research-lookup

研究情報の検索

概要

このスキルを使用すると、OpenRouter 経由で Perplexity の Sonar モデルを利用して、研究情報をリアルタイムで検索できます。クエリの複雑さに応じて、Sonar Pro（高速で効率的な検索）と Sonar Reasoning Pro（高度な分析的推論）をインテリジェントに選択します。このスキルでは、適切な引用と出典情報とともに、最新の学術文献、最近の研究、技術文書、一般的な研究情報にアクセスできます。

このスキルを使用する場面

次のような情報が必要な場合に、このスキルを使用してください。

• 最新の研究情報：特定分野の最新の研究、論文、調査結果
• 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：科学的な文章作成に必要な背景情報や根拠を集める
• 引用元の検索：論文で引用する関連論文や研究を探す
• 技術文書：仕様、プロトコル、方法論を調べる
• 最近の動向：新たなトレンドやブレークスルーを把握する
• 統計データ：最新の統計、調査結果、研究結果を探す
• 専門家の見解：最近のインタビュー、レビュー、解説から知見を得る

主な機能

1. 学術研究に関するクエリ

学術文献の検索：特定分野の最近の論文、研究、レビューを検索します。

Query Examples:
- "Recent advances in CRISPR gene editing 2024"
- "Latest clinical trials for Alzheimer's disease treatment"
- "Machine learning applications in drug discovery systematic review"
- "Climate change impacts on biodiversity meta-analysis"

想定される回答形式：

• 最近の文献から得られた主な知見の要約
• 著者、タイトル、学術誌、発行年を含む、最も関連性の高い論文 3～5 件の引用
• 主な統計や調査結果の提示
• 研究の空白や議論の特定
• 入手可能な場合は論文全文へのリンク

2. 技術情報と方法論に関する情報

プロトコルと手法の検索：詳細な手順、仕様、方法論を探します。

Query Examples:
- "Western blot protocol for protein detection"
- "RNA sequencing library preparation methods"
- "Statistical power analysis for clinical trials"
- "Machine learning model evaluation metrics"

想定される回答形式：

• 手順やプロトコルの段階的な説明
• 必要な材料と機器
• 重要なパラメーターと考慮事項
• よくある問題のトラブルシューティング
• 標準プロトコルや基礎となる論文の参照

3. 統計とデータに関する情報

研究統計の検索：最新の統計、調査結果、研究データを調べます。

Query Examples:
- "Prevalence of diabetes in US population 2024"
- "Global renewable energy adoption statistics"
- "COVID-19 vaccination rates by country"
- "AI adoption in healthcare industry survey"

想定される回答形式：

• 日付と出典を含む最新の統計
• データ収集の方法論
• 入手可能な場合は信頼区間や誤差範囲
• 前年や基準値との比較
• 元となる調査や研究の引用

4. 引用と参考文献のサポート

引用文献の検索：論文で引用する関連論文や研究を探します。

Query Examples:
- "Foundational papers on transformer architecture"
- "Seminal works in quantum computing"
- "Key studies on climate change mitigation"
- "Landmark trials in cancer immunotherapy"

想定される回答形式：

• 最も影響力がある、または関連性の高い論文 5～10 件
• 完全な引用情報（著者、タイトル、学術誌、発行年、DOI）
• 各論文の貢献についての簡単な説明
• 入手可能な場合は引用影響度の指標（h-index、被引用数）
• 学術誌のインパクトファクターとランキング

モデルの自動選択

このスキルでは、クエリの複雑さに応じてモデルをインテリジェントに選択します。

モデルの種類

1. Sonar Pro（perplexity/sonar-pro）

• 用途：簡単な情報検索
• 最適な用途：
  • 簡単な事実確認のクエリ
  • 最近の出版物の検索
  • 基本的なプロトコルの検索
  • 統計データの取得
• 速度：高速な応答
• コスト：クエリあたりのコストが低い

2. Sonar Reasoning Pro（perplexity/sonar-reasoning-pro）

• 用途：高度な推論を必要とする複雑な分析クエリ
• 最適な用途：
  • 比較分析（「X と Y の比較」）
  • 複数の研究の統合
  • トレードオフや議論の評価
  • メカニズムや関係性の説明
  • 批判的な分析と解釈
• 速度：応答は遅いものの、より詳細
• コスト：クエリあたりのコストは高いものの、より深い洞察を提供

複雑さの評価

このスキルは、次の指標を使用してクエリの複雑さを自動的に検出します。

推論キーワード（Sonar Reasoning Pro を起動）：

• 分析：compare、contrast、analyze、analysis、evaluate、critique
• 比較：versus、vs、vs.、compared to、differences between、similarities
• 統合：meta-analysis、systematic review、synthesis、integrate
• 因果関係：mechanism、why、how does、how do、explain、relationship、causal relationship、underlying mechanism
• 理論：theoretical framework、implications、interpret、reasoning
• 議論：controversy、conflicting、paradox、debate、reconcile
• トレードオフ：pros and cons、advantages and disadvantages、trade-off、tradeoff、trade offs
• 複雑さ：multifaceted、complex interaction、critical analysis

複雑さのスコアリング：

• 推論キーワード：1 つにつき 3 ポイント（重み付け大）
• 複数の質問：疑問符 1 つにつき 2 ポイント
• 複雑な文構造：節を示す語句 1 つにつき 1.5 ポイント（and、or、but、however、whereas、although）
• 非常に長いクエリ：150 文字を超える場合は 1 ポイント
• しきい値：スコアが 3 ポイント以上のクエリでは Sonar Reasoning Pro が起動します

実際の結果：強い推論キーワード（compare、explain、analyze など）が 1 つあるだけでも、より高性能な Sonar Reasoning Pro モデルが起動し、必要なときに深い分析が得られます。

クエリ分類の例：

✅ Sonar Pro（簡単な検索）：

• 「CRISPR 遺伝子編集の最近の進歩 2024」
• 「米国人口における糖尿病の有病率」
• 「タンパク質検出のためのウェスタンブロットプロトコル」

✅ Sonar Reasoning Pro（複雑な分析）：

• 「がん治療における mRNA ワクチンと従来のワクチンを比較し、違いを説明してください」
• 「腸内マイクロバイオームと抑うつの関係の根底にあるメカニズムを説明してください」
• 「医療診断における AI をめぐる論争を分析し、トレードオフを評価してください」

手動での上書き

force_model パラメーターを使用して、特定のモデルを強制的に指定できます。

# Force Sonar Pro for fast lookup
research = ResearchLookup(force_model='pro')

# Force Sonar Reasoning Pro for deep analysis
research = ResearchLookup(force_model='reasoning')

# Automatic selection (default)
research = ResearchLookup()

コマンドラインでの使用方法：

# Force Sonar Pro
python research_lookup.py "your query" --force-model pro

# Force Sonar Reasoning Pro
python research_lookup.py "your query" --force-model reasoning

# Automatic (no flag)
python research_lookup.py "your query"

技術的な統合

OpenRouter API の設定

このスキルは OpenRouter（openrouter.ai）と統合し、Perplexity の Sonar モデルにアクセスします。

モデルの仕様：

• モデル：
  • perplexity/sonar-pro-online（高速検索）
  • perplexity/sonar-reasoning-pro-online（詳細な分析）
• 検索モード：学術モード（査読済みの情報源を優先）
• コンテキストウィンドウ：包括的な調査に対応する 200K 以上のトークン
• 機能：学術論文の検索、引用の生成、学術的な分析
• 出力：学術データベースからの引用と情報源へのリンクを含む、充実した回答

API の要件：

• OpenRouter API キー（環境変数 OPENROUTER_API_KEY として設定）
• 調査クエリに必要なクレジットを十分に備えたアカウント
• 情報源の適切な明示と引用

学術モードの設定：

• 学術的な情報源を優先するように設定されたシステムメッセージ
• 査読済みのジャーナルや学術出版物を中心とした検索
• 学術文献向けの引用抽出機能の強化
• 比較的新しい学術文献（2020～2024 年）の優先
• 学術データベースおよびリポジトリへの直接アクセス

回答の品質と信頼性

情報源の検証：このスキルでは、次の情報源を優先します。

• 査読済みの学術論文やジャーナル
• 信頼できる機関の情報源（大学、政府機関、NGO）
• 最近の出版物（過去 2～3 年以内のものを優先）
• 影響力の大きいジャーナルや学会
• 二次情報源より一次研究

引用の基準：すべての回答には、次の内容が含まれます。

• 完全な書誌情報
• 利用可能な場合は DOI または安定した URL
• ウェブ情報源のアクセス日
• 直接引用やデータの明確な出典表記

クエリ作成のベストプラクティス

1. モデル選択の戦略

シンプルな検索の場合（Sonar Pro）：

• 特定のトピックに関する最近の論文
• 統計データや有病率
• 標準的なプロトコルや方法論
• 特定の論文の引用情報の検索
• 事実情報の検索

複雑な分析の場合（Sonar Reasoning Pro）：

• 比較研究と統合
• メカニズムの説明
• 論争の評価
• トレードオフの分析
• 理論的枠組み
• 多面的な関係性

プロのヒント：自動選択は、ほとんどのユースケースに最適化されています。特定の要件がある場合、またはクエリに検出された以上の深い推論が必要だとわかっている場合に限り、force_modelを使用してください。

2. 具体的で焦点を絞ったクエリ

良いクエリ（適切なモデルが選択されます）：

• 「がん治療を目的としたmRNAワクチンの2023～2024年のランダム化比較試験」→ Sonar Pro
• 「がん治療を目的としたmRNAワクチンと従来型ワクチンの有効性および安全性を比較」→ Sonar Reasoning Pro
• 「CRISPRのオフターゲット効果が起こるメカニズムと、それを最小限に抑える戦略を説明」→ Sonar Reasoning Pro

良くないクエリ：

• 「AIについて教えて」（範囲が広すぎます）
• 「がん研究」（具体性に欠けます）
• 「最新ニュース」（曖昧すぎます）

3. 構造化されたクエリ形式

推奨する構造：

[Topic] + [Specific Aspect] + [Time Frame] + [Type of Information]

例：

• 「CRISPR遺伝子編集 + オフターゲット効果 + 2024年 + 臨床試験」
• 「量子コンピューティング + 誤り訂正 + 最近の進展 + 総説論文」
• 「再生可能エネルギー + 太陽光発電の効率 + 2023～2024年 + 統計データ」

4. フォローアップクエリ

効果的なフォローアップ：

• 「Smithらによる2024年の論文の完全な引用情報を示してください」
• 「この方法論にはどのような限界がありますか？」
• 「異なるアプローチを用いた類似の研究を探してください」
• 「この研究分野にはどのような論争がありますか？」

科学論文の執筆との連携

このスキルは、以下を提供することで科学論文の執筆を支援します。

1. 文献レビューの支援：序論と考察のセクションに必要な最新の研究を収集します
2. 方法の検証：プロトコルと手順を最新の基準と照らし合わせて確認します
3. 結果の文脈化：研究結果を最近の類似研究と比較します
4. 考察の強化：最新のエビデンスで主張を裏付けます
5. 引用文献の管理：複数のスタイルで適切に書式設定された引用文献を提示します

エラー処理と制限事項

既知の制限事項：

• 情報のカットオフ：応答は学習データ（通常は2023～2024年）に限定されます
• ペイウォール内のコンテンツ：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
• 新たな研究：まだインデックスに登録されていないごく最近の論文を見逃す可能性があります
• 専門データベース：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

エラー条件：

• APIのレート制限またはクォータ超過
• ネットワーク接続の問題
• 不正な形式または曖昧なクエリ
• モデルが利用できない、またはメンテナンス中

フォールバック戦略：

• クエリを言い換えて、より明確にします
• 複雑なクエリをより単純な要素に分割します
• 最近のデータが見つからない場合は、より広い期間を指定します
• 複数の異なるクエリで相互参照します

使用例

例1：シンプルな文献検索（Sonar Pro）

クエリ：「2024年のTransformerのアテンションメカニズムに関する最近の進展」

選択されたモデル：Sonar Pro（単純な検索）

応答に含まれる内容：

• 2024年の主要な論文5本の要約
• DOIを含む完全な引用情報
• 主なイノベーションと改善点
• 性能ベンチマーク
• 今後の研究の方向性

例2：比較分析（Sonar Reasoning Pro）

クエリ：「系列モデリングにおけるTransformerベースのモデルと従来のRNNの利点および限界を比較・対照してください」

選択されたモデル：Sonar Reasoning Pro（複雑な分析が必要）

応答に含まれる内容：

• 複数の観点からの詳細な比較
• アーキテクチャの違いの分析
• 計算効率と性能のトレードオフ
• ユースケースの推奨
• 複数の研究から得られたエビデンスの統合
• この分野で続いている論争についての考察

例 3：手法の検証（Sonar Pro）

クエリ：「フローサイトメトリー解析の標準プロトコル」

選択されたモデル：Sonar Pro（プロトコルの検索）

回答に含まれる内容：

• 最近の総説に基づく、手順ごとのプロトコル
• 必要なコントロールとキャリブレーション
• よくある落とし穴とトラブルシューティング
• 標準的な方法論を示す論文への参照
• メリットとデメリットを含む代替手法

例 4：メカニズムの解説（Sonar Reasoning Pro）

クエリ：「mRNA ワクチンが免疫応答を引き起こす仕組みと、従来のワクチンとの違いを説明してください」

選択されたモデル：Sonar Reasoning Pro（因果関係の推論が必要）

回答に含まれる内容：

• 詳細なメカニズムの解説
• 生物学的プロセスの段階的な説明
• 従来のワクチンとの比較分析
• 分子レベルでの相互作用
• 免疫学と薬理学の概念の統合
• 最近の研究に基づくエビデンス

例 5：統計データ（Sonar Pro）

クエリ：「2024 年の医療分野における世界の AI 導入統計」

選択されたモデル：Sonar Pro（データの検索）

回答に含まれる内容：

• 地域別の現在の導入率
• 市場規模と成長予測
• 調査方法とサンプルサイズ
• 前年までのデータとの比較
• 市場調査レポートの引用

パフォーマンスとコストに関する考慮事項

応答時間

Sonar Pro：

• 通常の応答時間：5～15 秒
• 迅速な情報収集に最適
• バッチクエリに適しています

Sonar Reasoning Pro：

• 通常の応答時間：15～45 秒
• 複雑な分析クエリでは、待つ価値があります
• より徹底した推論と統合を提供します

コストの最適化

自動選択のメリット：

• 単純なクエリには Sonar Pro を使用し、コストを削減します
• より深い分析が必要なクエリに Sonar Reasoning Pro を割り当てます
• コストと品質のバランスを最適化します

手動でモデルを指定するケース：

• 予算に制約があり、速度を優先する場合は Sonar Pro を指定します
• 最大限の深さが求められる重要な研究では Sonar Reasoning Pro を指定します
• 論文の特定のセクションで使い分けます（例：方法には Pro、考察には Reasoning）

ベストプラクティス：

1. ほとんどのユースケースでは、自動選択を活用します
2. クエリの結果を確認します。Sonar Pro で十分な深さが得られない場合は、推論に関連するキーワードを使って表現を変えます
3. バッチクエリを戦略的に活用し、単純な検索をまとめてクエリ総数を最小限に抑えます
4. 文献レビューでは、まず Sonar Pro で幅広く調べ、その後 Sonar Reasoning Pro で統合します

セキュリティと倫理に関する考慮事項

責任ある利用：

• 可能な場合は、すべての情報を一次資料と照合します
• すべてのデータと引用の出典を明確に示します
• AI が生成した要約を独自の研究成果として提示しないでください
• 著作権とライセンスの制限を尊重します
• ペイウォールやサブスクリプションを回避するのではなく、研究支援に利用します

学術的誠実性：

• AI ツールではなく、必ず一次資料を引用します
• 文献検索の出発点として利用します
• AI ツールの使用に関する所属機関のガイドラインに従います
• 研究方法について透明性を保ちます

まとめ

このスキルは、2 つのモデルをインテリジェントに選択する強力な研究アシスタントとして機能します。

• インテリジェントな自動選択：クエリの複雑さを分析し、最適なモデル（Sonar Pro または Sonar Reasoning Pro）を選択します
• コスト効率：単純な検索には、より高速で安価な Sonar Pro を使用します
• 詳細な分析：複雑な比較、分析、理論に関するクエリには、Sonar Reasoning Pro を自動的に使用します
• 柔軟な制御：必要な分析のレベルが明確な場合は、手動で指定できます
• 学術研究に特化：どちらのモデルも、査読済みの情報源と学術文献を優先するよう設定されています

素早い事実確認から深い分析と統合まで、このスキルは科学論文の執筆に必要な研究支援のレベルに合わせて自動的に対応します。