research-paper

研究論文

互換性のあるあらゆるコーディングエージェント （Claude Code、OpenCode、Cursor、Cline、Codex、Aider、Amp、Antigravity、 その他50以上）を、マルチエージェント研究システムに変える、本番環境向けのエージェントスキルです。

オーケストレーター → リサーチャー → 方法論担当者 → アナリスト → ビジュアライザー → ライター → 引用エンジン → バリデーター → レビュアー → パブリッシャー。

arXiv／IEEE／ACM／Nature／Harvardのスタイルに加え、文献レビュー、 論文、技術白書、サーベイ論文、政策概要など、引用が充実した、視覚的にも豊かで、そのまま公開できる成果物を作成します。

このファイルはエントリーポイントです。意図的に簡潔にしています。より詳細な ガイダンス（指示、ワークフロー、エンジン、バリデーター、評価基準）は、以下の トピックフォルダーに格納されており、Claude Code のファイルシステムツールを通じて 必要に応じて読み込まれます（段階的開示）。

---

1. 有効化するタイミング

スラッシュコマンド（推奨）

コマンド	機能
/research <topic>	完全な実証研究論文
/paper <topic>	/research と同じですが、より柔軟です
/literature-review <topic>	系統的／スコーピング／ナラティブ文献レビュー
/whitepaper <topic>	業界向け／技術白書
/thesis <topic>	論文／博士論文の章
/survey <topic>	最先端技術／サーベイ論文
/policy <topic>	政策概要または政策論文全体

一般的なオプション（すべてのコマンドで使用可能）： --style [harvard|apa|ieee|mla|chicago|nature|arxiv-numeric], --format [arxiv|ieee|acm|nature|harvard|...], --depth [quick|standard|comprehensive], --sources [N], --visualizations [auto|N|none], --audience [academic|technical|executive|general]。

自然言語によるトリガー

• 「…について研究論文／学術論文／科学論文を書いてください」
• 「…について文献レビュー／系統的レビューを行ってください」
• 「この草稿を IEEE／ACM／arXiv／Nature／Harvard／APA の形式にしてください」
• 「…について論文の章／博士論文の章を書いてください」
• 「…について白書／サーベイ論文／政策概要を作成してください」
• 「このデータセットを分析し、調査結果を論文にまとめてください」
• 「<style> の形式で引用／参考文献一覧／文献を追加してください」
• 「この草稿を査読してください／方法論を検証してください」

有効化しない場合

ブログ投稿、マーケティング文、ツイート、カジュアルな回答、または段落1つの説明には 有効化しないでください。これらはこのスキルを使わず、通常どおり処理します。

---

2. 運用原則（毎回読む）

0. まず今日の日付を確認します。 計画、検索、執筆を始める前に、システムクロック（date -u +%Y-%m-%d）、実行時コンテキスト、またはユーザーへの確認によって、今日の実際の日付を特定します。 学習データのカットオフを黙って既定値にしないでください。 年の範囲（--years last-3）は、モデルの学習年ではなく、今日を基準に計算します。詳しい手順は次を参照してください。 instructions/freshness.md。
1. 執筆前に計画します。 必ず最初に、orchestration/pipeline.md に記載された調査計画を立てます。文章の作成にすぐ取りかかってはいけません。
2. 段階的に情報を開示します。 現在の手順で必要なファイルだけを読みます。スキル全体を事前に読み込んではいけません。
3. まず根拠を示します。 重要な主張はすべて、引用、データセット、方程式、または明示的な導出によって裏付けます。
4. 引用を捏造しません。 DOI、ページ番号、著者、巻号を決して捏造しません。不足箇所には [CITATION NEEDED] または [UNVERIFIED] と記し、Known gaps に明示します。
5. 再現性を確保します。 データセット、コード、環境、シード、ハイパーパラメーターを、最初から最後まで記録します。
6. 二つの文体を維持します。 学術的な厳密さを保ちながら、専門家以外に向けた「平易な英語による要約」も用意します（prompts/simplification-prompts.md を参照）。
7. まず視覚化を検討します。 比較、傾向、分布、構造、地理、プロセスには、必ず図または表を用意します（visualization_engine/decision-engine.md を参照）。
8. 自己レビューします。 提出前に、模擬査読（review_pipeline/）と出版チェックリスト（quality_control/publication-checklist.md）を実施します。
9. 問題を黙って見過ごしません。 不足しているものはすべて、論文の末尾にある Known gaps ブロックに明示します。
10. マルチエージェントに対応します。 長い論文では、orchestration/agents.md に従ってサブエージェントを割り当てます。

---

3. 最上位のワークフロー

intake → plan → lit-review → methodology → data-analysis →
visualization → drafting → citations → validation → review → ship

各手順には専用のプレイブックがあります。内容を読み、手順を実行し、成果物をディスクに保存してから次に進みます。詳細なマスターパイプライン： orchestration/pipeline.md。

---

4. 形式の選択

ユーザーが形式を指定していない場合は、次のように推定します。

シグナル	使用するテンプレート
ML／NLP／AI／プレプリント／arXiv 形式	templates/arxiv-paper.md
エンジニアリング／ハードウェア／信号／IEEE カンファレンス	templates/ieee-paper.md
HCI／システム／SIGCHI／SIGGRAPH／ACM	templates/acm-paper.md
生物学／医学／Nature／Science／構造化形式	templates/nature-paper.md
社会科学／ビジネス／人文科学／Harvard	templates/harvard-paper.md
文献／システマティック／スコーピング／メタレビュー	templates/literature-review.md
学位論文の章／博士論文	templates/thesis-chapter.md
ホワイトペーパー／業界／エンタープライズ	templates/whitepaper.md
サーベイ／最先端の動向	templates/survey-paper.md
政策ブリーフ／規制	templates/policy-paper.md

それでも判断がつかない場合は、一度だけ質問してから進めます。

---

5. 引用スタイルの選択

指定がない場合は、分野に応じて標準スタイルを割り当てます。

• CS／エンジニアリング／物理学 → IEEE 数値式
• ML／AI／プレプリント → 著者・年方式（Harvard／APA 互換）
• 生物学／医学／Nature → Nature 数値上付き方式
• 社会科学／ビジネス／人文科学 → Harvard（または APA）
• 法学／歴史学 → Chicago

スタイル規則：citation_engine/citation-styles.md。スタイル別モジュール： citation_engine/styles/。決定論的なフォーマッター： toolchains/format_bibliography.py。

---

6. 可視化の判断（概要）

詳細なルールについては、visualization_engine/decision-engine.md と visualization_engine/visualization-guide.md を参照してください。描画は toolchains/generate_charts.py を通じて行われます。Python を利用できない場合、スキルは Markdown の表 + Mermaid の図にフォールバックします。計画した図を黙って 省略することはありません。

コミュニケーションの目的	推奨する図
離散カテゴリを比較する	棒グラフ／横棒グラフ／ロリポップチャート
時間の経過に伴う傾向を示す	折れ線グラフ／複数折れ線グラフ
分布を示す	ヒストグラム／バイオリンプロット／箱ひげ図
関係性を示す	散布図 + 回帰直線
多数の変数間の相関を示す	ヒートマップ
全体に占める各部分を示す	積み上げ棒グラフ（円グラフより推奨）
フロー／変換を示す	サンキーダイアグラム
構造／パイプラインを示す	アーキテクチャ図／フローチャート
プロセス／意思決定を示す	Mermaid のフローチャート
地理情報を示す	コロプレス図／ポイントマップ
イベントのタイムラインを示す	タイムライン／ガントチャート
概念の階層構造を示す	マインドマップ／ツリー
指標を並べて比較する	比較表

---

7. ツールに関する要件

このスキルは、機能を段階的に縮小しながら、次の 3 つのティアで動作します。

ティア	機能
0. テキストのみ（ツールなし）	アウトライン + 草稿 + Markdown の表 + Mermaid の図
1. + ファイルシステムの読み取り／書き込み	セクション、参考文献一覧、検証レポートの保存
2. + Python (pandas/matplotlib)	実際のグラフ（PNG + SVG）、統計的検証、データ分析
2+. + Web 検索／取得	DOI の検証、ソースの取得、撤回の確認
2+. + Pandoc（オプション）	PDF / DOCX / HTML / LaTeX / RTF / EPUB / ODT / PPTX への出力

不足しているティアがあれば、スキルがそれを検出して適応します。失敗を黙って見過ごすことはありません。 セットアップについては、toolchains/README.md を参照してください。

出力形式

スキルはデフォルトで Markdown を生成します。他の形式で出力するには、 出力コンバーターを実行してください。

python toolchains/convert_output.py --input paper-final.md --to pdf --out paper.pdf
python toolchains/convert_output.py --input paper-final.md --to docx
python toolchains/convert_output.py --input paper-final.md --to html
python toolchains/convert_output.py --input paper-final.md --to tex
python toolchains/convert_output.py --input paper-final.md --to epub

対応する出力形式（Pandoc 経由）：md（常に対応）、html、docx、pdf （LaTeX が必要）、tex、rtf、epub、odt、pptx。

セルフテスト：

python toolchains/convert_output.py --self-test

ユーザーは、Markdown 以外の形式を直接指定することもできます。

/research "topic" --output paper.pdf
/research "topic" --output paper.docx

---

8. 出力要件

このスキルが生成するすべての成果物には、最低限、次の項目が含まれます。

1. タイトル — 具体的で、15 語以内。
2. 著者／所属ブロック — 提供されていない場合はプレースホルダーを使用。
3. 要約 — 150〜300 語で、構造化されていること。
4. キーワード — 4〜8 個。
5. 平易な英語による概要 — 5〜10 文。
6. 選択したテンプレートに沿った番号付きセクション。
7. 1500 語を超える論文には、少なくとも 1 つの図と 1 つの表（純粋に理論的で、明示的に省略が選択されている場合を除く）。
8. 選択したスタイルによる本文中の引用。
9. DOI／URL を含む参考文献一覧。
10. 制約セクション。
11. 今後の研究セクション。
12. 再現性に関する記述（データ、コード、環境、シード）。
13. 導出、ハイパーパラメーター、プロンプト、生の出力を記載した付録。

不足している項目は、最終的な Known gaps ブロックに明示されます。 黙って見過ごされることはありません。

---

9. 長いコンテキストへの対応方針

約10,000語を超える論文の場合：

• 次の作業に進む前に、すべての成果物をディスクに保存してください （paper-spec.md → outline.md → bibliography.yaml → methodology.md → analysis/findings.md → figures-plan.md → sections/<NN>-<name>.md → paper-draft.md → paper-cited.md → paper-final.md）。
• 執筆中は、執筆対象のセクション（およびアウトライン）だけを読み込んでください。
• セクション間の一貫性は、アウトラインと最後に全体を通して読み返す工程によって確保します。

方針の全文：long_context/strategy.md。

---

10. マルチエージェントのオーケストレーション

詳細な実行や並列実行では、サブエージェントに作業を割り当てます：

エージェント	読み込むファイル	書き込むファイル
Researcher	prompts/literature-search.md	bibliography.yaml、lit-themes.md
Methodologist	prompts/methodology-design.md	methodology.md
Analyst	prompts/data-analysis.md	analysis/findings.md
Visualizer	prompts/visualization-planning.md	figures-plan.md、figures/
Writer (×N)	prompts/writing-prompts.md	sections/<NN>-<name>.md
Citator	prompts/citation-prompts.md	paper-cited.md
Validator	validators/	validation/
Reviewer (×3)	prompts/review-prompts.md	review/

構成：orchestration/agents.md。

---

11. エラーへの対応

• データの欠落 → 合成した例示用データセットを使用し、その旨を明記します。
• 検証できない出典 → [UNVERIFIED] と記し、Known gaps に記載します。
• 矛盾するエビデンス → 「文献における矛盾」というサブセクションを明示的に設けます。
• スコープ外の依頼 → スコープを絞り、対象から除外したサブトピックをFuture work に列挙します。
• トークン／コンテキストの制約 → §9 を参照してください。

エラー対応マトリクスの全文：orchestration/failure-handling.md。

---

12. 次に参照するファイル

• 論文の計画を立てる → orchestration/pipeline.md
• テンプレートを選ぶ → templates/
• セクションを執筆する → prompts/writing-prompts.md
• 引用を追加する → citation_engine/、workflows/citation-pipeline.md
• グラフを作成する → visualization_engine/、workflows/visual-generation-pipeline.md
• 統計を検証する → methodology_engine/statistical-methods.md、 toolchains/statistical_validation.py
• セルフレビューを行う → review_pipeline/、rubrics/academic-quality.md
• 公開する → quality_control/publication-checklist.md

このファイルを読み返すよりも、必要な特定のファイルを読むことを常に優先してください。