mcpField
L
literature-search

literature-search

github.com/jxtse生産性7435 回インストール23 週間前に更新
リポジトリ

literature-search について

literature-searchは、複数の検索エンジンで学術論文を探すためのリサーチスキルです。研究者向けに、目的に応じた検索方法の選択、結果の重複排除、順位付けを支援します。

主な機能

  1. 01研究目的に応じた検索エンジン選択
  2. 02単一・複数エンジンでの検索
  3. 03検索結果の重複排除と順位付け
  4. 04論文メタデータと引用追跡の指針

活用シーン

  1. 01幅広い研究テーマの調査
  2. 02最新のarXivプレプリントの検索
  3. 03著者・会議・年を指定した論文検索
  4. 04関連論文や実装コードの発見

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/jxtse/scientific-research-skills --skill literature-search

インストール後、Claude Code で/literature-searchを入力して読み込まれたか確認します。

詳細

論文検索

複数の検索エンジンを活用した、体系的な学術論文検索です。

使用する場面

  • ユーザーが「Xについての論文を探して」と依頼したとき
  • ユーザーが新しいプロジェクトの関連研究を必要としているとき
  • ユーザーがあるトピックの最先端の研究を知りたいとき
  • ユーザーが特定の学会・著者・年の論文を求めているとき

エンジンの選択

検索目的に応じてエンジンを選択します。

目的主要エンジン補助エンジン
幅広いトピックの概観Semantic ScholararXiv、Tavily
最新のプレプリントarXiv（submittedDateでソート）Semantic Scholar
詳細なリサーチ／複雑な質問Gemini deep researchTavily + Exa
タイトルが特定された論文Semantic ScholarGoogle Scholar（Tavily経由）
著者別の論文Semantic Scholar（著者検索）AMiner
中国の研究コミュニティAMinerSemantic Scholar
産業・応用分野の論文Tavily（deep）Exa semantic search
ソーシャルメディアで話題の論文／トレンドの論文Twitter/X（xreach）Reddit
コード実装GitHub（gh search）Exa（get_code_context）
類似論文の検索Exa（semantic）Semantic Scholar（引用）

ワークフロー

ステップ 1：検索クエリを理解する

検索の前に、以下を明確にします。

  • 範囲：幅広い概観か、特定のサブトピックか
  • 新しさ：全期間か、過去N年間か、最新のみか
  • 発表先の希望：トップクラスのみか、特定の学会か
  • 件数：上位5件か、包括的な調査か
  • 深さ：簡単な一覧か、統合分析を含む詳細な調査か
ステップ 2：検索戦略を選択する

クイック検索（単一エンジン）： 単純で明確な検索クエリに適しています。Semantic ScholarまたはarXivを直接使用します。

複数エンジン検索（2～3つのエンジンを並行実行）： 幅広いトピックに適しています。複数のエンジンを同時に実行し、結果の重複を除去します。

詳細な調査（Gemini）： 複雑で多面的な調査の質問に適しています。Geminiのdeep researchモードは多くの情報源を横断して統合し、引用付きの構造化された分析を提供します。次の場合に使用します。

  • 質問が複数のサブ分野にまたがる
  • 論文の一覧だけでなく、統合分析が必要
  • ユーザーが明示的に「詳細な調査」または「包括的な概観」を求めている
ステップ 3：検索を実行する
# Semantic Scholar — paper metadata, citations, author search
# Free, no API key needed
node scripts/search/semantic-scholar.mjs "query" -n 20

# arXiv — latest preprints, category filtering
# Free, no API key needed
node scripts/search/arxiv.mjs "query" -n 15 --sort submittedDate --cat cs.CL

# Tavily — general web search, AI-optimized
node scripts/search/search.mjs "query site:arxiv.org OR site:aclanthology.org" -n 10
node scripts/search/search.mjs "query" --deep  # deeper search mode

# Exa — semantic search, finding similar content
mcporter call 'exa.web_search_exa(query: "query", numResults: 10)'

# Gemini — deep research (for complex questions)
# Use gemini-3.1-pro model with web search grounding
# Prompt: "Survey the recent literature on [topic]. Identify key papers,
#          main approaches, and open problems. Cite specific papers."

# AMiner — Chinese academic community
# Uses AMINER_API_KEY
ステップ 4：重複を除去して順位付けする

複数のエンジンの結果を統合します。

  1. タイトルの類似度で重複を除去します（あいまい検索で90%超の場合は同じ論文とみなします）
  2. 引用数 × 新しさ × 発表先のランク × 関連性に基づいて順位付けします
  3. 複数のエンジンで見つかった論文には印を付けます（信頼度が高まります）
ステップ 5：検索結果を提示する

主要なメタデータを添えた順位付きリストとして書式設定します。

1. **[Title]** (Venue Year, Citations: N)
   Authors: [First author] et al.
   TL;DR: [1 sentence]
   Why relevant: [connection to user's query]

2. ...
ステップ 6：詳細を調べる（任意）

ユーザーが特定の論文をさらに詳しく知りたい場合：

  • 論文読解スキルに切り替えます
  • またはZoteroの読書キューに追加します（zotero-managementスキルを使用）

検索のヒント

  • 具体的な用語を使う：「multi-agent reinforcement learning」>「MARL」>「agents working together」
  • 発表先のフィルターと組み合わせる：venue:ACLやカテゴリcs.CLを追加すると、精度が大幅に向上します
  • 引用のつながりを確認する：引用数の多い論文の参考文献や、その論文を引用している論文は、しばしば貴重な情報源です
  • 多言語検索：中国語の論文を探す場合は、英語と中国語の両方の検索クエリを試します
  • SOTAの検索には日付フィルターを使う：arXivで--sort submittedDateを指定し、最新の手法を探します
  • 統合分析にはGeminiを使う：分野の理解が必要なとき（論文の一覧だけでは不十分なとき）は、Geminiのdeep researchでまず概要を把握し、その後、個別の論文を詳しく調べます

品質を示す指標

順位付けでは、以下の指標を考慮します。

  • 引用数：確立された研究では重要ですが、公開から6か月未満の論文ではあまり参考になりません
  • 発表先のランク：ACL／EMNLP／NeurIPS／ICML > ワークショップ > arXivのみ
  • 著者の評価：主要な著者がその分野で実績を積んでいるか確認します
  • コードの公開状況：コード付きの論文は検証しやすくなります
  • 再現性：方法論の説明や実験の詳細が明確か確認します

コメント

Markdown 対応