research-plan

Name: research-plan
Author: huangwb8

github.com/huangwb8生産性3.0k50 回インストール2 週間前に更新

リポジトリ

research-plan について

research-plan は、実験やデータ分析を計画する研究者向けの、文献調査に基づく研究戦略スキルです。論文から方法を抽出して根拠を追跡できる枠組みと計画を作成し、実際のデータ分析は行いません。

主な機能

01論文の検索、選別、取得
02PDF から方法と技術情報を抽出
03方法論の共通点と品質管理を統合
04分析枠組み、計画、BibTeX を作成
05根拠と不確実性を記録

活用シーン

01実験設計とデータ分析の流れを計画
02統計手法と可視化戦略を選定
03論文間の方法論の違いを比較
04研究計画の追跡可能な根拠を整理

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/huangwb8/chineseresearchlatex --skill research-plan

インストール後、Claude Code で/research-plan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。

CHANGELOG.md

config.yaml

README.md

references/

implementation-notes.md

literature-search-guide.md

methodology-extraction-patterns.md

output-templates.md

scripts/

bibtex.py

initialize.py

utils.py

validate.py

詳細

研究计划

主要機能

この Skill は、トップジャーナルや学会の論文を体系的に調査し、ユーザーに合わせた実行可能な研究分析戦略を策定します。

主な価値

エビデンスに基づく：独自に考案するのではなく、一流ジャーナル論文の方法論に基づきます
体系的な調査：文献検索、選別、ダウンロードのプロセスを自動化します
深い学習：PDF から分析手法や技術的な詳細を抽出します
実行可能性：明確な目標と手順を出力し、そのまま実行できます

使用場面

実験設計の策定
データ分析ワークフローの計画
技術ロードマップの設計
統計手法の選定
可視化戦略の策定

入力仕様

必須入力

要件の説明：解決する問題と目標を明確に記述します

任意入力

作業ディレクトリ：デフォルトは現在のディレクトリ
文献の出版年の範囲：デフォルトは過去 5 年
対象ジャーナル／学会：特定の掲載先を指定します
言語の希望：デフォルトは英語
文献の最大数：デフォルトは 30 件

ワークフロー

入力

ユーザーの依頼と設定ファイルに基づいて必要な入力を提供します。不足している情報を明示し、その入力に依存する手順は停止します。

実行手順

この skill の設計上の欠陥に起因するバグは、まず bensz-collect-bugs を使って ~/.bensz-skills/bugs/ に所定の形式で記録してください。ユーザーのローカルにインストール済みの skill のソースコードを直接変更してはいけません。回避策がある場合は、先にバグを記録してからタスクを続行してください。
ユーザーが「report bensz skills bugs」など、公開での報告を明確に求めた場合に限り、ローカルの gh を使って新たなバグを huangwb8/bensz-bugs にアップロードしてください。リポジトリ全体を pull／clone してはいけません。

文献調査に基づく研究分析戦略の計画アシスタント

旧名 make-research-plan は、prompt との互換性を保つ別名としてのみ維持します。過去の .make-research-plan/ は、明示的な互換読み込み、移行、またはクリーンアップの場合にのみ使用し、新しい実行ではタスクごとのワークスペースを使用します。

フェーズ 0：初期化

入力：

ユーザーの要件の説明
作業ディレクトリのパス（任意。デフォルトは現在のディレクトリ）

操作：

作業ディレクトリが存在し、書き込み可能であることを確認します
タスクごとの隠し作業ディレクトリ .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/research-plan/ を作成します
作成したディレクトリの場所と用途をユーザーに明確に伝えます

出力：

.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/research-plan/ ディレクトリ構造

ディレクトリ構造：

.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/research-plan/
├── input/papers/        # 下载的 PDF 文献
├── input/metadata/      # 调研元数据
│   ├── theme.json      # 主题和关键词
│   └── search_history.json # 检索历史
├── output/extracted/    # 提取的文献信息
│   └── papers_info.json # 论文结构化信息
├── output/analysis-framework.md # 分析框架总结
├── output/plan.md             # 任务内草稿
└── log/                       # 命令、验证与错误日志

フェーズ 1：テーマの抽出と文献調査

ステップ 1.1：テーマの抽出

目標： ユーザーの要件から研究テーマとキーワードを構造化して抽出します

方法：

ユーザーの要件の文章を分析します
中心となる研究分野を特定します
重要な概念用語を抽出します
関連する複数のテーマを生成します（該当する場合）
各テーマについて 3～5 個のキーワードを生成します

出力： metadata/theme.json

{
  "primary_topic": {
    "name": "主题名称",
    "description": "主题描述",
    "keywords": ["关键词1", "关键词2", "关键词3"]
  },
  "secondary_topics": [
    {
      "name": "相关主题1",
      "keywords": ["关键词1", "关键词2"]
    }
  ],
  "extracted_at": "2026-01-19T09:30:00Z"
}

ステップ 1.2：文献検索

検索戦略：

複数の情報源を検索：
- PubMed（生物医学）
- Google Scholar（総合）
- IEEE Xplore（工学・技術）
- arXiv（プレプリント）
- Semantic Scholar（AI 駆動）
検索クエリの作成：
- メインテーマのキーワード AND 分析手法に関連する語句
- 過去 5 年の文献を優先して検索します
- インパクトファクターの高いジャーナル／一流学会に限定します
品質による絞り込み：
- 査読済み論文を優先します
- 英語以外の文献は除外します（ユーザーが指定した場合を除く）
- 被引用数の多い論文を優先します

出力： metadata/search_history.json

{
  "searches": [
    {
      "topic": "主题名称",
      "query": "检索式",
      "source": "数据源",
      "results_count": 150,
      "timestamp": "2026-01-19T09:35:00Z"
    }
  ]
}

ステップ 1.3：文献の選別と評価

AI による各論文の評価：

意味的関連性スコア（1～10 点）
- タイトルの一致度
- 抄録の関連性
- キーワードの重複
サブテーマによる分類：
- 方法論に関する論文
- 適用事例
- 総説論文
- ツール／ソフトウェア
高得点の論文を優先して選定：
- 評価が 7 点以上の論文を残します
- 各サブテーマに代表的な論文が含まれるようにします
- 総数を 15～30 件に抑えます

出力： metadata/papers_scored.json

{
  "papers": [
    {
      "title": "论文标题",
      "authors": ["作者1", "作者2"],
      "year": 2024,
      "journal": "期刊名",
      "relevance_score": 9,
      "subtopic": "方法学",
      "doi": "10.xxxx/xxxxx",
      "url": "https://doi.org/..."
    }
  ]
}

ステップ 1.4：参考文献リストの生成

出力： references.bib

形式：必要なフィールドをすべて含む標準 BibTeX

ステップ 1.5：PDF のダウンロード

方法：

オープンアクセスのリンクからのダウンロードを優先します
Unpaywall API を使って、合法的に無料で入手できるバージョンを探します
papers/ ディレクトリに保存し、ファイル名を {第一作者姓氏}_{年份}_{期刊简写}.pdf の形式にします

出力： papers/*.pdf

エラー処理：

ダウンロードに失敗した DOI を記録します
後続のワークフローを妨げないようにします
最終レポートで、入手できなかった論文を明記します

フェーズ 2：深層学習による分析戦略

ステップ 2.1：PDF 情報の抽出

目標： 各 PDF から分析手法と技術的な詳細を抽出します

抽出内容：

研究デザイン：実験の種類、対照条件、サンプルサイズ
データの前処理：クリーニング手順、正規化方法、品質管理
統計手法：検定方法、多重比較補正、効果量
可視化戦略：グラフの種類、配色、ツール
ソフトウェアツール：R／Python のパッケージ、バージョン、パラメーター設定
検証方法：交差検証、ブートストラップ、感度分析

方法：

PDF 読み取りツールを使って、テキストと表を抽出します
AI による意味解析で Methods セクションの内容を特定します
抽出した情報を構造化して保存します

出力： extracted/papers_info.json

{
  "papers": [
    {
      "id": "paper_001",
      "title": "论文标题",
      "methods": {
        "study_design": "队列研究",
        "preprocessing": ["质量控制", "归一化"],
        "statistical_tests": ["t检验", "ANOVA"],
        "correction": "FDR",
        "visualization": ["箱线图", "热图"],
        "software": {
          "R": ["limma", "ggplot2"],
          "parameters": {"adjust.method": "BH"}
        }
      },
      "strengths": ["大样本量", "预注册"],
      "limitations": ["单中心研究"]
    }
  ]
}

ステップ 2.2：統合分析フレームワーク

目標： すべての論文を統合し、ベストプラクティスを導き出します

分析の観点：

方法論上の共通見解：
- 複数の論文で共通して用いられている手法
- 分野内の標準的な手順
- 推奨されるベストプラクティス
方法論上の違い：
- 異なる状況に適した手法
- 新しい手法と従来の手法
- 議論のある点
ツールのエコシステム：
- 最も広く使われているソフトウェアパッケージ
- ツールの長所と短所の比較
- バージョンの互換性
品質管理：
- データ検証の基準
- 結果の頑健性検定
- 再現性を確保するための実践

出力： analysis-framework.md

テンプレート：research-plan/references/output-templates.md

フェーズ 3：個別計画の策定

ステップ 3.1：要件との照合

ユーザーの要件を分析します：

研究課題は何ですか？
特別な制約はありますか？
期待する出力は何ですか？
スキルレベルはどの程度ですか？

分析フレームワークとの対応付け：

関連する方法論のセクションを照合します
適用可能なツールを特定します
品質管理の要点を決定します

ステップ 3.2：計画の生成

出力： plan.md

テンプレート：research-plan/references/output-templates.md

ステップ 3.3：計画のレビュー

ユーザーに提示する内容：

計画の概要
重要な判断ポイントの説明
選択肢の比較
修正案の提案を依頼

レビュー時の確認事項：

計画はニーズを満たしていますか？
手順は明確で実行可能ですか？
分析に漏れはありませんか？
調整が必要な箇所はありますか？

ユーザー向け

要件を具体的に記述する：曖昧な表現は避けてください
制約条件を明確にする：データの種類、サンプルサイズ、スキルレベルなど
計画を慎重にレビューする：研究を行うのはあなたです。最終決定権はあなたにあります
作業ディレクトリを保持する：後からの調整や再現に役立ちます

AI の実行向け

透明性：各手順で何を行っているかを明確に伝えます
追跡可能性：すべての推奨事項に文献上の根拠を示します
慎重さ：確信が持てない場合は、作り上げずに不確かさを認めます
ユーザー中心：計画をユーザーの実際の制約に合わせます

実装／スクリプトの状態と責任範囲については、research-plan/references/implementation-notes.md を参照してください。

変更履歴については、research-plan/CHANGELOG.md を参照してください（バージョン番号は research-plan/config.yaml:skill_info.version を参照してください）。

出力

主な出力

plan.md：最終的な分析戦略計画（ユーザー向けの形式）
analysis-framework.md：分析フレームワークの概要（詳細な技術文書）
references.bib：参考文献リスト（引用可能）

補助出力

metadata/：調査メタデータ（再現可能）
extracted/papers_info.json：論文情報の構造化データ（再利用可能）

输出管理

本 Skill 的新任务中间文件统一写入 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/。同一任务复用一个任务根目录；多 Skill 协作才创建 shared/。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。

校验

完成后执行 Skill 已有的静态检查、脚本验证或人工复核，并记录通过标准。

失败与恢复

常见问题

Q: 无法下载某些 PDF A: 记录失败的 DOI，可以在最终报告中说明，或尝试手动获取

Q: 提取的方法信息不完整 A: 使用补充材料（supplementary materials）或联系作者

Q: 文献数量太少 A: 放宽检索条件（年份、关键词范围）

Q: 不同论文方法冲突 A: 在分析框架中标注争议点，提供多方案选择

约束

功能边界

✅ 可以做的：
- 调研文献并总结方法学
- 制定分析策略和步骤
- 推荐工具和最佳实践
- 生成可执行的计划文档
❌ 严禁做的：
- 执行实际的数据分析
- 修改用户原始数据
- 撰写正式科研论文
- 做出科学结论

使用限制

仅提供策略建议，具体实施需要用户验证
方法学推荐基于文献，不能保证适用于所有场景
PDF 依赖可获取性，部分文献可能无法获取
AI 提取可能有误差，关键信息建议人工复核

质量保证

所有推荐都来自同行评议论文
明确标注证据强度（多论文共识 vs 单篇论文）
提供参考文献追溯
标注不确定性或争议点

公共硬约束

任务需要落盘时，使用唯一的 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/ 根目录；共享材料放入 shared/，Skill 专属材料放入该 Skill 的 input/、output/、log/。
正式交付物、源代码和正式计划按项目约定保存，不写入任务工作区；未经授权不覆盖、删除、迁移或远程写入。
项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要；BAC 只做过程审计，不替代署名、责任或合规判断。
不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。
文件路径必须规范化并限制在授权项目范围内；外部 URL、子进程和网络访问遵循最小权限，防止路径遍历、SSRF 和命令注入。
Skill 版本唯一记录在自身 config.yaml:skill_info.version；公开 API、协议、目录或配置变更同步文档与 CHANGELOG.md。
仅将 Skill 或 Bensz 基础设施本身的设计缺陷交给 bensz-collect-bugs；先脱敏写入 ~/.bensz-skills/bugs/，当前任务不中断，只有用户明确要求才公开上报，禁止直接修改用户已安装的 Skill 源码。

Skill 专属约束

不得超出本 Skill description 和上方流程所声明的范围；不将未验证的信息伪装成确定结论。

Markdown 対応

ログインしてコメント

基本情報

作者: huangwb8
リポジトリ: huangwb8/chineseresearchlatex
カテゴリ: 生産性
インストール数: 50
GitHub スター: 2,982

問題を報告