research-lookup

研究情報の検索

概要

このスキルは、インテリジェントなバックエンドルーティングによるリアルタイムの研究情報検索を提供します。

• parallel-cli search（parallel-web スキル）：あらゆる研究クエリに対する主要かつデフォルトのバックエンドです。学術情報源を優先した、迅速で費用対効果の高いウェブ検索を行います。学術情報源には --include-domains を指定して parallel-cli search を使用します。
• Parallel Chat API（core モデル）：複数の情報源を用いた複雑な詳細調査で、長時間の統合が必要な場合に使用するセカンダリバックエンドです（レイテンシは60秒～5分）。明示的に必要な場合にのみ使用してください。
• Perplexity sonar-pro-search（OpenRouter 経由）：学術データベースへのアクセスが重要となる、学術論文に特化した検索にのみ使用します。

このスキルはクエリの種類を自動的に判別し、最適なバックエンドにルーティングします。

このスキルを使用する場面

次のような場合にこのスキルを使用してください。

• 最新の研究情報：最新の研究、論文、知見を調べる
• 文献の検証：現在の研究に照らして事実、統計、主張を確認する
• 背景調査：科学的な文章のために背景情報や裏付けとなる証拠を集める
• 引用元：引用する関連論文や研究を見つける
• 技術文書：仕様、プロトコル、方法論を調べる
• 市場・業界データ：最新の統計、トレンド、競合情報を調べる
• 最近の動向：新たなトレンド、ブレークスルー、発表を把握する

科学的な図表による視覚的な強化

このスキルで文書を作成するときは、視覚的な伝達を高めるために、科学的な図や模式図の追加を常に検討してください。

文書に模式図や図が含まれていない場合：

• scientific-schematics スキルを使用して、AI で出版品質の図を生成します
• 希望する図を自然な言葉で説明するだけでかまいません

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

---

バックエンドの自動選択

このスキルは、内容に基づいてクエリを最適なバックエンドに自動的にルーティングします。

ルーティングのロジック

Query arrives
    |
    +-- Contains academic keywords? (papers, DOI, journal, peer-reviewed, etc.)
    |       YES --> Perplexity sonar-pro-search (academic search mode)
    |
    +-- Needs deep multi-source synthesis? (user says "deep research", "exhaustive")
    |       YES --> Parallel Chat API (core model, 60s-5min)
    |
    +-- Everything else (general research, market data, technical info, analysis)
            --> parallel-cli search (fast, default)

デフォルト：parallel-cli search（parallel-web スキル）

**標準的な研究クエリに対する主要なバックエンドです。**迅速で費用対効果が高く、学術情報源を優先できます。

科学・技術に関するクエリでは、学術情報を確実に網羅するため、2回検索を実行します。

# 1. Academic-focused search
parallel-cli search "your research query" -q "keyword1" -q "keyword2" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,semanticscholar.org,biorxiv.org,medrxiv.org,ncbi.nlm.nih.gov,nature.com,science.org,ieee.org,acm.org,springer.com,wiley.com,cell.com,pnas.org,nih.gov" \
  -o sources/research_<topic>-academic.json

# 2. General search (catches non-academic sources)
parallel-cli search "your research query" -q "keyword1" -q "keyword2" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_<topic>-general.json

オプション：

• 時期が重要なクエリには --after-date YYYY-MM-DD
• 特定の情報源に限定するには --include-domains domain1.com,domain2.com

結果を統合し、学術情報源を先頭に配置します。科学以外のクエリでは、一般検索を1回行えば十分です。

次のようなその他すべてのクエリは、デフォルトでここにルーティングされます。

• 一般的な研究の質問
• 市場・業界分析
• 技術情報や技術文書
• 時事問題や最近の動向
• 比較分析
• 統計データの取得
• ファクトチェックと検証

学術キーワード（Perplexity にルーティング）

次の語句を含むクエリは、学術分野に特化した検索のため Perplexity にルーティングされます。

• 論文の検索：find papers、find articles、research papers on、published studies
• 引用：cite、citation、doi、pubmed、pmid
• 学術情報源：peer-reviewed、journal article、scholarly、arxiv、preprint
• レビューの種類：systematic review、meta-analysis、literature search
• 論文の質：foundational papers、seminal papers、landmark papers、highly cited

詳細調査（Parallel Chat API にルーティング）

ユーザーが詳細、網羅的、または包括的な調査を明示的に依頼した場合にのみ使用します。parallel-cli search よりも大幅に遅く、費用もかかります。

手動での上書き

特定のバックエンドを強制的に指定できます。

# Force parallel-cli search (fast web search)
parallel-cli search "your query" -q "keyword" --json --max-results 10 -o sources/research_<topic>.json

# Force Parallel Deep Research (slow, exhaustive)
python research_lookup.py "your query" --force-backend parallel

# Force Perplexity academic search
python research_lookup.py "your query" --force-backend perplexity

---

主な機能

1. 一般的な調査クエリ（parallel-cli search — デフォルト）

主要バックエンド。 parallel-web スキルを通じて学術情報源を優先する、高速で費用対効果の高いウェブ検索です。

Query Examples:
- "Recent advances in CRISPR gene editing 2025"
- "Compare mRNA vaccines vs traditional vaccines for cancer treatment"
- "AI adoption in healthcare industry statistics"
- "Global renewable energy market trends and projections"
- "Explain the mechanism underlying gut microbiome and depression"

# Example: research on CRISPR advances
parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" -q "2025" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/research_crispr_advances-academic.json

parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_crispr_advances-general.json

応答に含まれる内容：

• 検索結果からのインライン引用を含む、統合された調査結果
• 優先される学術情報源（査読済み論文、プレプリント）
• 具体的な事実、数値、日付
• 種類別にまとめた参照 URL の一覧を含む情報源セクション

2. 学術論文検索（Perplexity sonar-pro-search）

学術分野に特化したクエリに使用します。 学術データベースと査読済み情報源を優先します。論文、引用、DOI を具体的に求めるクエリに使用します。

Query Examples:
- "Find papers on transformer attention mechanisms in NeurIPS 2024"
- "Foundational papers on quantum error correction"
- "Systematic review of immunotherapy in non-small cell lung cancer"
- "Cite the original BERT paper and its most influential follow-ups"
- "Published studies on CRISPR off-target effects in clinical trials"

応答に含まれる内容：

• 学術文献の主な調査結果の要約
• 著者、タイトル、学術誌、発行年、DOI を含む質の高い引用 5〜8 件
• 引用数と掲載媒体の階層を示す指標
• 主な統計情報と方法論の要点
• 研究の空白と今後の方向性

3. 詳細調査（Parallel Chat API — リクエスト時のみ）

ユーザーが詳細または網羅的な調査を明示的にリクエストした場合のみ使用します。 Chat API（core モデル）を通じて、複数の情報源を網羅的に統合します。レイテンシは 60 秒〜5 分です。

Query Examples:
- "Deep research on the current state of quantum computing error correction"
- "Exhaustive analysis of mRNA vaccine platforms for cancer immunotherapy"

4. 技術情報と方法論に関する情報

迅速な検索には、デフォルトの parallel-cli search を使用します。

parallel-cli search "Western blot protocol for protein detection" \
  -q "western blot" -q "protocol" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_western_blot.json

5. 統計データと市場データ

最新のデータには、デフォルトの parallel-cli search を使用します。

parallel-cli search "Global AI market size and growth projections 2025" \
  -q "AI market" -q "statistics" -q "growth" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --after-date 2024-01-01 \
  -o sources/research_ai_market.json

---

論文の質と注目度の優先順位付け

重要：論文を検索する際は、必ず質が高く影響力のある論文を優先してください。

被引用数に基づくランキング

論文の発表からの年数	被引用数の基準	分類
0〜3 年	20 件以上	注目に値する
0〜3 年	100 件以上	非常に影響力がある
3〜7 年	100 件以上	重要
3〜7 年	500 件以上	画期的な論文
7 年以上	500 件以上	先駆的な研究
7 年以上	1000 件以上	基礎となる研究

掲載媒体の質の階層

Tier 1 - 最高峰の掲載媒体（常に優先）：

• 一般科学：Nature、Science、Cell、PNAS
• 医学：NEJM、Lancet、JAMA、BMJ
• 分野特化型：Nature Medicine、Nature Biotechnology、Nature Methods
• コンピューターサイエンス／AI の最上位：NeurIPS、ICML、ICLR、ACL、CVPR

Tier 2 - 影響力の高い専門媒体（強く優先）：

• インパクトファクターが 10 を超える学術誌
• 分野内の主要な学会（EMNLP、NAACL、ECCV、MICCAI）

Tier 3 - 評価の高い専門媒体（関連する場合に含める）：

• インパクトファクターが 5〜10 の学術誌

---

技術的な統合

前提条件

# Primary backend (parallel-cli) - REQUIRED
# Install parallel-cli if not already available:
curl -fsSL https://parallel.ai/install.sh | bash
# Or: uv tool install "parallel-web-tools[cli]"

# Authenticate:
parallel-cli auth
# Or: export PARALLEL_API_KEY="your_parallel_api_key"

環境変数

# Primary backend (parallel-cli search) - REQUIRED
export PARALLEL_API_KEY="your_parallel_api_key"

# Deep research backend (Parallel Chat API) - optional, for deep research only
# Uses the same PARALLEL_API_KEY

# Academic search backend (Perplexity) - optional, for academic paper queries
export OPENROUTER_API_KEY="your_openrouter_api_key"

API 仕様

parallel-cli search（主要）：

• コマンド：parallel-cli search と --json 出力
• レイテンシ：2〜10 秒（高速）
• 出力：title、URL、publish_date、抜粋を含む JSON
• 学術ドメイン：学術情報源には --include-domains を使用
• 検索結果を保存：後続の利用と再現性のために -o filename.json を指定

Parallel Chat API（詳細調査のみ）：

• エンドポイント：https://api.parallel.ai（OpenAI SDK 互換）
• モデル：core（レイテンシ 60 秒〜5 分、複雑な複数情報源の統合）
• 出力：インライン引用付きの Markdown テキスト
• 引用：URL、推論、信頼度を含む調査根拠
• レート制限：300 リクエスト／分
• Python パッケージ：openai

Perplexity sonar-pro-search（学術分野のみ）：

• モデル：perplexity/sonar-pro-search（OpenRouter 経由）
• 検索モード：学術（査読済み情報源を優先）
• 検索コンテキスト：高（網羅的な調査）
• 応答時間：5〜15 秒

コマンドラインの使用方法

# Fast web search via parallel-cli (DEFAULT — recommended) — ALWAYS save to sources/
parallel-cli search "your query" -q "keyword1" -q "keyword2" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_<topic>.json

# Academic-focused search via parallel-cli — ALWAYS save to sources/
parallel-cli search "your query" -q "keyword1" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,semanticscholar.org,biorxiv.org,medrxiv.org,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/research_<topic>-academic.json

# Time-sensitive search via parallel-cli
parallel-cli search "your query" -q "keyword" \
  --json --max-results 10 --after-date 2024-01-01 \
  -o sources/research_<topic>.json

# Extract full content from a specific URL (use parallel-web extract)
parallel-cli extract "https://example.com/paper" --json

# Force Parallel Deep Research (slow, exhaustive) — via research_lookup.py
python research_lookup.py "your query" --force-backend parallel -o sources/research_<topic>.md

# Force Perplexity academic search — via research_lookup.py
python research_lookup.py "your query" --force-backend perplexity -o sources/papers_<topic>.md

# Auto-routed via research_lookup.py (legacy) — ALWAYS save to sources/
python research_lookup.py "your query" -o sources/research_YYYYMMDD_HHMMSS_<topic>.md

# Batch queries via research_lookup.py — ALWAYS save to sources/
python research_lookup.py --batch "query 1" "query 2" "query 3" -o sources/batch_research_<topic>.md

---

必須：すべての結果を sources フォルダーに保存する

調査・検索の結果はすべて、プロジェクトの sources/ フォルダーに保存する必要があります。

これは必須です。調査結果の取得にはコストがかかり、再現性を確保するうえで重要です。

保存ルール

バックエンド	-o フラグの出力先	ファイル名のパターン
parallel-cli search（デフォルト）	sources/research_<topic>.json	research_<brief_topic>.json または research_<brief_topic>-academic.json
Parallel Deep Research	sources/research_<topic>.md	research_YYYYMMDD_HHMMSS_<brief_topic>.md
Perplexity（学術）	sources/papers_<topic>.md	papers_YYYYMMDD_HHMMSS_<brief_topic>.md
バッチクエリ	sources/batch_<topic>.md	batch_research_YYYYMMDD_HHMMSS_<brief_topic>.md

保存方法

重要：すべての検索結果は、必ず -o フラグを使って sources/ フォルダーに保存してください。

重要：保存するファイルでは、すべての引用、ソース URL、DOI を保持してください。

# parallel-cli search (DEFAULT) — save JSON to sources/
parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/research_crispr_advances-academic.json

parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_crispr_advances-general.json

# Academic paper search via Perplexity — save to sources/
python research_lookup.py "Find papers on transformer attention mechanisms in NeurIPS 2024" \
  -o sources/papers_20250217_143500_transformer_attention.md

# Deep research via Parallel Chat API — save to sources/
python research_lookup.py "AI regulation landscape" --force-backend parallel \
  -o sources/research_20250217_144000_ai_regulation.md

# Batch queries — save to sources/
python research_lookup.py --batch "mRNA vaccines efficacy" "mRNA vaccines safety" \
  -o sources/batch_research_20250217_144500_mrna_vaccines.md

保存ファイルでの引用の保持

各出力形式では、引用の保持方法が異なります。

形式	含まれる引用	用途
parallel-cli JSON（デフォルト）	完全な検索結果オブジェクト：title、url、publish_date、excerpts	標準的な用途 — 構造化され、解析可能で、高速
テキスト（research_lookup.py）	[title] (date) + URL を含む Sources (N): セクションと、DOI および学術 URL を含む Additional References (N):	詳細調査／Perplexity — 人が読みやすい形式
JSON（research_lookup.py 経由の --json）	完全な引用オブジェクト：url、title、date、snippet、doi、type	詳細調査から最大限の引用メタデータが必要な場合

parallel-cli search の場合、保存される JSON ファイルには、各検索結果のタイトル、URL、公開日、コンテンツの抜粋を含む完全な検索結果が含まれます。 Parallel Chat API バックエンドの場合、保存されるファイルには、調査レポート、Sources リスト（タイトル、URL）、Additional References（DOI、学術 URL）が含まれます。 Perplexity バックエンドの場合、保存されるファイルには、学術的な要約、Sources リスト（タイトル、日付、URL、スニペット）、Additional References（DOI、学術 URL）が含まれます。

次の場合は --json を使用してください。

• 引用メタデータをプログラムで解析する場合
• BibTeX 生成用に完全な DOI および URL データを保持する場合
• 相互参照用に構造化された引用オブジェクトを維持する場合

すべてを保存する理由

1. 再現性：すべての引用と主張を元の調査ソースまでたどれます
2. コンテキストウィンドウの復元：コンテキストが圧縮された場合も、再クエリせずに保存済みの結果を読み直せます
3. 監査証跡：sources/ フォルダーには、すべての調査情報をどのように収集したかが正確に記録されます
4. 複数のセクションでの再利用：同じ調査結果を重複してクエリすることなく、複数のセクションから参照できます
5. コスト効率：新しい API 呼び出しを行う前に、sources/ に既存の結果がないか確認できます
6. 査読の支援：査読者は、各引用の根拠となる調査を検証できます

新しいクエリを行う前に、まずソースを確認する

research_lookup.py を呼び出す前に、関連する結果がすでに存在するか確認してください。

ls sources/  # Check existing saved results

以前の検索で同じトピックが扱われている場合は、新しい API 呼び出しを行わず、保存済みのファイルを読み直してください。

ログ記録

調査結果を保存する際は、必ず次の内容を記録してください。

[HH:MM:SS] SAVED: Research lookup to sources/research_20250217_143000_crispr_advances.md (3,800 words, 8 citations)
[HH:MM:SS] SAVED: Paper search to sources/papers_20250217_143500_transformer_attention.md (6 papers found)

---

科学論文の執筆との連携

このスキルは、次の方法で科学論文の執筆を支援します。

1. 文献レビューの支援：序論や考察に必要な最新の調査結果を収集します — sources/ に保存
2. 方法の検証：プロトコルを最新の標準と照合して検証します — sources/ に保存
3. 結果の文脈化：知見を、最近の類似研究と比較します — sources/ に保存
4. 考察の強化：最新のエビデンスで論拠を補強します — sources/ に保存
5. 引用の管理：適切に書式設定された引用を提供します — sources/ に保存

補完ツール

タスク	ツール
一般的なウェブ検索（高速）	parallel-cli search（このスキルに組み込み済み）
学術分野に特化したウェブ検索	parallel-cli search --include-domains（このスキルに組み込み済み）
URL コンテンツの抽出	parallel-cli extract（parallel-web スキル）
詳細な調査（網羅的）	Parallel Chat API または parallel-web の詳細な調査を介した research-lookup
学術論文の検索	research-lookup（Perplexity に自動ルーティング）
Google Scholar の検索	citation-management スキル
PubMed の検索	citation-management スキル
DOI から BibTeX への変換	citation-management スキル
メタデータの検証	parallel-cli extract（parallel-web スキル）

---

エラー処理と制限事項

既知の制限事項：

• parallel-cli search：parallel-cli のインストールと認証が必要です
• Parallel Chat API（コアモデル）：複雑なクエリでは最大 5 分かかる場合があります
• Perplexity：情報のカットオフがあり、ペイウォールの背後にある全文にアクセスできない場合があります
• すべてのバックエンド：独自仕様またはアクセス制限のあるデータベースにはアクセスできません

フォールバック動作：

• parallel-cli が見つからない場合は、curl -fsSL https://parallel.ai/install.sh | bash または uv tool install "parallel-web-tools[cli]" でインストールします
• parallel-cli search で十分な結果が得られない場合は、Perplexity または Parallel Chat API にフォールバックします
• 選択したバックエンドの API キーがない場合は、もう一方のバックエンドを試します
• すべてのバックエンドで失敗した場合は、構造化されたエラーレスポンスを返します
• 最初の応答が不十分な場合は、より良い結果を得るためにクエリを言い換えます

---

使用例

例 1：一般的な調査（parallel-cli search にルーティング）

クエリ：「2025 年のトランスフォーマーのアテンション機構における最近の進展」

バックエンド：parallel-cli search（デフォルト、高速）

コマンド：

parallel-cli search "Recent advances in transformer attention mechanisms 2025" \
  -q "transformer" -q "attention" -q "2025" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "arxiv.org,semanticscholar.org,nature.com,science.org,ieee.org,acm.org" \
  -o sources/research_transformer_attention-academic.json

parallel-cli search "Recent advances in transformer attention mechanisms 2025" \
  -q "transformer" -q "attention" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_transformer_attention-general.json

応答：学術および一般的な情報源からのインライン引用を含む統合された調査結果です。最近の論文、主な革新、性能ベンチマークを網羅しています。

例 2：学術論文の検索（Perplexity にルーティング）

クエリ：「臨床試験における CRISPR のオフターゲット効果に関する論文を探す」

バックエンド：Perplexity sonar-pro-search（学術モード）

応答：影響力の高い論文を 5～8 件選定し、完全な引用情報、DOI、被引用数、掲載誌のランク指標を含むリストです。

例 3：比較分析（parallel-cli search にルーティング）

クエリ：「がん治療における mRNA ワクチンと従来のワクチンを比較対照する」

バックエンド：parallel-cli search（デフォルト、高速）

応答：複数のウェブ情報源からのインライン引用を含む統合比較です。構造化された分析と、エビデンスの質に関する注記を含みます。

例 4：市場データ（parallel-cli search にルーティング）

クエリ：「2025 年の医療分野における世界の AI 導入状況の統計」

バックエンド：parallel-cli search（デフォルト、高速）

parallel-cli search "Global AI adoption in healthcare statistics 2025" \
  -q "AI healthcare" -q "adoption statistics" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --after-date 2024-01-01 \
  -o sources/research_ai_healthcare_adoption.json

応答：出典の引用を含む最新の市場データ、導入率、成長予測、地域別分析です。

---

概要

このスキルは、インテリジェントな 3 つのバックエンドへのルーティングを備えた、主要な調査インターフェースとして機能します。

• parallel-cli search（デフォルト）：parallel-web スキルを介して学術情報源を優先する、高速で費用対効果の高いウェブ検索
• Parallel Chat API（core モデル）：詳細で網羅的な複数情報源の統合（明示的なリクエストがあった場合のみ）
• Perplexity sonar-pro-search：学術分野に特化した論文検索のみ
• 自動ルーティング：クエリの種類を検出し、最適なバックエンドにルーティング
• 手動オーバーライド：必要に応じて任意のバックエンドを強制的に使用
• 学術情報源の優先：2 段階検索パターンにより、科学的なクエリで学術情報源が確実に表示されます