# Instrucciones para el agente: Prioridad inmobiliaria: reglas explícitas y revisión del CRM

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

- Dificultad: intermedio
- Guía completa: https://lab.wisd.ai/hub/real-estate-lead-scoring

---

## Para el agente: cómo acompañar al usuario

1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

---

## Pasos de configuración

### Delimita la prueba

Crea una muestra ficticia con plazo declarado, presupuesto indicado e interés explícito. Escribe las reglas y los resultados esperados antes de construir el evaluador.

### Configura HubSpot MCP

Sigue [HubSpot MCP](/hub/hubspot-mcp), incluidos sus requisitos, configuración y comprobación actuales. Completa OAuth en la cuenta correcta y consulta herramientas, identificador y propiedades de un registro de prueba antes de proponer escrituras.

### Configura Pydantic AI

Sigue [Pydantic AI](/hub/pydantic-ai-typesafe), incluidos sus requisitos, configuración y comprobación actuales. Completa la salida tipada de prueba en el proyecto uv, incluido el rechazo local de un valor inválido; después adapta el esquema a las reglas del caso.

## Datos que pasan entre piezas

Los archivos siguientes son entregables de este caso preparados por el agente; no implican exportadores ni sincronización automática.

Pasa de HubSpot al evaluador Pydantic AI contactos.json con identificador CRM, fecha y campos autorizados; devuelve propuestas.csv con ese identificador, valor actual, prioridad, motivos y datos ausentes. Sin reglas aprobadas, casos esperados o un dato obligatorio, detén la valoración de esa fila y conserva revisión pendiente antes de cualquier cambio en el CRM.

## Monta el flujo

### Paso 1

Consulta con HubSpot MCP las herramientas y propiedades disponibles y lee los registros de prueba. Registra identificadores, fechas y campos ausentes sin ampliar permisos a otros objetos.

### Paso 2

En el proyecto Python usa Pydantic AI para una salida con identificador, hechos, motivos y preguntas. Implementa las reglas fijas en código y contrasta cada resultado con los ejemplos esperados. No conectes una herramienta de escritura al evaluador.

### Paso 3

Entrega una tabla con prioridad propuesta, razones y diferencias frente al valor actual. Tras revisión, actualiza solo campos soportados y aprobados mediante HubSpot MCP, o entrega la tabla para carga manual. Vuelve a leer cualquier cambio.

## Comprobación

Prueba un contacto completo, uno incompleto y dos con el mismo identificador. Comprueba reglas, motivos y deduplicación; un texto ambiguo debe pedir revisión.

## Si algo falla

Si un campo no está disponible, deja la evaluación pendiente. Si falla el tipo de salida, corrige el contrato; no relajes las reglas para aceptar una valoración inconsistente.

Esta composición de WISD no se ha ejecutado como prueba integral. La configuración se consulta en las guías enlazadas; las etapas describen cómo coordinar las piezas.

## Prompt para tu agente

Sustituye los campos entre <> antes de pegarlo.

```text
Lee y sigue las instrucciones publicadas de las piezas: HubSpot MCP: /hub/hubspot-mcp/instrucciones.md; Pydantic AI: /hub/pydantic-ai-typesafe/instrucciones.md. Completa los requisitos, configuración y comprobación de cada pieza antes de usarla; comprueba su uso desde el cliente o arnés elegido, no solo su presencia en disco. Si falta un campo entre <>, una fuente obligatoria, acceso o una operación documentada, detén la etapa dependiente, informa qué falta y pídemelo; usa una alternativa manual solo cuando esté descrita y comprobada. No inventes datos ni des por superada una comprobación pendiente.

Con HubSpot MCP lee <identificadores de prueba y campos autorizados>. En <proyecto Python> usa Pydantic AI para devolver hechos, motivos y preguntas con tipos definidos. Aplica en código <reglas de prioridad comercial> y compara con <casos esperados>. No infieras atributos personales ni completes presupuesto o intención ausentes. Guarda propuestas en <archivo>. Tras mi revisión, aplica solo cambios soportados y aprobados, relee los registros y entrega evidencias.

Pasa de HubSpot al evaluador Pydantic AI contactos.json con identificador CRM, fecha y campos autorizados; devuelve propuestas.csv con ese identificador, valor actual, prioridad, motivos y datos ausentes. Sin reglas aprobadas, casos esperados o un dato obligatorio, detén la valoración de esa fila y conserva revisión pendiente antes de cualquier cambio en el CRM.
```