paper-to-skill

論文からスキルへのパイプライン

研究論文を本番環境向けのスキルパッケージに変換します。このパイプラインは、論文から実用的な方法論を抽出してスキル仕様として構成し、共進化的な改良プロセスにかけて、検証済みのパッケージを作成します。

これにより、研究と実践の間のループを閉じます。今日公開された論文が、手作業で作成することなく、明日には実行可能なスキルになります。

参照ファイル

ファイル	内容	読み込むタイミング
references/extraction-patterns.md	論文から方法論を抽出するパターン	常時

前提条件

• to-markdown スキル（PDF／ドキュメントの変換用）
• research-critique スキル（論文分析用）
• test-engineer エージェント（共進化的なスキル生成用）

ワークフロー

フェーズ 1：論文の取り込み

次のいずれかの対応形式で論文を受け取ります。

入力形式	アクション
arXiv ID（例：2604.01687）	https://arxiv.org/abs/<id> から取得し、PDF を変換
arXiv URL	ID を抽出し、取得して変換
PDF ファイルパス	to-markdown スキルを使って変換
論文の URL	WebFetch で取得し、PDF の場合は変換
貼り付けられたテキスト	そのまま使用

PDF を変換するには、to-markdown スキルを呼び出します。

この PDF を、セクション構造、表、数式、アルゴリズムの疑似コードを保持した、整った Markdown に変換してください。参考文献のセクションは除きますが、本文中の引用は残してください。

フェーズ 2：批判的分析

変換した論文に対して、research-critique スキルを呼び出します。

次の点に注目して、この論文を分析してください。

1. 中核となる貢献：新しい方法論は何ですか？
2. アルゴリズムの説明：手順を段階ごとに抽出してください
3. 入出力の仕様：何を入力し、何が出力されますか？
4. 主要なパラメーターと有効範囲
5. 主張されている結果と、それを裏付ける証拠
6. 著者が認めている失敗モードと制約
7. 前提条件と依存関係（ツール、データ、計算資源）

批評の出力が、スキル仕様の基礎になります。

フェーズ 3：スキル仕様の抽出

批評の出力から、構造化されたスキル仕様を作成します。

specification:
  name: <kebab-case derived from paper's methodology name>
  domain: <paper's application domain>
  source_paper:
    title: <paper title>
    arxiv_id: <if available>
    url: <paper URL>
    authors: <first author et al.>
    date: <publication date>
  
  capabilities:
    - <capability 1 derived from the methodology>
    - <capability 2>
    - <capability 3>
  
  input_format: <what the skill accepts>
  output_format: <what the skill produces>
  
  algorithm_steps:
    - step: 1
      description: <from paper's algorithm>
      parameters: [<key params with ranges>]
    - step: 2
      description: <next step>
  
  failure_modes:
    - <from paper's limitations section>
  
  example_tasks:
    - <task 1 the methodology would solve>
    - <task 2>
    - <task 3>

抽出ルール：

• 文章による説明より、論文独自のアルゴリズム疑似コードを優先します
• 論文の実験におけるパラメーター範囲を含めます（例：「学習率：0.001-0.01」）
• 論文の用語を armory の規約に対応づけます（例：「module」→「skill」、「pipeline」→「workflow」）
• 論文に複数のバリエーションが記載されている場合は、最も性能の高いものを抽出します

一般的な論文の種類に特化したパターンについては、references/extraction-patterns.md を参照してください。

フェーズ 4：スキルの生成

仕様を test-engineer エージェントに引き渡し、共進化的な生成を行います。

次の領域向けのスキルを進化させてください：[specification.domain]

機能：[specification.capabilities] アルゴリズム：[specification.algorithm_steps] 入力：[specification.input_format] 出力：[specification.output_format] 失敗モード：[specification.failure_modes] タスクの例：[specification.example_tasks]

出典：[specification.source_paper.title]（[specification.source_paper.url]）

test-engineer は、仕様をタスクの説明として使用し、共進化ループ（生成 → 検証 → オラクル → 改良）を一通り実行します。

フェーズ 5：出典表記と最終調整

生成されたスキルで、出典論文が適切に明記されていることを確認します。

1. フロントマター： メタデータに source: <paper_url> を追加します
2. 本文： SKILL.md の末尾に出典表記のセクションを含めます。

   ## Attribution
   
   This skill implements the methodology from:
   > <paper title>
   > <authors>
   > <venue/arxiv, date>
   > <URL>
   

3. 参考資料： 論文に補足資料（コード、データセット）がある場合は、生成されたスキルの references/ ディレクトリに、それらへのリンクを記載した出典資料の参照ファイルを作成します
4. スキル名が manifest.yaml 内の既存のパッケージと競合しないことを確認します

出力

skills/<name>/ にある完全なスキルパッケージ：

• 出典表記と論文に基づくワークフローを含む SKILL.md
• 共進化ループによって生成されたアサーションを含む evals/cases.yaml
• 抽出パターンと出典資料を含む references/
• テストエンジニアによる改良プロセスの evals/evolution-log.yaml

エラー処理

エラー	解決方法
論文に明確なアルゴリズムがない	実験セクションから方法論を抽出します
論文が純粋に理論的である	実行可能な方法論がないことを報告し、代わりに文献レビューを提案します
PDF の変換に失敗する	HTML 版の取得を試すか、ユーザーにテキストの貼り付けを依頼します
論文の方法論でデータ／計算リソースが必要になる	スキルの前提条件に記載します。スキルはワークフローテンプレートのみになる場合があります
テストエンジニアの予算が尽きる	手動レビューが必要である旨を警告し、最もスコアの高い反復結果を返します

制限事項

• 視覚的な方法論（回路図、ニューラルネットワークのアーキテクチャ図）は抽出できません — テキストで記述されたアルゴリズムのみを対象とします
• 相互依存する貢献が複数ある論文では、複雑すぎるスキルが生成される場合があります — 複数のスキルへの分割を検討してください
• 英語以外の論文は、処理前に翻訳する必要があります
• 生成されるスキルの品質は、論文における方法論の記述の明確さに左右されます