bib2graph

De una búsqueda bibliográfica a redes de citación reproducibles — una biblioteca de literatura que curás vos, sin servidores ni planillas.

Un antídoto al sesgo del related work escrito de memoria. Cuando armás la revisión de literatura recordando papers, repetís lo que ya conocés y dejás afuera lo que no. bib2graph convierte una búsqueda en un corpus + redes de citación + un orden de lectura priorizado —deterministas, reproducibles y con procedencia—. Te lleva hasta la lectura y se detiene ahí: no interpreta, no gestiona tu investigación ni usa IA; el juicio queda tuyo.

bib2graph toma una ecuación de búsqueda (o un archivo .bib), arma un corpus de papers desde OpenAlex, te deja curarlo y lo proyecta a redes bibliométricas listas para analizar en Gephi, Python o donde quieras: acoplamiento bibliográfico, co-citación, co-autoría, colaboración institucional y co-ocurrencia de keywords.

El corpus persiste y crece entre sesiones, y el resultado es reproducible: mismo input, mismas redes.

⚠️ Alpha. Mientras la versión sea 0.x, la API puede cambiar entre releases menores. Úsalo para explorar y validar, no como dependencia estable de producción todavía.

Instalación

Recomendamos uv para gestionar el entorno:

uv add bib2graph

También funciona con pip:

pip install bib2graph

Sembrar desde archivos BibTeX necesita un extra: bib2graph[bibtex].

Quickstart

De una ecuación de búsqueda hasta un orden de lectura, sin escribir código:

b2g init mi-investigacion
cd mi-investigacion

b2g seed --equation '"unequal ecological exchange"' --max-results 50   # 1. corpus desde OpenAlex
b2g chain --direction both --max-candidates 300                        # 2. barrido: siguiendo citaciones
b2g curate dump && b2g curate apply curacion.csv                       # 3. curás vos (revisás el CSV)
b2g build                                                              # 4. construye las redes
b2g read top --kind bibliographic_coupling                            #    → orden de lectura (centrales primero)
b2g export --format graphml                                           # → redes en GraphML para Gephi

Ese es el hilo completo: lista ingenua → barrido → curación → redes → lectura dirigida. La escritura de tu revisión narrativa —el paso 5— queda de tu lado. Cada comando acepta --json para orquestarlo desde scripts o agentes. Lista completa: b2g --help.

Con Claude Code: pedile a Claude que lo use

La forma más simple de usar bib2graph es pedirle a Claude que lo use por vos. bib2graph trae una skill de Claude Code que entrevista tu pregunta de investigación y corre el ciclo completo (init → seed → chain → build → read) sin que escribas comandos:

pip install bib2graph
b2g skill add            # instala la skill en ~/.claude/skills/bib2graph/

Después, en Claude Code: "usá bib2graph para armar la red de citación de estos papers…". La skill viaja dentro del mismo paquete que el CLI, así que siempre está al día con tu versión de bib2graph. Usá --project para instalarla solo en el proyecto actual.

Desde Python

from pathlib import Path
from bib2graph import OpenAlexSource, DuckDBStore, Networks, GraphMLExporter

corpus = OpenAlexSource().seed('"unequal ecological exchange"').corpus
store = DuckDBStore(Path("biblioteca.duckdb"))
store.persist(corpus)

for red in Networks.quick(store.load()):
    GraphMLExporter().export(red.graph, red.metrics, out_dir=Path(f"redes/{red.spec.kind}"))

Qué hace

• Siembra desde una ecuación de búsqueda (OpenAlex) o un archivo BibTeX.
• Expande el corpus siguiendo citaciones, rankeando candidatos por estructura — sin IA.
• Curás vos: aceptar/rechazar papers, filtros PRISMA, todo versionable en CSV.
• 5 redes bibliométricas: acoplamiento, co-citación, co-autoría, instituciones, co-keywords.
• Sub-redes temáticas filtrando por keyword.
• Biblioteca persistente (DuckDB) que crece entre sesiones.
• Reproducible: mismo corpus → mismas redes y comunidades (hash de contenido).
• Dos interfaces: CLI scriptable (b2g, salida --json) y librería de Python.
• Exporta a GraphML/CSV para Gephi, Cytoscape, networkx, etc.

Cómo se construye (y la IA)

bib2graph se desarrolla con la IA en el lazo: una persona plantea el problema, decide y aprueba cada cambio; modelos de IA implementan el código, los tests y la documentación bajo esa dirección. El producto en sí no usa IA generativa — el ranking del forrajeo es estructura bibliométrica determinista (acoplamiento, co-citación, centralidad), sin LLM ni embeddings, y la curación es 100% humana. El detalle está en AI_DISCLOSURE.md.

Documentación

• Guía de contribución — setup de desarrollo, convenciones, cómo aportar.
• Arquitectura — cómo está construido por dentro.
• Referencia de la API — contratos públicos de la librería y el CLI.
• Decisiones de diseño — los ADRs, para quien quiera el porqué.

Licencia

GPL-3.0-or-later — software libre con copyleft fuerte: cualquier derivado que se distribuya debe seguir siendo libre y de código abierto. Es deliberado: esta herramienta queda para la comunidad y no puede cerrarse en un producto propietario.

Copyright (C) 2026 Equipo bib2graph (complexluise).