paper-spine-research

PaperSpine Research

モチベーションの確認前、およびシーンに特化した文章を作成する前に、このスキルを使用してください。対象シーンの調査がなければ、投稿先固有の文章作成アドバイスは行いません。

調査は3段階で進めます。ローカルで索引を作成し、専門サブエージェントを3つ並行して起動した後、調査結果をモチベーションの候補にまとめます。

入力

利用可能な場合は、paper_rewriting_output/paper_spine_config.json を読み込みます。重要なフィールドは scene、tier、target_name、official_urls、materials_dir、draft_path、reference_mode、reference_paths、output_language です。

Tier のルール

• flash：対象シーンの事例を3件、最近の質の高い分野／SOTAの事例を3件収集します。
• pro：対象シーンの事例を6件、最近の質の高い分野／SOTAの事例を6件収集します。

ユーザーは件数を明示的に変更できますが、指定されていない変更をでっち上げてはいけません。

これらの学習用事例は、citation_support_bank.md とは別のものです。学習用事例は構成と文章作成戦略を学ぶためのものです。引用支援論文は、後で個別の文献に関する記述を裏付けるために使用します。

Stage 1 — ローカルの参考資料を索引化する（メインスレッド）

参考資料のワークスペースを作成します。

paper_rewriting_output/reference_materials/
  source_index.md
  official_requirements/
  target_examples/
  field_sota/
  templates/
  figures_images/
  extracted_notes/

ローカルで利用可能なすべての参考資料を索引化します。scripts/reference_inventory.py を使用するか、同じ形式の source_index.md を作成します。

ソース ID	種類	タイトル／名前	出典／URL／パス	含める理由	ローカルファイル／メモ	用途

索引化だけで終了してはいけません。直ちに Stage 2 に進みます。

Stage 2 — 専門エージェントを並行して起動する

以下の3つのサブエージェントを同時に起動します（1つのメッセージで Agent ツールを3回呼び出します）。各エージェントは独立して作業し、他のエージェントの出力は参照しません。各エージェントには必要なコンテキストのみを渡し、会話履歴全体は渡さないでください。

Agent A：シーン分析

目標： paper_rewriting_output/research_dossier.md を作成する

渡すコンテキスト：

• 設定から取得した scene、target_name、official_urls、output_language
• Stage 1 で作成した reference_materials/source_index.md
• シーン固有の参考資料：references/scenario-{journal|conference|report_review|competition}.md

指示：

You are a Scene Analyst. Write research_dossier.md and stop.

LIMITS (must obey):
- Read the scene reference file, search official URLs at most TWICE
- Target output: 300-500 words total across 4 sections
- Do NOT enumerate every possible requirement — list only the top constraints
- Write the file immediately after gathering key facts, do NOT keep searching

Sections:
1. ## Venue Requirements — format rules (page limit, structure, anonymization)
2. ## Review Criteria — what reviewers evaluate
3. ## Accepted Paper Patterns — 1-2 structural patterns from scene reference
4. ## Constraints for This Paper

Output ONLY research_dossier.md. Do NOT produce other files.

Agent B：模範事例の学習

目標： paper_rewriting_output/exemplar_learning_dossier.md を作成する

渡すコンテキスト：

• 分析する事例数を把握するための、設定の tier
• Stage 1 で作成した reference_materials/source_index.md
• シーンのシナリオ参考ファイルのパス

指示：

You are an Exemplar Learner. Write exemplar_learning_dossier.md and stop.

LIMITS:
- Analyze at most 3 papers (flash) or 6 papers (pro) — do NOT exceed tier count
- For each paper: ONE paragraph summarizing structural patterns, NOT a full review
- Target output: 400-600 words total
- Write the file immediately after the last paper, do NOT keep adding

Sections:
1. ## Exemplar Inventory — table: title, venue, year, why selected
2. ## Structural Patterns — 2-3 reusable moves observed across exemplars
3. ## Rhetorical Patterns — 1-2 opening/closing techniques
4. ## Language Patterns — brief note on register and conventions

Output ONLY exemplar_learning_dossier.md. Do NOT copy claims/results.

Agent C：SOTA のマッピング

目標： paper_rewriting_output/sota_gap_map.md を作成する

渡すコンテキスト：

• 設定の tier
• Stage 1 で作成した reference_materials/source_index.md
• 設定されている場合は、ユーザーの user_motivation（確認済みの事実ではなく、仮説として扱います）

指示：

You are a SOTA Mapper. Write sota_gap_map.md and stop.

LIMITS:
- Map at most 6 relevant SOTA papers — pick the most representative ones
- ONE line per paper in the table, do NOT write paragraphs per entry
- Target output: table with 4-6 rows + 2-3 gap summary lines
- If the user provided a motivation hypothesis, add it as ONE additional row

Table format:
| Candidate Contribution | What SOTA Already Does | User Evidence | Real Gap | Claim Strength | Risk |

Add a ## Gap Summary with the 2 most promising gaps. Output ONLY sota_gap_map.md.

エージェント起動チェックリスト

• 3つの Agent ツールを呼び出し、3つすべてを1つのメッセージで起動します。
• 各エージェントに渡すのは、上記に記載されたコンテキストのみです。タスクに必要な内容に絞り込みます。
• エージェント同士に、他のエージェントの指示や出力を見せてはいけません。
• 3つすべての出力先を paper_rewriting_output/ にします。

Stage 3 — 統合と総合（メインスレッド）

3つのエージェントがすべて完了したら、各エージェントの出力を読み、以下を作成します。

style_profile.md

模範事例の言語パターンとシーンの規範を統合します。

文体の観点	対象投稿先の期待	模範事例のパターン	この論文への適用

motivation_options_after_research.md

調査資料、模範事例の分析、SOTA のギャップマップを統合して、モチベーションの候補をまとめます。

候補	1文で述べるモチベーション	中核となるイノベーション	範囲が広すぎない理由	必要な根拠	最適な論文の展開

ルール：

• 各候補は簡潔にします。全体を導く貢献は1つに絞ることを推奨します。
• 実際の新規性が限定的な場合は、正直にそのように述べます。
• 3つのエージェントすべてを相互参照します。優れたモチベーションとは、投稿先に適合し（Scene Analyst）、模範事例の構成パターンに従い（Exemplar Learner）、実在するギャップを占めるものです（SOTA Mapper）。

ユーザー確認

停止して、動機の選択肢をユーザーに提示します。選択、修正、または独自に記述するよう依頼します。確認後のみ、confirmed_motivation.md を作成します：

• 確定した動機の正確な内容、
• ユーザー確認の状況、
• 却下された選択肢とその理由、
• スコープの制限と禁止される過剰な主張。

必要な出力

• paper_rewriting_output/reference_materials/source_index.md
• paper_rewriting_output/research_dossier.md
• paper_rewriting_output/exemplar_learning_dossier.md
• paper_rewriting_output/style_profile.md
• paper_rewriting_output/sota_gap_map.md
• paper_rewriting_output/motivation_options_after_research.md
• paper_rewriting_output/confirmed_motivation.md はユーザー確認後のみ