deep-research

Deep Research スキル

トリガー

ユーザーが以下を求めている場合に、このスキルを有効にします。

• 「トピックを調査して」「文献レビュー」「〜に関する論文を探して」「〜に関する論文を調査して」
• 「[トピック]を深掘りして」「[トピック]の最先端技術を教えて」
• /research <topic> スラッシュコマンドを使用する

概要

このスキルは、体系的な学術文献レビューを6つのフェーズで実施し、構造化されたメモ、厳選した論文データベース、統合した最終レポートを作成します。見やすさを考慮し、出力はフェーズごとに整理されます。

インストール先：~/.claude/skills/deep-research/ — スクリプト、参考資料、このスキルの定義。 出力先：現在の作業ディレクトリからの相対パス .//Users/lingzhi/Code/deep-research-output/{slug}/。

重要：フェーズは必ず順番どおりに実行すること

6つすべてのフェーズを、必ず次の順序で実行してください：1 → 2 → 3 → 4 → 5 → 6。フェーズをスキップしてはいけません。

これは、このスキルで最も重要なルールです。違反の例：

• ❌ フェーズ2からフェーズ5／6に進む（Deep Dive と Code をスキップする）
• ❌ フェーズ3の精読を完了する前に、統合やレポートの作成を始める
• ❌ 検索結果の要旨やタイトルだけに基づいて最終レポートを作成する
• ❌ フェーズを統合またはまとめる（例：「フェーズ3〜5をまとめて」実施する）

フェーズゲートの手順

フェーズN+1を開始する前に、フェーズNの必須出力ファイルがディスク上に存在することを必ず確認してください。存在しない場合、そのフェーズは完了していません。

フェーズ	ゲート：必須出力ファイル
1 → 2	phase1_frontier/frontier.md が存在し、10件以上の論文が含まれている
2 → 3	phase2_survey/survey.md が存在し、paper_db.jsonl に35〜80件の論文が含まれている
3 → 4	phase3_deep_dive/selection.md と phase3_deep_dive/deep_dive.md が存在し、deep_dive.md に8件以上の論文について詳細なメモが含まれている
4 → 5	phase4_code/code_repos.md が存在し、3件以上のリポジトリが含まれている
5 → 6	phase5_synthesis/synthesis.md と phase5_synthesis/gaps.md が存在する

各フェーズの完了後、フェーズ完了チェックポイントを出力してください：

✅ Phase N complete. Output: [list files written]. Proceeding to Phase N+1.

すべてのフェーズが重要な理由

• **フェーズ3（Deep Dive）**では、実際に論文を読みます。これを行わないと、要旨だけに基づいた表面的な統合になります
• **フェーズ4（Code & Tools）**では、実用的な実装を通じて調査を具体化します。これを行わないと、オープンソースのエコシステムを見落とします
• **フェーズ5（Synthesis）**にはフェーズ3で得た深い知識が必要です。読んでいない論文を統合することはできません
• **フェーズ6（Report）**では、それまでのすべてのフェーズの内容をまとめます。フェーズ3のメモから具体的な知見を引用してください

論文の品質に関する方針

査読済みの会議論文をarXivのプレプリントより優先してください。 多くのarXiv論文は査読を経ておらず、未検証の主張を含む場合があります。

情報源の優先順位（高い順）

1. 主要なAI会議：NeurIPS、ICLR、ICML、ACL、EMNLP、NAACL、AAAI、IJCAI、CVPR、KDD、CoRL
2. 査読済み学術誌：JMLR、TACL、Nature、Science など
3. ワークショップ論文：NeurIPS／ICML のワークショップ（基準はやや緩いものの、査読は実施）
4. 引用数の多いarXivプレプリント：品質が高い可能性はありますが、未検証です
5. 新しいarXivプレプリント：慎重に扱い、「プレプリント」であることを明記してください

arXiv論文を使用する場合

• 査読済み研究を補足する根拠として使用する
• 会議でまだ発表されていないごく最近（3か月未満）の成果に使用する
• 査読済みの版がまだない場合は、引用に (preprint) と明記する
• サーベイ／レビュー論文に使用する（査読を受けていなくても有用です）

検索ツール（優先順位順）

1. paper_finder（主要 — 会議論文のみ）

場所：/Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py

ai-paper-finder.info（HuggingFace Space）を検索し、出版済みの会議論文を探します。会議名と年で絞り込めます。BibTeX付きのJSONLを出力します。

python /Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py --mode scrape --config <config.yaml>
python /Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py --mode download --jsonl <results.jsonl>
python /Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py --list-venues

設定例：

searches:
  - query: "long horizon reasoning agent"
    num_results: 100
    venues:
      neurips: [2024, 2025]
      iclr: [2024, 2025, 2026]
      icml: [2024, 2025]
output:
  root: /Users/lingzhi/Code/deep-research-output/{slug}/phase1_frontier/search_results
  overwrite: true

2. search_semantic_scholar.py（補足 — 引用データとより広範なカバレッジ）

場所: /Users/lingzhi/.claude/skills/deep-research/scripts/search_semantic_scholar.py --peer-reviewed-only と --top-conferences のフィルターをサポートします。API キー: /Users/lingzhi/Code/keys.md（フィールド S2_API_Key）

3. search_arxiv.py（補足 — 最新のプレプリント）

場所: /Users/lingzhi/.claude/skills/deep-research/scripts/search_arxiv.py 会議でまだ発表されていない最近の論文を検索するために使います。引用には (preprint) を付けてください。

その他のスクリプト

スクリプト	場所	主なフラグ
download_papers.py	~/.claude/skills/deep-research/scripts/	--jsonl、--output-dir、--max-downloads、--sort-by-citations
extract_pdf.py	~/.claude/skills/deep-research/scripts/	--pdf、--pdf-dir、--output-dir、--sections-only
paper_db.py	~/.claude/skills/deep-research/scripts/	サブコマンド: merge、search、filter、tag、stats、add、export
bibtex_manager.py	~/.claude/skills/deep-research/scripts/	--jsonl、--output、--keys-only
compile_report.py	~/.claude/skills/deep-research/scripts/	--topic-dir

WebFetch モード（Bash なし）

1. 論文の発見: WebSearch と WebFetch を使って Semantic Scholar/arXiv API を検索します
2. 論文の読解: ar5iv HTML に対する WebFetch、またはダウンロードした PDF に対する Read ツールを使います
3. 執筆: Write ツールを使って JSONL、メモ、レポートファイルを作成します

6 フェーズのワークフロー

フェーズ 1: 最先端動向

最新の会議論文集とプレプリントを検索し、現在の動向を把握します。

1. 最新 1～2 年を対象に phase1_frontier/paper_finder_config.yaml を作成します
2. paper_finder のスクレイピングを実行します
3. 最新の採択論文リストを WebSearch で検索します
4. トレンドの方向性と主要なブレークスルーを特定します → 出力: phase1_frontier/frontier.md、phase1_frontier/search_results/

フェーズ 2: サーベイ

より広い期間を対象に、包括的な全体像を構築します。フィルタリング後の目標は35～80 件の論文です。

1. 2023～2025 年を対象に phase2_survey/paper_finder_config.yaml を作成します
2. paper_finder、Semantic Scholar、arXiv を実行します
3. すべての結果を統合します: python /Users/lingzhi/.claude/skills/deep-research/scripts/paper_db.py merge
4. 関連性が最も高い 35～80 件に絞り込みます: python /Users/lingzhi/.claude/skills/deep-research/scripts/paper_db.py filter --min-score 0.80 --max-papers 70
5. テーマ別にクラスタリングし、サーベイのメモを作成します → 出力: phase2_survey/survey.md、phase2_survey/search_results/、paper_db.jsonl

フェーズ 3: 詳細調査 ⚠️ 省略禁止

このフェーズは必須です。 アブストラクトだけでなく、論文の全文を実際に 8～15 件読む必要があります。

1. paper_db.jsonl から 8～15 件の論文を選び、選定理由とともに phase3_deep_dive/selection.md に記載します
2. PDF をダウンロードします: python download_papers.py --jsonl paper_db.jsonl --output-dir phase3_deep_dive/papers/ --sort-by-citations --max-downloads 15
3. 選んだ論文それぞれの全文を読みます（Read で PDF を読むか、ar5iv に対する WebFetch で HTML を読みます）
4. 各論文について、構造化された詳細なメモを作成します（note-format.md のテンプレートを参照）。課題、貢献、手法、実験、限界、関連性を記載します
5. すべてのメモを phase3_deep_dive/deep_dive.md に記載します

フェーズ 3 のゲート: deep_dive.md には 8 件以上の論文に関する詳細なメモが含まれ、各メモの手法と実験のセクションが記入されている必要があります。アブストラクトのみの要約は対象外です。

→ 出力: phase3_deep_dive/selection.md、phase3_deep_dive/deep_dive.md、phase3_deep_dive/papers/

フェーズ 4：コードとツール ⚠️ スキップ禁止

このフェーズは必須です。 オープンソースのエコシステムを調査してください。

1. フェーズ 3 で読んだ論文から GitHub の URL を抽出します
2. 実装を WebSearch で検索します：「site:github.com {method name}」、「site:paperswithcode.com {topic}」
3. 見つかった各リポジトリについて、URL、スター数、言語、最終更新日、ドキュメントの品質を記録します
4. 関連するベンチマークとデータセットを検索します
5. phase4_code/code_repos.md に書き込みます（3 件以上のリポジトリを含める必要があります）

フェーズ 4 のゲート：code_repos.md が存在し、メタデータ付きのリポジトリが少なくとも 3 件含まれている必要があります。

→ 出力：phase4_code/code_repos.md

フェーズ 5：統合（フェーズ 3 と 4 の完了が必須）

論文を横断して分析します。査読済みの研究結果をより重視してください。 このフェーズでは、フェーズ 3 の詳細なノートとフェーズ 4 のコードの全体像に基づいて作業する必要があります。 分類、比較表、ギャップ分析を行います。

開始前：phase3_deep_dive/deep_dive.md と phase4_code/code_repos.md が存在することを確認します。存在しない場合は、先に戻って該当するフェーズを完了してください。

→ 出力：phase5_synthesis/synthesis.md、phase5_synthesis/gaps.md

フェーズ 6：編集（フェーズ 1〜5 の完了が必須）

これまでのすべてのフェーズの出力から最終レポートをまとめます。プレプリントの引用には接尾辞 (preprint) を付けます。

開始前：すべてのフェーズの出力が存在することを確認します。

• phase1_frontier/frontier.md
• phase2_survey/survey.md
• phase3_deep_dive/deep_dive.md
• phase4_code/code_repos.md
• phase5_synthesis/synthesis.md + gaps.md

不足しているものが 1 つでもあれば、戻って不足しているフェーズを完了してください。

→ 出力：phase6_report/report.md、phase6_report/references.bib

出力ディレクトリ

output/{topic-slug}/
├── paper_db.jsonl                    # Master database (accumulated)
├── phase1_frontier/
│   ├── paper_finder_config.yaml
│   ├── search_results/
│   └── frontier.md
├── phase2_survey/
│   ├── paper_finder_config.yaml
│   ├── search_results/
│   └── survey.md
├── phase3_deep_dive/
│   ├── papers/
│   ├── selection.md
│   └── deep_dive.md
├── phase4_code/
│   └── code_repos.md
├── phase5_synthesis/
│   ├── synthesis.md
│   └── gaps.md
└── phase6_report/
    ├── report.md
    └── references.bib

主な規約

• 論文 ID：利用可能な場合は arxiv_id を使用し、それ以外の場合は Semantic Scholar の paperId を使用します
• 引用：[@key] 形式。key は firstAuthorYearWord（例：[@vaswani2017attention]）です
• JSONL スキーマ：title、authors、abstract、year、venue、venue_normalized、peer_reviewed、citationCount、paperId、arxiv_id、pdf_url、tags、source
• プレプリントの明記：査読されていない研究を引用する際は、必ず (preprint) と記載します
• 段階的な保存：各フェーズで、すぐにディスクに書き込みます
• 論文数：最終的な paper_db.jsonl には 35〜80 件を目標とします（paper_db.py filter を使用）

参考資料

• /Users/lingzhi/.claude/skills/deep-research/references/workflow-phases.md — 6 フェーズから成る手法の詳細
• /Users/lingzhi/.claude/skills/deep-research/references/note-format.md — ノートのテンプレート、BibTeX 形式、レポートの構成
• /Users/lingzhi/.claude/skills/deep-research/references/api-reference.md — arXiv、Semantic Scholar、ar5iv API ガイド

関連スキル

• 後続のスキル：literature-search、literature-review、citation-management
• こちらも参照：novelty-assessment、survey-generation