literature-review

文献レビュー

複数の視点による対話と体系的な検索を通じて、詳細な文献レビューを実施します。

入力

• $0 — 研究テーマまたは質問
• $1 — 任意：特定の焦点または観点

参考資料

• 複数の視点による対話プロンプト（STORM）：~/.claude/skills/literature-review/references/dialogue-prompts.md
• 文献レビューのワークフロー（AgentLaboratory）：~/.claude/skills/literature-review/references/review-workflow.md

スクリプト（literature-search スキルより）

# Search Semantic Scholar
python ~/.claude/skills/deep-research/scripts/search_semantic_scholar.py --query "topic" --max-results 20

# Search OpenAlex
python ~/.claude/skills/literature-search/scripts/search_openalex.py --query "topic" --max-results 20

# Search arXiv
python ~/.claude/skills/deep-research/scripts/search_arxiv.py --query "topic" --max-results 10

ワークフロー

ステップ 1：専門家のペルソナを生成する（STORM より）

テーマに基づき、多様な専門家のペルソナを 3～5 人作成します。

• それぞれ異なる視点、役割、または研究の切り口を表します
• 例：「効率性に注目する ML システム研究者」「保証を重視する理論統計学者」
• 参考資料にあるペルソナ生成プロンプトを使用します

ステップ 2：複数の視点による対話

各ペルソナについて、複数ターンの Q&A 会話をシミュレートします。

1. ペルソナが質問する — 独自の視点から質問します
2. 検索クエリを生成する — 質問をもとに生成します
3. 文献を検索する — 検索スクリプトを使用します
4. 回答をまとめる — 検索で取得した論文に基づき、本文中に引用を付けます
5. 対話のターンを記録する — 検索結果とともに記録します
6. ペルソナごとに 3～5 ターン繰り返します
7. ペルソナが「ご協力いただき、誠にありがとうございました！」と言ったら終了します

ステップ 3：知識を統合する

• すべてのペルソナとの会話を統合して、統一されたナレッジベースにまとめます
• ペルソナ間の重複を取り除きます
• テーマまたはサブトピックごとに整理します
• 収集した情報に基づいてアウトラインを作成します

ステップ 4：文献レビューを作成する

• 作成したアウトラインに沿って、構成の整ったレビューを執筆します
• すべての主張に引用を付けます
• 主要論文をまとめた表（手法、貢献、限界）を含めます

出力

以下を含む、構成の整った文献レビューです。

1. アウトライン — 階層構造のトピック
2. セクションごとの要約 — それぞれ検索で取得した論文に基づく内容
3. 論文データベース — レビューしたすべての論文の構造化エントリー
4. 知識の空白 — さらなる調査が必要な領域

ルール

• レビュー内のすべての文に、収集した情報に基づく根拠を示します
• 情報が見つからない場合は、その空白を明記します
• 幅広く引用し、最もよく知られた手法だけでなく多様なアプローチを扱います
• 基礎的な研究に加え、近年の論文（過去 2～3 年）も含めます
• 本文中に引用を付けます：「Smith ら [1] は……を提案しています」

関連スキル

• 上流： literature-search、deep-research
• 下流： related-work-writing、research-planning
• こちらも参照： survey-generation