ChemaVX
496212661b
Build & Deploy ResearchOwl / build-and-push (push) Successful in 7s
El 1.000-1.500 que había no lo cumplía nadie (los dos artículos de prueba del 2026-07-21 salieron a 2.143 y 4.390) y además apuntaba a la franja que PEOR funciona: en el blog ES los ocho posts por debajo de 1.500 palabras tienen cero clics los ocho, y en los dos blogs la mediana de los posts con clics ronda las 2.400 palabras frente a las 1.400 de los que no tienen ninguno. Ojo con la lectura: la correlación está confundida. Los artículos largos son los casos famosos (Grusch, Rendlesham, Varginha, Roswell), que tienen más demanda de búsqueda Y más material del que escribir. En el EN, de hecho, los clics por post son idénticos por encima y por debajo de 1.800 palabras. Lo que los datos sí descartan es el 1.000-1.500; no demuestran que largo sea mejor. El tope de 12 encabezados importa más que el recuento: el borrador de 4.390 palabras traía 22 secciones (la mediana del corpus es 9, el máximo 16), y a los modelos se les da mucho mejor respetar un límite estructural que uno de palabras. Un número que se incumple siempre no sirve ni de alarma: con el objetivo puesto donde de verdad está el corpus, una desviación se nota. El motivo de peso no es SEO sino el tiempo de revisión editorial, que es la queja original: 4.390 palabras en 22 secciones son el triple de trabajo.
🦉 ResearchOwl
Exhaustive research engine with Telegram interface.
Recursively discovers, scrapes, and processes sources from across the web, then generates podcast scripts, blog posts, reports, or social threads using Ollama.
Architecture
Telegram (/research <topic>)
↓
ExhaustiveScraper
├── DuckDuckGo (8 queries × 5 results)
├── Wikipedia + recursive internal links
├── Reddit (top posts + top comments)
├── YouTube (transcripts)
├── PDFs (public documents)
└── Web scraping (trafilatura)
↓ recursive expansion (depth 1-3)
ContentProcessor (Ollama qwen2.5:3b)
├── Chunking (800 token chunks, 100 overlap)
├── Quality scoring (0-10 per chunk)
├── Embeddings (cosine similarity RAG)
└── Deduplication
↓
OutputGenerator (Ollama)
├── 🎙️ Podcast script (20-30 min)
├── 📝 Blog post (1500-2500 words)
├── 📊 Research report (structured)
└── 🐦 Social thread (15-25 tweets)
Telegram Commands
| Command | Description |
|---|---|
/research <topic> |
Start exhaustive research |
/status |
Check progress |
/finish |
Stop early, proceed to generation |
/generate podcast|blog|report|thread |
Generate output |
/sources |
List all sources found |
/cancel |
Cancel current research |
Local Development
# 1. Clone and setup
git clone https://git.chemavx.xyz/chemavx/researchowl
cd researchowl
# 2. Create virtualenv
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
# 3. Configure
cp .env.example .env
# Edit .env with your values
# 4. Run
python main.py
Deploy to k3s
# 1. Create namespace and secrets
kubectl create namespace researchowl
kubectl create secret generic researchowl-secrets \
--from-literal=telegram-bot-token=YOUR_TOKEN \
--from-literal=telegram-allowed-users=YOUR_USER_ID \
-n researchowl
# 2. Copy manifests to your k8s-manifests repo
cp k8s/*.yaml /path/to/k8s-manifests/researchowl/
# 3. Apply ArgoCD app
kubectl apply -f k8s/argocd-app.yaml
# 4. Push to Gitea → Gitea Actions builds → ArgoCD deploys
git add . && git commit -m "feat: add researchowl" && git push
Tuning
| Variable | Default | Description |
|---|---|---|
MAX_SOURCES |
150 | Hard cap on sources |
MAX_DEPTH |
3 | Link recursion depth |
QUALITY_THRESHOLD |
0.4 | Min chunk quality (0-1) |
REQUEST_DELAY |
1.0s | Delay between requests |
Want more thoroughness?
- Increase
MAX_SOURCESto 300+ - Increase
MAX_DEPTHto 4-5 - Lower
QUALITY_THRESHOLDto 0.3
Want faster results?
- Lower
MAX_SOURCESto 50 - Set
MAX_DEPTHto 1-2 - Higher
QUALITY_THRESHOLDto 0.6
Notes
- Uses qwen2.5:3b (your existing Ollama) for all AI tasks — zero API cost
- Optionally add
ANTHROPIC_API_KEYfor Claude fallback on generation - SQLite database stored in
/data/researchowl.db - All outputs saved to DB and available via
/outputs