alterlab-research-lookup

研究情報の検索

概要

このスキルは、インテリジェントなバックエンドルーティングによるリアルタイムの研究情報検索を提供します。

• Parallel Chat API（core モデル）：一般的な研究クエリすべてに対するデフォルトのバックエンドです。OpenAI 互換の Chat API（ベータ版、https://api.parallel.ai/v1beta/chat/completions）を通じて、インライン引用付きの包括的な複数ソースによる研究レポートを提供します。
• Perplexity sonar-pro-search（OpenRouter 経由）：学術データベースへのアクセスが重要な、学術分野に特化した論文検索にのみ使用されます。

このスキルはクエリの種類を自動的に検出し、最適なバックエンドにルーティングします。

このスキルを使う場面

次のような場合にこのスキルを使います。

• 最新の研究情報：最新の研究、論文、調査結果
• 文献の検証：現在の研究に照らして、事実、統計、主張を確認する
• 背景調査：科学的な執筆のために背景情報と裏付けとなる証拠を集める
• 引用元の検索：引用に適した関連論文や研究を探す
• 技術文書：仕様、プロトコル、方法論を調べる
• 市場・業界データ：最新の統計、トレンド、競合情報
• 最近の動向：新たなトレンド、画期的な成果、発表

使用しないケース

ケース	代わりに使うもの
ルーティングを使わず、自分で Sonar モデルを選んで Perplexity を使いたい場合	alterlab-perplexity
既知の URL の内容を抽出または検証する場合、または Parallel の Search／Task API を直接呼び出す場合	alterlab-parallel-web
論文ごとの構造化された実験データ（サンプルサイズ、効果量、品質スコア）	alterlab-bgpt-search
基準となる論文の引用ネットワークをマッピングする場合	alterlab-citation-graph
PRISMA スクリーニングとバイアスリスク評価を伴うシステマティックレビュー	alterlab-literature-review

バックエンドの自動選択

このスキルは、内容に基づいて最適なバックエンドにクエリを自動的にルーティングします。

ルーティングロジック

Query arrives
    |
    +-- Contains academic keywords? (papers, DOI, journal, peer-reviewed, etc.)
    |       YES --> Perplexity sonar-pro-search (academic search mode)
    |
    +-- Everything else (general research, market data, technical info, analysis)
            --> Parallel Chat API (core model)

学術関連のキーワード（Perplexity にルーティング）

次の用語を含むクエリは、学術分野に特化した検索のため Perplexity にルーティングされます。

• 論文検索：find papers、find articles、research papers on、published studies
• 引用：cite、citation、doi、pubmed、pmid
• 学術情報源：peer-reviewed、journal article、scholarly、arxiv、preprint
• レビューの種類：systematic review、meta-analysis、literature search
• 論文の質：foundational papers、seminal papers、landmark papers、highly cited

その他すべて（Parallel にルーティング）

その他すべてのクエリは、core モデルを使用する Parallel Chat API に送られます。次のものが含まれます。

• 一般的な研究上の質問
• 市場・業界分析
• 技術情報と文書
• 時事問題と最近の動向
• 比較分析
• 統計データの取得
• 複雑な分析クエリ

手動での切り替え

特定のバックエンドを強制的に指定できます。

# Force Parallel Deep Research
python scripts/research_lookup.py "your query" --force-backend parallel

# Force Perplexity academic search
python scripts/research_lookup.py "your query" --force-backend perplexity

---

主な機能

1. 一般的な研究クエリ（Parallel Chat API）

デフォルトのバックエンドです。 Chat API（core モデル）を通じて、引用付きの包括的な複数ソースによる調査を提供します。

Query Examples:
- "Recent advances in CRISPR gene editing 2025"
- "Compare mRNA vaccines vs traditional vaccines for cancer treatment"
- "AI adoption in healthcare industry statistics"
- "Global renewable energy market trends and projections"
- "Explain the mechanism underlying gut microbiome and depression"

回答には次の内容が含まれます。

• Markdown 形式の包括的な研究レポート
• 信頼できるウェブ情報源からのインライン引用
• 主な調査結果をまとめた構造化セクション
• 複数の視点とデータポイント
• 検証用の情報源 URL

2. 学術論文の検索（Perplexity sonar-pro-search）

学術分野に特化したクエリに使用します。 学術データベースと査読済みの情報源を優先します。

Query Examples:
- "Find papers on transformer attention mechanisms in NeurIPS 2024"
- "Foundational papers on quantum error correction"
- "Systematic review of immunotherapy in non-small cell lung cancer"
- "Cite the original BERT paper and its most influential follow-ups"
- "Published studies on CRISPR off-target effects in clinical trials"

回答には次の内容が含まれます。

• 学術文献から得られた主な調査結果の要約
• 著者、タイトル、学術誌、発行年、DOI を含む、質の高い引用 5〜8 件
• 引用数と掲載媒体の評価指標
• 主な統計と方法論の要点
• 研究上の空白と今後の方向性

3. 技術情報と方法論

Query Examples:
- "Western blot protocol for protein detection"
- "Statistical power analysis for clinical trials"
- "Machine learning model evaluation metrics comparison"

4. 統計データと市場データ

Query Examples:
- "Prevalence of diabetes in US population 2025"
- "Global AI market size and growth projections"
- "COVID-19 vaccination rates by country"

---

論文の質と注目度に基づく優先順位付け

論文を検索する際は、質が高く影響力の大きい研究を優先します。ただし、被引用数や掲載誌は質を測る指標ではなく、大まかな代替指標として扱ってください。最近の論文では数値の反映が遅れ、分野による差も大きく、否定的な結果、地域の学術誌、英語以外の研究は過小評価されるためです。各論文の研究デザインと証拠に基づいて評価し（alterlab-scientific-thinking を参照）、主張を裏付ける最も直接的な証拠であれば、注目度の低い論文も含めてください。以下の基準は実用上の目安であり、確立されたしきい値ではありません。

被引用数に基づくランキング

論文の発表からの経過年数	被引用数のしきい値	分類
0-3 年	20+ 件	注目に値する
0-3 年	100+ 件	影響力が非常に大きい
3-7 年	100+ 件	重要
3-7 年	500+ 件	画期的な論文
7+ 年	500+ 件	先駆的な研究
7+ 年	1000+ 件	基礎となる研究

掲載誌・会議の質の区分

Tier 1 - 最高峰の掲載先（関連する場合は優先）：

• 総合科学：Nature、Science、Cell、PNAS
• 医学：NEJM、Lancet、JAMA、BMJ
• 分野特化型：Nature Medicine、Nature Biotechnology、Nature Methods
• トップレベルの CS/AI：NeurIPS、ICML、ICLR、ACL、CVPR

Tier 2 - 影響力の大きい専門分野の掲載先（強く優先）：

• インパクトファクターが 10 を超える学術誌
• 各分野のトップ会議（EMNLP、NAACL、ECCV、MICCAI）

Tier 3 - 評判の高い専門分野の掲載先（関連する場合は含める）：

• インパクトファクターが 5～10 の学術誌

---

技術的な統合

環境変数

# Primary backend (Parallel Chat API)
export PARALLEL_API_KEY="your_parallel_api_key"

# Academic search backend (Perplexity via OpenRouter)
export OPENROUTER_API_KEY="your_openrouter_api_key"

少なくとも 1 つのキーが必要です。1 つだけ設定した場合、すべてのクエリはそのバックエンドに送信されます。

API 仕様

Parallel Chat API（ベータ版）：

• エンドポイント：POST https://api.parallel.ai/v1beta/chat/completions（base_url="https://api.parallel.ai/v1beta" を指定した OpenAI SDK）
• モデル：core（レイテンシー 60 秒～5 分、複雑な複数ソースの統合に対応）
• 出力：引用を本文中に含む Markdown テキスト
• 引用：出典 URL と抜粋を含む調査根拠
• レート制限：デフォルトで 300 リクエスト/分
• Python パッケージ：openai

Perplexity sonar-pro-search：

• モデル：perplexity/sonar-pro-search（OpenRouter 経由。2026-09 年の掲載価格では、100 万トークンあたり $3/$15 に加え、1,000 リクエストあたり $18）
• web_search_options.search_context_size: high と Perplexity の search_mode: academic を送信します。OpenRouter が後者を転送しない場合があるため、学術情報のみを対象とした検索は可能な範囲での対応となります。
• 出典は url_citation 注釈、または citations/search_results フィールドで返されます。スクリプトが出典を統合し、重複を除去します。
• スクリプトはリクエストごとに最大 90 秒待機します。
• Python パッケージ：requests

コマンドラインの使い方

# Auto-routed research (recommended)
python scripts/research_lookup.py "your query" -o sources/research_YYYYMMDD_HHMMSS_<topic>.md

# Force specific backend
python scripts/research_lookup.py "your query" --force-backend parallel -o sources/research_<topic>.md
python scripts/research_lookup.py "your query" --force-backend perplexity -o sources/papers_<topic>.md

# JSON output
python scripts/research_lookup.py "your query" --json -o sources/research_<topic>.json

# Batch queries
python scripts/research_lookup.py --batch "query 1" "query 2" "query 3" -o sources/batch_research_<topic>.md

---

すべての結果を Sources フォルダーに保存する

調査で取得した結果はすべて、プロジェクトの sources/ フォルダーに保存してください。検索結果の取得には費用がかかります。保存したファイルがあれば、あなたや査読者が各引用を元の検索結果までたどれます。

保存ルール

バックエンド	-o フラグの出力先	ファイル名のパターン
Parallel Deep Research	sources/research_<topic>.md	research_YYYYMMDD_HHMMSS_<brief_topic>.md
Perplexity（学術検索）	sources/papers_<topic>.md	papers_YYYYMMDD_HHMMSS_<brief_topic>.md
バッチクエリ	sources/batch_<topic>.md	batch_research_YYYYMMDD_HHMMSS_<brief_topic>.md

保存方法

毎回の呼び出しで sources/ 内を指す -o を指定し、保存ファイルに引用、出典 URL、DOI を残してください。これらが監査証跡となります。デフォルトのテキスト出力には、すでに Sources セクション（各出典のタイトル、日付、URL）と Additional References セクション（応答テキストから抽出した DOI と学術 URL）が含まれています。引用のメタデータ全体を取得するには --json を使用してください。

# General research — save to sources/ (includes Sources + Additional References sections)
python scripts/research_lookup.py "Recent advances in CRISPR gene editing 2025" \
  -o sources/research_20250217_143000_crispr_advances.md

# Academic paper search — save to sources/ (includes paper citations with DOIs)
python scripts/research_lookup.py "Find papers on transformer attention mechanisms in NeurIPS 2024" \
  -o sources/papers_20250217_143500_transformer_attention.md

# JSON format for maximum citation metadata (full citation objects with URLs, DOIs, snippets)
python scripts/research_lookup.py "CRISPR clinical trials" --json \
  -o sources/research_20250217_143000_crispr_trials.json

# Forced backend — save to sources/
python scripts/research_lookup.py "AI regulation landscape" --force-backend parallel \
  -o sources/research_20250217_144000_ai_regulation.md

# Batch queries — save to sources/
python scripts/research_lookup.py --batch "mRNA vaccines efficacy" "mRNA vaccines safety" \
  -o sources/batch_research_20250217_144500_mrna_vaccines.md

保存ファイルでの引用の保持

各出力形式では、引用の保持方法が異なります。

形式	含まれる引用	使用する場面
テキスト（デフォルト）	[title] (date) + URL を含む Sources (N): セクションと、DOI および学術系 URL を含む Additional References (N):	標準的な用途 — すべての引用を人が読みやすい形式で確認できます
JSON（--json）	完全な引用オブジェクト：url、title、date、snippet、doi、type	引用に関するメタデータを最大限必要とする場合

Parallel バックエンドの場合、保存ファイルには、調査レポート、Sources リスト（タイトル、URL）、Additional References（DOI、学術系 URL）が含まれます。
Perplexity バックエンドの場合、保存ファイルには、学術的な要約、Sources リスト（タイトル、日付、URL、スニペット）、Additional References（DOI、学術系 URL）が含まれます。

次の目的で --json を使用します。

• 引用のメタデータをプログラムで解析する
• BibTeX の生成に必要な完全な DOI および URL データを保持する
• 相互参照に使用する構造化された引用オブジェクトを維持する

すべてを保存する理由

1. 再現性：すべての引用と主張を、元となる調査ソースまでたどれます
2. コンテキストウィンドウの復元：コンテキストが圧縮された場合でも、再クエリせずに保存済みの結果を読み直せます
3. 監査証跡：sources/ フォルダーには、すべての調査情報をどのように収集したかが正確に記録されます
4. セクション間での再利用：同じ保存済み調査を複数のセクションで参照できるため、クエリの重複を避けられます
5. コスト効率：新たに API を呼び出す前に、sources/ に既存の結果がないか確認できます
6. 査読の支援：査読者は、各引用を裏付ける調査を検証できます

新しいクエリを実行する前に、まず Sources を確認する

research_lookup.py を呼び出す前に、関連する結果がすでに存在するか確認してください。

ls sources/  # Check existing saved results

以前の検索結果が同じトピックを扱っている場合は、新たに API を呼び出す代わりに、保存済みファイルを読み直してください。

ログ記録

調査結果を保存する際は、必ず次の情報をログに記録してください。

[HH:MM:SS] SAVED: Research lookup to sources/research_20250217_143000_crispr_advances.md (3,800 words, 8 citations)
[HH:MM:SS] SAVED: Paper search to sources/papers_20250217_143500_transformer_attention.md (6 papers found)

---

科学論文の執筆との連携

このスキルは、科学論文の執筆を支援するため、次の情報を提供します（各結果は sources/ に保存されます）。

1. 文献レビューの支援：序論や考察に必要な最新の研究を収集します
2. 方法の検証：プロトコルを最新の標準と照合して検証します
3. 結果の位置付け：知見を、類似する最近の研究と比較します
4. 考察の強化：最新のエビデンスで議論を裏付けます
5. 引用の管理：適切に書式設定された引用を提供します

返された引用は手掛かりとして扱ってください。引用する前に論文を開いて確認してください。検索モデルの回答では、知見の出典を誤って示したり、書誌情報が不正確になったりすることがあるためです（参照先が実在するかどうかは alterlab-citation-verifier で確認できます）。

補完ツール

タスク	スキル
学術インデックス検索（OpenAlex）	alterlab-openalex
PubMed 検索	alterlab-pubmed
Zotero ライブラリ／DOI から BibTeX への管理	alterlab-pyzotero
収集した参考文献が実在するか確認する	alterlab-citation-verifier

---

エラー処理と制限事項

既知の制限事項：

• Parallel Chat API（コアモデル）：複雑なクエリには最大 5 分かかる場合があります
• Perplexity：情報のカットオフがあり、ペイウォールの背後にある全文にはアクセスできない場合があります
• どちらも：独自データベースやアクセス制限のあるデータベースにはアクセスできません

フォールバックの動作：

• 優先するバックエンドの API キーが見つからない場合（--force-backend の指定を含む）、クエリはもう一方のバックエンドに送られます
• 失敗した呼び出しはもう一方のバックエンドで再試行されません。結果には success: false とエラーが含まれます。もう一方のバックエンドを試すには、--force-backend を指定して再実行してください
• 最初の応答が不十分な場合は、より良い結果を得られるようクエリを言い換えてください

バックエンドキーの設定と具体的なエラーメッセージについては、references/troubleshooting.md を参照してください。

---

使用例

例 1：一般的な調査（Parallel にルーティング）

クエリ：「トランスフォーマーのアテンション機構における2025年の最近の進展」

バックエンド：Parallel Chat API（コアモデル）

応答：権威ある情報源からの引用を含む包括的な Markdown レポートです。最近の論文、主な革新、性能ベンチマークを取り上げます。

例 2：学術論文の検索（Perplexity にルーティング）

クエリ：「臨床試験におけるCRISPRのオフターゲット効果に関する論文を探す」

バックエンド：Perplexity sonar-pro-search（学術モード）

応答：影響力の高い論文を5～8件厳選したリストです。完全な引用情報、DOI、被引用数、掲載先のティア指標を含みます。

例 3：比較分析（Parallel にルーティング）

クエリ：「がん治療におけるmRNAワクチンと従来型ワクチンを比較し、相違点を説明する」

バックエンド：Parallel Chat API（コアモデル）

応答：複数の情報源のデータを用いた、構造化分析と根拠の引用を含む詳細な比較レポートです。

例 4：市場データ（Parallel にルーティング）

クエリ：「2025年の医療分野におけるAI導入に関する世界の統計」

バックエンド：Parallel Chat API（コアモデル）

応答：出典の引用を含む、最新の市場データ、導入率、成長予測、地域別分析です。

---

概要

このスキルは、インテリジェントな2つのバックエンドへのルーティング機能を備えた、主要な調査インターフェースとして機能します。

• Parallel Chat API（デフォルト、core モデル）：あらゆるトピックを対象とする、包括的な複数ソース調査
• Perplexity sonar-pro-search：学術分野に特化した論文検索のみ
• 自動ルーティング：学術的なクエリを検出し、適切なバックエンドにルーティングします
• 手動オーバーライド：必要に応じて任意のバックエンドを強制的に使用できます
• 併用可能：ウェブ検索と URL 抽出には alterlab-parallel-web と併用できます

AlterLab Academic Skills スイートの一部です。