data-research

データリサーチ

構造化されたリサーチパイプライン：ソースを検索し、構造化データを抽出し、 生データをアーカイブし、重複を排除し、正規トラッカーを更新して、エンティティにバックリンクします。

契約

メールから構造化データを抽出するあらゆるパイプラインに対応する単一のスキルです。投資家アップデート、経費、企業指標の追跡で異なるのは、検索クエリ、抽出スキーマ、トラッカーページの形式のみです。 3つすべてで、パラメーター化されたレシピを使う同一の7フェーズパイプラインを使用します。

使用するタイミング

• メール、ウェブ、API ソースから構造化データを追跡したい場合
• 「リサーチ」「追跡」「メールから抽出」「トラッカーを作成」と依頼された場合
• 投資家アップデート、寄付、企業指標、届出について言及された場合
• 定期的なデータ収集を設定したい場合（cron レシピを使用）

フェーズ

フェーズ 1：リサーチレシピを定義する

会話のコンテキスト、最近の brain アクティビティ、進行中のタスク（ops/tasks.md）、メモリファイルからリサーチ対象を推測します。依頼が曖昧な場合は、ユーザーがこれまで取り組んでいた内容に基づいて、最も可能性の高い解釈を提示します。コンテキストが本当に不十分な場合に限り、確認を求めます。選択肢：

• 組み込みレシピを選ぶ：investor-updates、expense-tracker、company-updates
• カスタムレシピを定義する：ソースクエリ、分類ルール、抽出スキーマ、 トラッカーページのパス、トラッカーの形式

レシピは ~/.gbrain/recipes/{name}.yaml にある YAML ファイルです。組み込みレシピファイルをコピーして各フィールドを編集し、新しいレシピを作成します。

フェーズ 2：ソースを検索する

まず Brain を検索します（すでにデータがあるかもしれません）。次に：

• メール：認証情報ゲートウェイ経由で検索します。期間を区切ったクエリを使います（四半期単位、切り詰められた場合は月単位）
• ウェブ：検索を通じて公開届出、プレスリリース、規制データを調べます
• API：レシピで定義された構造化データソースを使用します
• 添付ファイル：PDF の抽出、HTML の除去を行います

フェーズ 3：分類する

まず決定論的な方法（レシピの正規表現パターン）を使い、次に LLM にフォールバックします。 今後の正規表現の改善に備え、LLM へのフォールバックをすべて記録します（失敗から改善するループ）。 レシピの分類ルールに基づき、マーケティング、ニュースレター、ノイズは除外します。

フェーズ 4：構造化データを抽出する

抽出の完全性に関するルール：

1. 抽出を行う前に、生のソースをすぐに保存する
2. まず決定論的な正規表現を使ってフィールドを抽出し、次に LLM にフォールバックする
3. バッチ結果を要約するときは、保存済みファイルを読み直す
4. バッチ処理後の LLM の作業メモリを決して信頼しない

これにより、既知のハルシネーションの不具合を防ぎます。この不具合では、バッチ処理された金額は、保存済みファイルでは正しかったにもかかわらず、LLM の作業メモリに基づくと13件中13件すべてが誤っていました。

フェーズ 5：生のソースをアーカイブする

• メール本文や API レスポンスには put_raw_data を使用します
• PDF の添付ファイルや文書には file_upload を使用します
• ストレージ内の大きなファイルには .redirect.yaml ポインターを作成します
• トラッカーの各エントリーから、生のソースに必ずリンクします

フェーズ 6：重複を排除する

トラッカーに追加する前に：

• 完全一致（キーとなるフィールドが同じ）→ スキップ
• あいまい一致（同じエンティティ＋日付＋許容範囲内の類似した金額）→ 要確認としてフラグを付ける
• 同じエンティティ＋日付で金額が異なる → メモを添えて追加する（訂正の可能性があります）

フェーズ 7：正規トラッカーを更新し、バックリンクする

• 既存のトラッカーページ（Markdown テーブル）を解析します
• 適切なセクション（年／四半期／エンティティ別）に新しいエントリーを追加します
• 累計を計算します
• 言及されたすべてのエンティティにバックリンクします（人物 → people/ ページ、会社 → companies/ ページ）
• エンティティページにはエンリッチメントサービスを使用します

組み込みレシピ

GBrain には3つのレシピ例が付属します（~/.gbrain/recipes/ を参照）：

1. investor-updates — 投資家アップデートメールから MRR、ARR、成長率、バーンレート、ランウェイ、従業員数を抽出します
2. expense-tracker — 領収書メールから金額、受取人、プラットフォームを抽出します（サブスクリプション、サービス、継続的な請求）
3. company-updates — ポートフォリオ企業のアップデートメールから売上、ユーザー数、主要指標を抽出します

失敗した場合

gbrain のエラー code、終了コード、[AGENT] ブロック、通知ブロックについては、エージェントオペレータープロトコルに従ってください。このスキル固有の対応は次のとおりです。

• file_upload は許可されたルート外のパスでは拒否されます（リモートからの呼び出しは範囲が制限されます）。脳のホストからアップロードするか、内容をインラインで渡すようユーザーに依頼してください。
• put_page / add_timeline_entry が revision_conflict または write_pending を返した場合、前者では再読み込みして変更を統合し、後者では gbrain write-request <request_id> をポーリングしてください。
• 抽出元でレート制限（rate_limited）が発生した場合は、指定された時間だけ待ってから再試行し、カーソルは保持してください。欠落した行を推測せず、欠落があったことを記録してください。

アンチパターン

• バッチ処理後の金額について、LLM の作業記憶を信頼する（抽出の完全性ルールを使用してください）
• 生の情報源へのリンクなしでトラッカー項目を作成する
• 重複排除せずに実行する（項目が二重にカウントされます）
• パイプラインコードに情報源固有のパターンをハードコーディングする（レシピを使用してください）

出力形式

レシピの tracker_page パスにある脳のページに、Markdown の表を記載します。

### 2026

| Date | Company | MRR | ARR | Growth | Status |
|------|---------|-----|-----|--------|--------|
| 2026-04-01 | Example Co | $188K | $2.3M | +14.7% MoM | [Source](link) |

各項目から生の情報源にリンクします。各セクションの末尾に累計を記載します。

規約

引用とバックリンクのルールについては、skills/conventions/quality.md を参照してください。