mcpField
R
research-methodology

research-methodology

github.com/magnus919生産性16170 回インストール1 日前に更新
リポジトリ

research-methodology について

research-methodology は、サブエージェント向けの調査プロセススキルで、ジャーナリズム、業界分析、学術・包括調査に対応します。共通の調査工程に、情報源の評価、証拠の長期保存、中断後の再開方法を組み合わせています。

主な機能

  1. 013種類の調査トラックに対応
  2. 02範囲設定から報告までの工程を網羅
  3. 03情報源と証拠の評価
  4. 04追跡可能な調査成果物と出典関係の保存
  5. 05中断時のチェックポイントからの復旧
  6. 06調査ブリーフ、ログ、メディア証拠テンプレート

活用シーン

  1. 01一次情報に基づく調査報道
  2. 02業界動向や市場戦略の分析
  3. 03体系的な学術・包括調査
  4. 04技術やメディアに関する主張の検証

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/magnus919/agent-skills --skill research-methodology

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

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

README.md
assets/
media-claim-ledger.md
research-brief.md
research-log.md
evals/
evals.json
references/
industry-analysis.md
journalistic-research.md
media-evidence-routing.md
research-lifecycle.md
source-evaluation.md
source-index.md
structured-analytic-techniques.md
synthesis-patterns.md
technical-verification.md

詳細

調査方法

サブエージェント向けの専門的な調査プロセスです。調査の種類に応じて、3つのトラックがあります。

  • ジャーナリズム — 調査記事、一次資料の調査、豊富な情報源に基づくナラティブ記事
  • 業界分析 — 市場調査と戦略、シグナルの検出
  • 学術/包括的調査 — 深さが最も重要となる、徹底的で体系的な調査

3つのトラックは、同じライフサイクル(範囲設定 → 収集 → 評価 → 分析 → 統合 → 報告)を共有しますが、証拠の基準、速度、出力形式は異なります。

メディア証拠は、運用上の4つ目のトラックではなく、技術的な検証を拡張するものです。このスキルは、調査範囲、情報源の評価、主張の確定、サンプリングの網羅性監査、除外、永続的な保存を担当します。ffmpeg スキルは、FFmpeg のコマンド、メディアのプローブ、抽出、編集、レンダリング、対象の検証を担当します。意味や編集上の観察と承認は、人間または十分な能力を持つレビュアーが担当します。調査結果がメディアツール、サンプリングしたフレーム/音声/文字起こし、または編集上の判断に依存する場合は、references/media-evidence-routing.md を読み込んでください。

使用しない場合

次の場合は、このスキルを読み込まないでください。

  • 単一の事実確認や簡単な回答 — 直接回答してください。完全な調査ライフサイクルを実行しても、コストが増えるだけで信頼性は高まりません。
  • 調査を必要としない直接的な実装作業 — 代わりに変更を実装し、検証してください(backend-engineering、frontend-engineering)。
  • 特定の検索またはキャプチャツールの操作 — 手順書レベルの設定や診断には、そのツールのスキルを読み込んでください。
  • 評価や統合を伴わないウェブコンテンツの生キャプチャ — 取得はキャプチャツール自体のスキルが担当します。このスキルは、情報源の評価から開始します。
  • 収集済みの調査結果を、永続的な要約、分析ファイル、証拠資料に整理する作業 — 出力の構成には artifact-pyramids を使用してください。
  • 調査からノート作成までを繰り返す一連の作業で、キャプチャした情報源を永続的なノートに保存する作業 — research-and-vault を使用してください。

調査ライフサイクル

SCOPE → GATHER → EVALUATE → ANALYZE → SYNTHESIZE → REPORT

永続的成果物のゲート

エージェントがもっともらしい回答を作成しただけでは、調査は完了していません。再利用可能な証拠と推論が、ホストシステムとそのユーザーにとって自然な永続形式で保存された時点で、調査は完了です。

報告する前に、保存先を明確に決定してください。

  1. 永続的な保存先を特定します。 ホストで通常使用する長期保存向けの調査場所を使います。たとえば、リンクされたナレッジレコード、管理対象のレポート一式、調査データベース、プロジェクト文書、その他のユーザーから見える成果物です。チャット、一時的なワークスペース、追跡されない作業用ファイルに、唯一の有用な出力を残さないでください。
  2. 情報源本来の粒度で抽出します。 将来の推論を実質的に変える、個別の再利用可能な主張、データポイント、方法、矛盾、未解決の疑問をすべて記録します。原子、調査結果、ノートの固定数を終了条件にしないでください。保持する情報源がすべて抽出ログに記録されるまで続けてください。
  3. 出所と関連性を保持します。 各永続的成果物には、情報源の URL または引用、アクセス日、証拠の強さに加え、問い、関連成果物、それに依存する統合結果へのリンクを残します。
  4. 抽出と統合を分けます。 ブリーフやレポートは結論を説明するものですが、基礎となる証拠記録の代わりにはなりません。要約にまとめる前に、情報源レベルの記録と再利用可能な主張を保存してください。
  5. 保存しなかったものを記録します。 情報源を却下した、証拠が弱い、アクセスできない、重複している、または対象範囲外であると判断した場合は、その決定を調査ログに記録してください。後から調査する人が、意図的に除外された情報源と、見落とされた情報源を区別できるようにする必要があります。

適切な成果物の形は、環境によって異なります。特定のデータベース、ノート作成アプリケーション、オーケストレーションシステムを前提としないでください。変わらない要件は、永続的で、たどりやすく、証拠にリンクされた調査情報を、後から利用するユーザーやエージェントが発見し、発展させられるようにすることです。

中断とタイムアウトからの復旧

調査ワーカーのタイムアウトは中断であり、調査結果ではありません。委任したワーカーが実行上限を超えたからといって、調査を終了したり、完了したものとして要約したり、有用な作業が何もないと推測したりしてはいけません。長時間の調査では、価値ある部分的な成果を得た後に、抽出の遅延、レート制限、あるいは応答しない情報源が一つ現れることがよくあります。長時間の調査は、範囲を区切って再開可能なサブタスクとして計画してください。タスクに適した実行時間を設定し、段階的にチェックポイントを記録して、任意に短い上限を設定したり、無制限の実行時間が使えると想定したりせず、最後に確認済みのチェックポイントから再開してください。

ワーカーがタイムアウトした場合:

  1. 失われたものを判断する前に、委任に関するトランスクリプト全体を読み、ワークスペースまたはスクラッチディレクトリを確認します。
  2. すでに記録されているすべての部分的な成果物、ソースのログ、抽出済みの主張を復旧し、検証します。
  3. 広範な情報探索を最初からやり直すのではなく、最後に永続的に記録されたチェックポイントから再開します。
  4. 時間のかかる処理、特に大きな PDF の抽出や、レート制限を受ける検索の繰り返しを絞り込むか置き換え、その後の各段階を逐次記録します。
  5. ワーカーを安全に再開できない場合は、不足している調査を直接続けるか、範囲を絞った小さなタスクに分割します。タイムアウトによって変わるのは実行経路であり、受け入れ基準ではありません。
  6. 調査の問いが十分に網羅され、保持するソースと主張が永続的な証拠成果物に反映され、未解決のギャップが明示されるまで、完了を報告してはいけません。

受け入れの判断基準は、証拠の完全性と成果物の検証であり、経過時間、ワーカーの状態、もっともらしい部分的な要約の有無ではありません。

参照ファイル

分野
分野参照先読み込むタイミング
ジャーナリズムreferences/journalistic-research.md調査報道記事を調査する場合 — 一次資料、インタビュー、文書、シリーズの管理、公開前の検証
業界分析references/industry-analysis.md業界分析記事を調査する場合 — シグナルの検出、企業に関する証拠、競合情報、ケーススタディの基準
アカデミック/包括的references/research-lifecycle.md深く体系的な調査を行う場合 — 問いの範囲設定、検索戦略、採用/除外基準
共通の方法論
参照先読み込むタイミング
references/source-evaluation.mdソースの信頼性を判断する場合 — CRAAP テスト、三角測量、信頼性の段階
references/structured-analytic-techniques.md競合する説明を評価する場合 — ACH、推進要因、プレモーテム、指標
references/synthesis-patterns.md複数のソースから得た知見を統合した結論にまとめる場合
references/technical-verification.mdベンチマーク、API の動作、設定など、技術的な主張を再現して検証する場合
references/media-evidence-routing.mdメディア調査で、調査/FFmpeg/レビュアーの明確な境界、サンプリング監査、またはソースから主張までの対応付けが必要な場合
アセット
アセット生成される内容
assets/research-brief.md知見、確信度の評価、証拠表、未解決の質問をまとめた構造化ブリーフ
assets/research-log.md検索、ソース、判断を追跡できる記録
assets/media-claim-ledger.mdメディアブリーフの境界、主張とソース/実験の対応付け、サンプリング監査、除外ログ

実質的な調査では、両方のアセットを使用します。作業を終了する前に、永続的な成果物のセクションを完成させ、保持するソースと抽出した主張が保存先システムに反映されていることを確認します。

公開前ゲートウェイ

事実に関する主張を含むコンテンツを作成する場合は、報告する前に該当するトラックの検証プロトコルを読み込んでください。

  • ジャーナリズム: references/journalistic-research.md の公開前7ステッププロトコル
  • 業界: references/industry-analysis.md の7ステップ調査プロトコル
  • 技術: references/technical-verification.md の5ステップ再現プロトコル

ポータビリティ

このスキルは、ホスト環境に依存しないよう意図的に設計されています。ここに記載されている参照資料、テンプレート、スクリプトの読み込みには、エージェントが通常使用している方法を使ってください。特定のプロファイルシステム、タスクオーケストレーター、メモリサービス、応答引き継ぎ形式を前提としないでください。

コメント