research-summarizer

リサーチ要約

読む量を減らし、理解を深め、正しく引用しましょう。

大量の資料を、実行に移せる要約にまとめる、構造化されたリサーチ要約ワークフローです。プロダクトマネージャー、アナリスト、創業者など、必要以上に多くの資料を読む人に向けて作られています。

単なる汎用的な「これを要約して」ではありません。重要な情報を抽出し、複数の情報源を比較し、引用を適切な形式に整える、再現可能なフレームワークです。

---

対象範囲 — research/ ドメインとの違い

このスキルが要約するのは、ユーザーがすでに持っている資料（貼り付けまたは添付された論文、記事、レポート）です。ウェブ検索は実行せず、MCP サーバーも必要ありません。次のものとは異なります。

• research/litreview — 学術文献の 発見 とレビューガイドの作成（Consensus／学術 API 経由で論文を検索）
• research/dossier — ライブのウェブリサーチに基づく、対象のデューデリジェンス
• research/notebooklm — Google の NotebookLM の製品 UI を操作
• research/research — 検索が必要な、自由形式の「[トピック]を調査して」という依頼を振り分けるルーター

提供された情報源の内容を把握するのではなく、情報源を 探す ようユーザーから求められた場合は、代わりに research/ ドメインに振り分けてください。

---

このスキルが有効になる場合

次のようなユーザーの依頼に該当します。

• 「この論文／記事／レポートを要約して」
• 「この文書の主な調査結果は何ですか？」
• 「これらの情報源を比較して」
• 「この PDF から引用を抽出して」
• 「[トピック]についてリサーチ概要を作成して」
• 「このホワイトペーパーの内容を整理して」
• 「要約」「リサーチ概要」「文献レビュー」「引用」「情報源の比較」を含む依頼

ユーザーが文書を持っていて、その内容を構造的に理解したい場合は、このスキルが適用されます。

---

ワークフロー

ワークフロー 1 — 単一情報源の要約

1. 情報源の種類を特定する

   • 学術論文 → IMRAD 構成（Introduction、Methods、Results、Analysis、Discussion）を使用
   • ウェブ記事 → 主張・根拠・示唆の構成を使用
   • 技術レポート → エグゼクティブサマリーの構成を使用
   • ドキュメント → リファレンス要約の構成を使用

2. 概要のひな形を作成する — python3 scripts/format_summary.py --template academic（または情報源の種類に応じて article／report／executive）を実行し、情報源に基づいて各セクションをすべて埋めます。

   Title: [exact title]
   Author(s): [names]
   Date: [publication date]
   Source Type: [paper | article | report | documentation]
   
   ## Key Thesis
   [1-2 sentences: the central argument or finding]
   
   ## Key Findings
   1. [Finding with supporting evidence]
   2. [Finding with supporting evidence]
   3. [Finding with supporting evidence]
   
   ## Methodology
   [How they arrived at these findings — data sources, sample size, approach]
   
   ## Limitations
   - [What the source doesn't cover or gets wrong]
   
   ## Actionable Takeaways
   - [What to do with this information]
   
   ## Notable Quotes
   > "[Direct quote]" (p. X)
   

3. 品質を評価する

   • 情報源の信頼性（査読の有無、媒体の評判、一次情報か二次情報か）
   • 根拠の強さ（データに基づくか、逸話的か、理論的か）
   • 新しさ（いつ公開されたか、今も関連性があるか）
   • バイアスの兆候（資金提供元、著者の所属、方法論上の不足）

ワークフロー 2 — 複数情報源の比較

1. 情報源を収集する（文書 2～5 件）

2. 上記の単一情報源のワークフローを使って、それぞれを要約する

3. 比較マトリクスを作成する

   | Dimension        | Source A        | Source B        | Source C        |
   |------------------|-----------------|-----------------|-----------------|
   | Central Thesis   | ...             | ...             | ...             |
   | Methodology      | ...             | ...             | ...             |
   | Key Finding      | ...             | ...             | ...             |
   | Sample/Scope     | ...             | ...             | ...             |
   | Credibility      | High/Med/Low    | High/Med/Low    | High/Med/Low    |
   

4. 統合する

   • 情報源間で一致する点は何か？（一致する調査結果は、より強いシグナルとなります）
   • 意見が分かれる点は何か？（相違する調査結果は、さらなる調査が必要です）
   • すべての情報源に共通する不足点は何か？
   • 各立場を裏付ける証拠の重みはどの程度か？

5. 統合概要を作成する

   ## Consensus Findings
   [What most sources agree on]
   
   ## Contested Points
   [Where sources disagree, with strongest evidence for each side]
   
   ## Gaps
   [What none of the sources address]
   
   ## Recommendation
   [Based on weight of evidence, what should the reader believe/do?]
   

ワークフロー 3 — 引用の抽出

1. 抽出ツールを実行する — python3 scripts/extract_citations.py document.txt --output json は DOI／URL／著者・年形式／番号付き引用を検出し、重複を除去します
2. 抽出した一覧を、指定されたスタイル（デフォルトは APA 7）に整えて確認し、書式を整えるとともに、正規表現で検出できなかった引用を手作業で補います
3. 引用を種類別に分類する
   • 一次情報源（原著研究、データ）
   • 二次情報源（レビュー、メタ分析、論評）
   • 三次情報源（教科書、百科事典）
4. 分類タグを付け、並べ替えた参考文献一覧を出力する

対応する引用形式：

• APA 7（デフォルト）— 社会科学、ビジネス
• IEEE — 工学、コンピューターサイエンス
• Chicago — 人文科学、歴史
• Harvard — 一般的な学術用途
• MLA 9 — 芸術、人文科学

---

ツール

scripts/extract_citations.py

テキストから引用を抽出して書式を整える CLI ユーティリティです。

機能：

• 正規表現による引用の検出（DOI、URL、著者・年、番号付き参考文献）
• 複数の出力形式（APA、IEEE、Chicago、Harvard、MLA）
• 参考文献管理ツールとの連携用 JSON エクスポート
• 重複した引用の削除

使用方法：

# Extract citations from a file (APA format, default)
python3 scripts/extract_citations.py document.txt

# Specify format
python3 scripts/extract_citations.py document.txt --format ieee

# JSON output
python3 scripts/extract_citations.py document.txt --format apa --output json

# From stdin
cat paper.txt | python3 scripts/extract_citations.py --stdin

scripts/format_summary.py

空の構造化要約ひな形を出力する CLI ユーティリティです。内容はあなた（モデル）がソースに基づいて記入します。このユーティリティ自体は内容を分析しません。

機能：

• 6 種類のテンプレート：学術論文、記事、レポート、エグゼクティブサマリー、比較、文献
• ひな形の詳細度を設定可能（簡潔、標準、詳細）
• 後続のツールで使用できるテキストおよび JSON 出力

使用方法：

# Generate structured summary template
python3 scripts/format_summary.py --template academic

# Brief executive summary format
python3 scripts/format_summary.py --template executive --length brief

# All templates listed
python3 scripts/format_summary.py --list-templates

# JSON output
python3 scripts/format_summary.py --template article --output json

---

品質評価フレームワーク

すべてのソースを次の 4 つの観点で評価します。

観点	高	中	低
信頼性	査読済み、著者の実績が確立している	信頼できる媒体、著者が知られている	ブログ、著者不明、査読なし
根拠	大規模なサンプル、厳密な手法	中程度のデータ、妥当なアプローチ	逸話的、データなし、意見
新しさ	2 年以内に公開	2～5 年前	5 年以上前で、古くなっている可能性がある
客観性	利益相反がなく、バランスの取れた見解	軽微な所属関係が開示されている	利害関係者から資金提供を受けている、一方的

総合評価：

• 高評価が 4 つ＝信頼性の高いソース — 自信を持って引用できます
• 中評価が 2 つ以上＝十分なソース — 留保を付けて引用できます
• 低評価が 2 つ以上＝信頼性の低いソース — 引用前に独自に検証してください

---

要約テンプレート

references/summary-templates.md には、次の内容が記載されています。

• 学術論文の要約テンプレート（IMRAD）
• Web 記事の要約テンプレート（主張・根拠・含意）
• 技術レポートのテンプレート（エグゼクティブサマリー）
• 比較分析のテンプレート（マトリックス＋統合）
• 文献レビューのテンプレート（テーマ別構成）

references/citation-formats.md には、次の内容が記載されています。

• APA 第 7 版の書式ルールと例
• IEEE の書式ルールと例
• Chicago、Harvard、MLA のクイックリファレンス

---

先回りして確認する項目

指示がなくても、次の項目に注意を促してください。

• ソースに日付がない → その旨を記載します。日付のないソースは信頼性の評価が下がります。
• ソースが他のソースと矛盾している → 矛盾を明確に示します。意見の相違を覆い隠さないでください。
• ソースがペイウォールの向こうにある → アクセスが限られていることを記載します。代替手段が分かっている場合は提案します。
• ユーザーが比較対象としてソースを 1 つしか提示していない → 少なくとももう 1 つ提示するよう求めます。比較には 2 つ以上必要です。
• 引用情報が不完全 → 欠落している項目（年、著者、タイトル）を指摘します。メタデータを創作しないでください。
• 変化の速い分野で、ソースが 5 年以上前のもの → 古くなっている可能性について警告します。

---

インストール

ワンライナー（任意のツール）

git clone https://github.com/alirezarezvani/claude-skills.git
cp -r claude-skills/product-team/research-summarizer ~/.claude/skills/

複数ツールへのインストール（claude-skills リポジトリのルートから実行）

./scripts/convert.sh --skill research-summarizer --tool codex|gemini|cursor|windsurf|openclaw

OpenClaw

clawhub install cs-research-summarizer

---

検証ループ

ブリーフを提出する前に、次の点を確認してください。

1. すべての主要な調査結果に、ソース内の場所（セクション、ページ、引用文）が示されていること — 根拠のない主張は不可です。
2. python3 scripts/extract_citations.py <file> --output json が終了コード 0 で終了し、その total が出力の参考文献数と一致すること（一致しない場合は原因を調べてください）。
3. 各ソースに 4 つの観点による品質評価（上表）が付いていること。信頼性の低いソースは、黙って含めるのではなく明示してください。
4. 比較の場合、マトリックスに各観点につき 1 行、各ソースにつき 1 列があること — ソースを飛ばさないでください。
5. 何も創作されていないこと。欠落しているメタデータは補完せず、「記載なし」と記してください。

関連スキル

• product-analytics — 定量分析。補完的なスキルです。定性的な情報源には research-summarizer を、指標には product-analytics を使用します。
• competitive-teardown — 競合調査。補完的なスキルです。個々の情報源の分析には research-summarizer を、市場全体の把握には competitive-teardown を使用します。
• content-production — コンテンツ制作。research-summarizer は content-production の前段階として機能します。まず情報源を要約してから、文章を作成します。
• product-discovery — ディスカバリーフレームワーク。補完的なスキルです。デスクリサーチには research-summarizer を、ユーザーリサーチには product-discovery を使用します。