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 Chat API（core モデル）：一般的な研究クエリすべてのデフォルトバックエンドです。https://api.parallel.ai の OpenAI 互換 Chat API を通じて、インライン引用付きの包括的な複数ソースによる調査レポートを提供します。
• 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されます。

このスキルはクエリの種類を自動的に判定し、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
• 文献の検証：事実、統計、主張を最新の研究と照らし合わせて確認する
• 背景調査：科学的な文章作成のために、背景情報と裏付けとなる根拠を集める
• 引用元の検索：引用に適した関連論文や研究を探す
• 技術文書：仕様、プロトコル、手法を調べる
• 市場／業界データ：最新の統計、トレンド、競合情報
• 最近の動向：新たなトレンド、ブレークスルー、発表

科学的な図解による視覚的な強化

このスキルで文書を作成する際は、視覚的な伝達を強化する科学的な図や模式図を追加することを常に検討してください。

文書に模式図や図がまだ含まれていない場合は、次のようにします。

• scientific-schematics スキルを使用して、AI による高品質な出版用図を生成する
• 作成したい図を自然な言葉で説明するだけで構いません

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、内容に応じて最適なバックエンドにクエリを自動的にルーティングします。

ルーティングロジック

Query arrives
    |
    +-- Contains academic keywords? (papers, DOI, journal, peer-reviewed, etc.)
    |       YES --> Perplexity sonar-pro-search (academic search mode)
    |
    +-- Everything else (general research, market data, technical info, analysis)
            --> Parallel Chat API (core model)

学術関連のキーワード（Perplexity にルーティング）

次の用語を含むクエリは、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

その他すべて（Parallel にルーティング）

その他のクエリはすべて Parallel Chat API（core モデル）に送られます。以下が含まれます。

• 一般的な研究上の質問
• 市場および業界の分析
• 技術情報および文書
• 時事問題および最近の動向
• 比較分析
• 統計データの取得
• 複雑な分析クエリ

手動での上書き

特定のバックエンドを指定できます。

# Force Parallel Deep Research
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. 一般的な研究クエリ（Parallel Chat API）

デフォルトのバックエンドです。 Chat API（core モデル）を通じて、引用付きの包括的な複数ソースによる調査を提供します。

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"

回答には次の内容が含まれます。

• Markdown 形式の包括的な調査レポート
• 信頼できるウェブ情報源からのインライン引用
• 主な知見をまとめた構成済みのセクション
• 複数の視点とデータポイント
• 検証用の情報源 URL

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されます。 学術データベースと査読済みの情報源を優先します。

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"

回答には次の内容が含まれます。

• 学術文献から得られた主な知見の要約
• 著者、タイトル、ジャーナル、出版年、DOI を含む、質の高い引用 5～8 件
• 引用数と掲載誌の格付け指標
• 主な統計情報と手法の要点
• 研究上のギャップと今後の方向性

3. 技術および方法論に関する情報

Query Examples:
- "Western blot protocol for protein detection"
- "Statistical power analysis for clinical trials"
- "Machine learning model evaluation metrics comparison"

4. 統計および市場データ

Query Examples:
- "Prevalence of diabetes in US population 2025"
- "Global AI market size and growth projections"
- "COVID-19 vaccination rates by country"

---

論文の質と注目度の優先

重要：論文を検索する際は、質が高く影響力の大きい論文を必ず優先してください。

引用数に基づくランキング

論文の発表からの年数	引用数のしきい値	分類
0～3年	20件以上	注目すべき論文
0～3年	100件以上	影響力の高い論文
3～7年	100件以上	重要な論文
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	基盤となる研究

掲載先の品質区分

Tier 1 - 最高峰の掲載先（常に優先）：

• 総合科学：Nature、Science、Cell、PNAS
• 医学：NEJM、Lancet、JAMA、BMJ
• 分野特化型：Nature Medicine、Nature Biotechnology、Nature Methods
• トップクラスのCS／AI：NeurIPS、ICML、ICLR、ACL、CVPR

Tier 2 - 影響力の高い専門分野向け掲載先（強く優先）：

• インパクトファクターが10を超えるジャーナル
• サブフィールドのトップカンファレンス（EMNLP、NAACL、ECCV、MICCAI）

Tier 3 - 評判の高い専門分野向け掲載先（関連する場合に含める）：

• インパクトファクターが5～10のジャーナル

---

技術的な統合

環境変数

# Primary backend (Parallel Chat API) - REQUIRED
export PARALLEL_API_KEY="your_parallel_api_key"

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

API 仕様

Parallel Chat API：

• エンドポイント：https://api.parallel.ai（OpenAI SDK と互換）
• モデル：core（レイテンシー60秒～5分、複雑な複数ソースの統合向け）
• 出力：インライン引用付きの Markdown テキスト
• 引用：URL、推論、信頼度を含む調査の根拠
• レート制限：300 req/min
• Python パッケージ：openai

Perplexity sonar-pro-search：

• モデル：perplexity/sonar-pro-search（OpenRouter 経由）
• 検索モード：学術（査読済みソースを優先）
• 検索コンテキスト：高（包括的な調査）
• 応答時間：5～15秒

コマンドラインでの使用方法

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

# Force specific backend — ALWAYS save to sources/
python research_lookup.py "your query" --force-backend parallel -o sources/research_<topic>.md
python research_lookup.py "your query" --force-backend perplexity -o sources/papers_<topic>.md

# JSON output — ALWAYS save to sources/
python research_lookup.py "your query" --json -o sources/research_<topic>.json

# Batch queries — 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

research-lookup 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、再現性の確保に不可欠です。

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 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：research_lookup.py の呼び出しにはすべて、sources/ フォルダーを出力先とする -o フラグを含める必要があります。

重要：保存ファイルには、すべての引用、ソース URL、DOI を保持する必要があります。 デフォルトのテキスト出力には、Sources セクション（各ソースのタイトル、日付、URL）と、Additional References セクション（応答テキストから抽出した DOI と学術 URL）が自動的に含まれます。引用メタデータを最大限に保持するには、--json を使用してください。

# General research — save to sources/ (includes Sources + Additional References sections)
python research_lookup.py "Recent advances in CRISPR gene editing 2025" \
  -o sources/research_20250217_143000_crispr_advances.md

# Academic paper search — save to sources/ (includes paper citations with DOIs)
python research_lookup.py "Find papers on transformer attention mechanisms in NeurIPS 2024" \
  -o sources/papers_20250217_143500_transformer_attention.md

# JSON format for maximum citation metadata (full citation objects with URLs, DOIs, snippets)
python research_lookup.py "CRISPR clinical trials" --json \
  -o sources/research_20250217_143000_crispr_trials.json

# Forced backend — 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情報の保持

出力形式によって引用情報の保持方法は異なります。

形式	含まれる引用情報	使用する場面
テキスト（デフォルト）	[title] (date) + URL を含む Sources (N): セクション、および DOI と学術 URL を含む Additional References (N):	標準的な用途 — すべての引用を含む、人が読みやすい形式
JSON（--json）	完全な引用オブジェクト：url、title、date、snippet、doi、type	引用メタデータを最大限に保持する場合

Parallel バックエンドでは、保存ファイルに調査レポート、Sources リスト（タイトル、URL）、Additional References（DOI、学術 URL）が含まれます。 Perplexity バックエンドでは、保存ファイルに学術的な要約、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
• BibTeX の生成用に DOI と URL の全データを保持する
• 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

すべてを保存する理由

1. 再現性：すべての引用と主張を、元となる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でも、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. セクション間での再利用：同じ保存済み調査を複数のセクションで参照できるため、クエリの重複を防げます
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します
6. 査読の支援：査読者は、各引用を裏付ける調査を検証できます

新しいクエリを実行する前に、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ます。

ls sources/  # Check existing saved results

以前の検索結果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、次の機能を提供して科学論文の執筆を支援します。

1. 文献レビューの支援：序論と考察に必要な最新の研究を収集します — sources/ に保存します
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/ に保存します
3. 結果の位置づけ：研究結果を、最近の類似研究と比較します — sources/ に保存します
4. 考察の強化：最新のエビデンスで主張を裏付けます — sources/ に保存します
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/ に保存します

補完ツール

タスク	ツール
一般的なウェブ検索	parallel-web スキル（parallel_web.py search）
引用の検証	parallel-web スキル（parallel_web.py extract）
詳細な調査（あらゆるトピック）	research-lookup または parallel-web スキル
学術論文の検索	research-lookup（Perplexity に自動でルーティング）
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-web スキル（parallel_web.py search または extract）

---

エラー処理と制限事項

既知の制限事項：

• Parallel Chat API（コアモデル）：複雑なクエリには最大 5 分かかることがあります
• 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はアクセスできない場合があります
• 両方：独自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

フォールバックの動作：

• 選択したバックエンドの API キーがない場合、もう一方のバックエンドを試します
• 両方のバックエンドが失敗した場合、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 にルーティング）

クエリ：「2025 年のトランスフォーマーの注意機構に関する最近の進展」

バックエンド：Parallel Chat API（コアモデル）

応答：権威あるソースからの引用を含む包括的な Markdown レポート。最近の論文、主な技術革新、性能ベンチマークを扱います。

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 5～8 件を厳選したリスト。完全な引用情報、DOI、被引用数、会場のティアを示す指標を含みます。

例 3：比較分析（Parallel にルーティング）

クエリ：「がん治療における mRNA ワクチンと従来型ワクチンを比較し、違いを説明する」

バックエンド：Parallel Chat API（コアモデル）

応答：複数のソースのデータに基づく詳細な比較レポート。体系的な分析と、引用付きのエビデンスを含みます。

例 4：市場データ（Parallel 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 導入状況に関する統計」

バックエンド：Parallel Chat API（コアモデル）

応答：ソースの引用付きで、最新の市場データ、導入率、成長予測、地域別分析を示します。

---

概要

このスキルは、インテリジェントなデュアルバックエンドルーティングを備えた主要なリサーチインターフェースです。

• Parallel Chat API（デフォルト、core モデル）：あらゆるトピックを対象とした、包括的な複数ソースのリサーチ
• Perplexity sonar-pro-search：学術論文に特化した検索のみ
• 自動ルーティング：学術的なクエリを検出し、適切なバックエンドにルーティングします
• 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できます
• 併用可能：ウェブ検索と URL 抽出には、parallel-web スキルと組み合わせて利用できます