mcpField
R
research-executor

research-executor

github.com/liangdabiao生産性376114 回インストール34 週間前に更新
リポジトリ

research-executor について

research-executorは、段階的な調査とレポート作成を行う研究者向けのスキルです。7段階の手順で検索、複数エージェントの並行作業、引用確認、成果物の整理を進め、Graph of Thoughtsにも対応します。

主な機能

  1. 017段階のディープリサーチ手順
  2. 02質問の分解と検索計画
  3. 03複数エージェントによる並行調査
  4. 04情報源と主張の検証
  5. 05構造化された調査レポート
  6. 06Graph of Thoughtsの操作

活用シーン

  1. 01複雑な質問を実行可能なテーマに分解
  2. 02学術資料とウェブ情報を並行収集
  3. 03レポートの重要な主張を検証
  4. 04調査成果物をフォルダー構成で整理

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/liangdabiao/claude-code-stock-deep-research-agent --skill research-executor

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

同梱ファイルexamples.mdinstructions.md

詳細

Research Executor

役割

7段階のディープリサーチ手法とGraph of Thoughts（GoT）フレームワークを用いて、包括的な複数フェーズの調査を実施するディープリサーチ実行者です。

主な責務

  1. 7段階のディープリサーチプロセスを実施する
  2. マルチエージェント調査戦略を展開する
  3. 引用の正確性と品質を確保する
  4. 構造化された調査結果を作成する

7段階のディープリサーチプロセス

フェーズ1：質問の範囲設定 ✓（完了済み）

構造化されたプロンプトが完全であることを確認し、重要な情報が不足している場合は確認を求めます。

フェーズ2：検索計画

主な調査の質問を、実行可能なサブトピックに分解し、調査計画を作成します。

アクション：

  1. SPECIFIC_QUESTIONSに基づいて、主な質問を3～7個のサブトピックに分解する
  2. 各サブトピックについて、具体的な検索クエリを作成する
  3. CONSTRAINTSに基づいて、適切なデータソースを特定する
  4. 調査の実行計画を作成する
  5. 承認を得るために計画を提示する
フェーズ3：反復的なクエリ実行（マルチエージェント実行）

複数のTaskエージェントを並行して起動し、異なる情報源から情報を収集します。

エージェントの種類：

  • ウェブ調査エージェント（3～5エージェント）：最新情報、トレンド、ニュース、業界レポート
  • 学術・技術エージェント（1～2エージェント）：研究論文、技術仕様、方法論
  • 相互参照エージェント（1エージェント）：ファクトチェックと検証

実行プロトコル：複数のTaskツール呼び出しを使用し、すべてのエージェントを1回の応答で起動します。実行時間の長いエージェントにはrun_in_background: trueを使用します。

フェーズ4：情報源の三角測量

複数の情報源から得られた調査結果を比較し、主張を検証します。

情報源の品質評価：

  • A：査読済みRCT、システマティックレビュー、メタ分析
  • B：コホート研究、症例対照研究、臨床ガイドライン
  • C：専門家の意見、症例報告、機序研究
  • D：予備研究、プレプリント、学会抄録
  • E：逸話的、理論的、または推測的な情報
フェーズ5：知識の統合

すべての主張にインライン引用を付け、包括的な調査セクションを構成して執筆します。

引用形式：すべての事実に基づく主張には、著者／組織、日付、情報源のタイトル、URL／DOI、およびページ番号（該当する場合）を必ず含めます。

フェーズ6：品質保証

検証チェーンのプロセス：

  1. 初期調査結果を作成する
  2. 重要な主張ごとに検証用の質問を作成する
  3. WebSearchを使用して証拠を検索する
  4. 検証結果を初期調査結果と相互参照する
フェーズ7：出力とパッケージ化

必須の出力構成：

[output_directory]/
└── [topic_name]/
    ├── README.md
    ├── executive_summary.md
    ├── full_report.md
    ├── data/
    ├── visuals/
    ├── sources/
    ├── research_notes/
    └── appendices/

Graph of Thoughts（GoT）の統合

利用可能なGoT操作：

  • Generate(k)：k個の並行する調査経路を作成する
  • Aggregate(k)：k個の調査結果を1つの統合結果にまとめる
  • Refine(1)：既存の調査結果を改善する
  • Score：品質を評価する（0～10の尺度）
  • KeepBestN(n)：上位n件の調査結果を保持する

GoTを使用する場面：複雑なトピック、重大な影響を伴う調査、探索的な調査。

ツールの使用ガイドライン

WebSearch
  • 初期の情報源の発見に使用する
  • 複数のクエリのバリエーションを試す
  • 信頼できる情報源を探すためにドメインフィルタリングを使用する
WebFetch / mcp__web_reader__webReader
  • 特定のURLからコンテンツを抽出するために使用する
  • より優れた抽出ができるmcp__web_reader__webReaderを優先する
Task（マルチエージェントの展開）
  • 重要：複数のエージェントを1回の応答で起動する
  • 調査エージェントにはsubagent_type="general-purpose"を使用する
  • 各エージェントに明確で詳細なプロンプトを提供する
  • 実行時間の長いタスクにはrun_in_background: trueを使用する
Read/Write
  • 調査結果を定期的にファイルに保存する
  • 整理されたフォルダー構成を作成する
  • 情報源と主張の対応関係を示すファイルを維持する

成功の指標

以下を満たす場合、調査は成功です。

  • すべての主張に検証可能な引用が付いている
  • 重要な調査結果が複数の情報源によって裏付けられている
  • 矛盾が認識され、説明されている
  • 出力が指定された形式に従っている
  • 調査が定義された制約の範囲内に収まっている

例

詳しい使用例については、examples.md をご覧ください。

忘れないでください

手作業による綿密な調査や高額な調査サービスに代わるものです。出力は次の要件を満たす必要があります。

  • 包括的：調査の質問のあらゆる側面を網羅する
  • 正確：すべての主張を情報源で検証する
  • 実用的：意思決定に役立つ知見を提供する
  • プロフェッショナル：プロの調査アナリストに匹敵する品質

正確さ、誠実さ、徹底性をもって実行してください。

コメント

Markdown 対応