, como analizar 100 productos, investigar 50 empresas o generar 20 piezas de contenido. En lugar de utilizar un único agente de IA que procesa los elementos secuencialmente, Investigación Amplia implementa cientos de agentes independientes que trabajan en paralelo.
Cada agente recibe su propio contexto dedicado y procesa un elemento de forma independiente. Esta arquitectura resuelve la limitación de la ventana de contexto que hace que la calidad de los sistemas de IA tradicionales se degrade a medida que aumenta el número de elementos.
## El Problema de la Ventana de Contexto
Los sistemas de IA tradicionales, incluidos la mayoría de los chatbots, operan con una ventana de contexto fija, un límite en la cantidad de información que pueden procesar activamente a la vez. Cuando se les pide que analicen muchos elementos secuencialmente:
* **Elementos 1-5**: Análisis detallado y exhaustivo con contexto completo disponible
* **Elementos 10-20**: Las descripciones se vuelven más cortas a medida que el contexto se llena
* **Elementos 30+**: Resúmenes genéricos y aumento de errores a medida que el contexto anterior se comprime o se pierde
Esta degradación ocurre porque la IA debe mantener todos los elementos anteriores en la memoria mientras procesa los nuevos. La investigación muestra que este "umbral de fabricación" ocurre típicamente alrededor de 8 a 10 elementos para la mayoría de los sistemas de IA.
## Cómo Funciona Investigación Amplia
Investigación Amplia utiliza una arquitectura fundamentalmente diferente:
**1. Descomposición de Tareas**: El agente principal analiza su solicitud y la divide en subtareas independientes (por ejemplo, "investigar empresa #1", "investigar empresa #2", etc.)
**2. Despliegue de Agentes Paralelos**: Cada subtarea se asigna a un agente dedicado con su propia ventana de contexto nueva
**3. Procesamiento Independiente**: Los agentes trabajan simultáneamente, cada uno realizando una investigación exhaustiva sin competir por espacio de contexto
**4. Síntesis de Resultados**: El agente principal recopila todas las subtareas completadas y las ensambla en el formato solicitado (tabla, informe, conjunto de datos, etc.)
**Resultado**: El Elemento #250 recibe la misma profundidad de análisis que el elemento #1, porque cada uno tiene su propio agente dedicado y ventana de contexto completa.
## Inicio Rápido
### Solicitud Simple
"Investiga a los 20 principales investigadores de IA y crea una tabla con sus
afiliaciones, enfoque de investigación y publicaciones recientes"
### Solicitud Detallada
"Compara 100 modelos de zapatillas de consumo. Para cada uno, extrae: marca, precio,
características clave, público objetivo y calificación del cliente. Organiza en una
tabla ordenable."
### Solicitud Creativa
"Encuentra 20 figuras históricas famosas. Genera retratos profesionales
para cada uno en un estilo artístico coherente. Incluye biografías breves."
## Ejemplos Reales
### Ejemplo 1: Investigación de 250 Investigadores de IA
"Investiga a los 250 principales investigadores de IA de instituciones líderes. Crea
una tabla completa con: nombre, afiliación, enfoque de investigación, índice h,
publicaciones notables e información de contacto."
**Resultado**: Base de datos completa con 250 perfiles detallados
**Reproducción**: [https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1](https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1)
**Por qué funciona**:
* Ninguna otra herramienta de IA puede manejar tareas de esta escala
* Cada investigador obtiene una investigación independiente y exhaustiva
* Tabla generada automáticamente y completada con todos los campos
* Calidad constante desde el investigador #1 hasta el #250
### Ejemplo 2: Comparación de 100 Modelos de Zapatillas
"Analiza 100 modelos de zapatillas de consumo. Extrae marca, rango de precios, características
clave, público objetivo y calificación promedio. Crea una tabla de comparación
ordenada por precio."
**Resultado**: Tabla completa de investigación de mercado de 100 productos
**Reproducción**: [https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1](https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1)
**Por qué funciona**:
* Investigación profunda independiente sobre cada producto
* Extracción de datos estructurados a gran escala
* Organización y clasificación automáticas
* Sin degradación de calidad a lo largo de 100 elementos
### Ejemplo 3: Análisis de Cronogramas de IGA
"Investiga las predicciones de expertos sobre los cronogramas de IGA. Analiza más de 30 fuentes,
including research papers, expert interviews, and industry reports.
Crea un gráfico visual que muestre la distribución de las predicciones."
**Resultado**: Análisis completo con visualización de datos
**Reproducción**: [https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1](https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1)
**Por qué funciona**:
* Sintetiza información de docenas de fuentes
* Crea una representación visual de los hallazgos
* Identifica patrones y valores atípicos
* Proporciona un resumen basado en evidencia
### Ejemplo 4: Investigación de 20 Biografías
"Investiga a 20 emprendedores influyentes. Crea una biografía detallada para
cada uno, cubriendo: vida temprana, hitos profesionales, logros principales,
estilo de liderazgo e impacto duradero."
**Resultado**: 20 biografías completas con estructura coherente
**Reproducción**: [https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1](https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1)
**Por qué funciona**:
* Cada biografía es investigada a fondo y de forma independiente
* Estructura coherente en todos los materiales
* Inmersión profunda en múltiples fuentes sobre cada individuo
* Sin atajos ni generación de contenido genérico
### Ejemplo 5: Edición Masiva de Fotos de Perfil de LinkedIn
"Descarga fotos de perfil de estas 50 URL de LinkedIn. Aplica una
edición profesional coherente: elimina el fondo, ajusta la iluminación,
recorta a tamaño estándar y guarda como PNG de alta resolución.”
**Resultado**: 50 fotos de perfil editadas profesionalmente
**Reproducción**: [https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1](https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1)
**Cómo funciona**:
* Reemplaza las herramientas micro-SaaS para el procesamiento masivo de imágenes
* Aplica ediciones coherentes en todas las imágenes
* Proceso automatizado de descarga y procesamiento
* Resultados profesionales a escala
### Ejemplo 6: Extracción de una Biblioteca de Prompt de GitHub
"Accede a este repositorio de GitHub awesome-prompts. Extrae todos los prompts,
clasifícalos por caso de uso y crea una base de datos estructurada con: texto del prompt,
categoría, modelo objetivo y calificación de efectividad.”
**Resultado**: Base de datos estructurada que contiene más de 100 prompts
**Reproducción**: [https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1](https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1)
**Cómo funciona**:
* Extrae y estructura información a escala
* Clasificación y etiquetado automáticos
* Crea una base de datos organizada y con capacidad de búsqueda
* Maneja tareas complejas de web scraping
## Casos de Uso por Categoría
| Categoría | Tarea de Ejemplo |
| :------------------------------- | :------------------------------------------------------------------------------------------------ |
| **Investigación de Mercado** | Compara 100 productos, analiza precios de la competencia, encuesta reseñas de clientes |
| **Investigación Académica** | Revisa 50 artículos, analiza tendencias de investigación, compara metodologías |
| **Inteligencia Competitiva** | Analiza 30 competidores, analiza conjuntos de características, rastrea cambios de precios |
| **Generación de Leads** | Investiga 200 prospectos, encuentra información de contacto, califica leads |
| **Creación de Contenido** | Genera 20 esquemas de blog, crea 50 publicaciones sociales, escribe 30 descripciones de productos |
| **Extracción de Datos** | Raspa 100 sitios web, extrae datos estructurados, compila base de datos |
| **Producción Creativa** | Genera 20 imágenes, edita 50 fotos, crea activos de marca coherentes |
| **Investigación de Inversiones** | Analiza 40 startups, compara 30 fondos, investiga 50 empresas de cartera |
## Por qué elegir Investigación Amplia en lugar de otras herramientas
| Aspecto | Chatbot de IA | Manus Investigación Amplia |
| :------------ | :--------------------------------------------- | :-------------------------------------- |
| **Enfoque** | Una sola IA te ayuda | Orquestación paralela multi-agente |
| **Velocidad** | Horas hasta alcanzar la saturación de contexto | Minutos independientemente de la escala |
| **Escala** | El rendimiento cae después de 8-10 elementos | Escala sin problemas a cientos |
| **Calidad** | Degradación progresiva | Calidad constante a cualquier escala |
| **Salida** | Resumen comprimido con pérdida de detalles | Informes completos y conjuntos de datos |
## Cuándo usar Investigación Amplia
**Mejor para**:
* Inteligencia Competitiva (Análisis de más de 50 competidores)
* Investigación de Mercado (Comparación de más de 100 productos)
* Investigación Académica (Revisión de más de 30 artículos)
* Generación de Leads (Investigación de más de 200 prospectos)
* Creación de Contenido (Generación de más de 20 elementos similares)
* Extracción de Datos (Raspado y estructuración de más de 100 páginas)
* Procesamiento Masivo (Edición de más de 50 imágenes/archivos)
**No es para**:
* Análisis profundo único (Utiliza el modo Agente regular)
* Tareas que requieren dependencia secuencial
* Investigación interactiva en tiempo real
* Tareas con menos de 10 elementos
## Consejos para Mejores Resultados
**Sé explícito sobre la estructura**:
* ✅ “Crea una tabla con las siguientes columnas: Nombre, Empresa, Puesto, Correo electrónico, LinkedIn”
* ❌ “Investiga a estas personas”
**Especifica la escala por adelantado**:
* ✅ “Analiza las 100 empresas de esta lista”
* ❌ “Analiza algunas empresas”
**Describe el formato de salida requerido**:
* ✅ “Organiza en una hoja de cálculo ordenable con filtros”
* ❌ “Dame los resultados”
**Incluye criterios de evaluación**:
* ✅ “Puntúa cada producto basándote en: Precio, Características, Reseñas, Disponibilidad”
* ❌ “Compara estos productos”
## Preguntas Frecuentes
Probado hasta 250 elementos. Teóricamente ilimitado, pero los límites prácticos dependen de la complejidad de la tarea.
Depende de la complejidad y la escala de la tarea. Normalmente minutos para 50-100 elementos, independientemente de la profundidad.
Sí. Solicita modificaciones: “Añade una columna de precios” o “Vuelve a investigar los elementos 20-30 en profundidad.”
Sí. Cualquier tarea que implique el procesamiento de múltiples elementos independientes: edición de imágenes, extracción de datos, generación de contenido, etc.
##