sci-extract

Sci-Extract — 科学論文の抽出

科学論文のPDFから、主要な知見と図を専門的に抽出します。

注：このスキルには2名の著者が貢献しています。詳細については、著作権とライセンスセクションをご覧ください。

特徴

• 主要な知見：研究課題、方法論、主要な結果、新規性、応用、限界を自動的に特定します。
• レビュー文献の抽出：レビュー、サーベイ、システマティックレビュー、スコーピングレビュー、メタアナリシスから、対象分野の範囲、分類体系、エビデンスの基盤、コンセンサス、見解の相違、エビデンスの質、研究上のギャップ、今後の方向性を抽出します。
• 論文の収集：DOI、PMID、PMCID、arXiv ID、タイトル、または検索クエリを指定すると、設定済みのすべてのデータベースから完全なメタデータ、出版社のネイティブXML、本文全体、図を取得し、PDFを読む代わりに、エージェントが読み取れる raw.md を作成します。
• 図の検出：出版社から出版解像度の図を取得します。出版社が図を提供していない場合は、PDFのページから図の領域を切り抜きます。
• メタデータの抽出：タイトル、著者、DOI、ジャーナル、出版年を解析します。

手順：

Step 1: 論文を入手する

必ず論文をその都度、新たに読み込んでください。タイトルに見覚えがあっても、論文の記憶に頼ってはいけません。

入力の種類	操作
DOI、PMID、PMCID、arXiv ID、タイトル、またはクエリ	ハーベスターを実行します（以下のMode 3）。本文全体と図が埋め込まれた raw.md が作成されるので、PDFの代わりにそれを読みます。
/mnt/user-data/uploads/ 内のPDF	適切なツールで読みます（利用可能な場合は pdf-reading スキルを参照してください）。
arXivのリンク	arXiv IDを抽出してハーベスターを実行します。ハーベスターが本文を取得できなかった場合は、アブストラクトページに対して web_fetch を使用します。
チャットに貼り付けられたテキスト	そのまま使用します。
リンクのないタイトルのみ	タイトルを指定してハーベスターを実行します。候補を一覧表示し、一致する論文を確認してから取得します。論文を推測してはいけません。

論文が長い場合は、まず論文の種類を分類し、その種類に関係するセクションを優先してください。オリジナル研究では、アブストラクト、序論、方法・理論、実験、結論を優先します。レビュー文献では、アブストラクト、序論、検索・選定方法、分類・体系化のセクション、主要なテーマ別セクション、要約表、限界、今後の展望を優先します。

Step 2: 論文の種類を分類する

抽出テンプレートを選ぶ前に、論文を次のいずれかに分類してください。

• オリジナル研究論文
• ナラティブレビュー／サーベイ
• システマティックレビュー
• メタアナリシス
• スコーピングレビュー
• パースペクティブ／チュートリアル／手法の概説

タイトル、アブストラクト、序論、セクション見出しを使用します。レビュー文献であることを示す語句には、「review」、「survey」、「systematic review」、「meta-analysis」、「scoping review」、「bibliometric」、「taxonomy」、「current status」、「recent progress」、「challenges」、「future perspectives」や、幅広い比較表などがあります。

論文がレビュー、サーベイ、システマティックレビュー、メタアナリシス、スコーピングレビュー、パースペクティブ、またはチュートリアル形式の概説である場合、オリジナル研究向けのHeilmeierテンプレートに無理に当てはめてはいけません。以下の「レビュー文献抽出モード」を使用してください。オリジナル研究では「この論文は何を行い、何を証明したか」を問うのに対し、レビュー文献では「この論文はどのように分野の全体像を示し、エビデンスを評価しているか」を問います。

Step 3A: オリジナル研究モード — 修正版Heilmeierの質問に回答する

以下の7つの質問それぞれに、順番に、見出し付きの小節として回答してください。各質問では、（a）独自の評価を含めてよいか、（b）外部の引用を含めてよいかについて、ルールが異なります。各小節を書く前に、ルールをよく確認してください。

質問 1．何をしようとしているのですか？

まず、専門家ではないものの理解力のある読者に向けて、論文の貢献を専門用語なしで一文にまとめてください。略語や、大学1年生が知らないような専門用語は一切使わないでください。専門用語を避けられない場合は、平易な言葉で括弧内に説明を加えてください。続けて、目的をやや専門的な表現で補足する文を1、2文加えてください。

意見：不可。論文に忠実にしてください。 外部引用：不可。

質問 2．どのような問題があり、現在はどのように解決されていて、現在の手法にはどのような限界がありますか？

論文が取り組む現実世界または科学上の問題を説明し、そのうえで、論文発表当時にこの分野で用いられていた手法と、その限界を簡潔に概説してください。これは文献レビューではなく、それだけで内容が理解できる分野の概観です。主な競合手法を平易な文章で取り上げてください。

意見：少量であれば可。ただし、限界を明確にする場合に限ります。 外部引用：不可。この箇所では外部の情報源を検索したり引用したりしないでください。論文と、この分野についての一般知識に基づいて概説してください。

質問 3．中核となる考え方、数学、手法を含め、アプローチの新しさは何ですか。また、論文はなぜそれが成功すると主張していますか？

ここが回答の技術的な中心であり、通常の「手法」の概要に相当する内容を扱います。次の順に説明してください。

1. 先行研究と区別される、中心的な技術的工夫。
2. 主要な数学的対象と定式化。主要な式を1つか2つ示し、導入する記号をすべて定義してください。数式は \left と \right を使ったディスプレイ形式にし、インライン数式は1行に収め、標準的な LaTeX 表記を優先してください。
3. 提案手法が問題をどのように機械的に解決するか。
4. このアプローチが成功するとする、論文自身の主張。

意見：不可。この小節では、論文が述べ、提案している内容だけを扱ってください。評価は質問4、5、6に回してください。 外部引用：不可。

質問 4．誰にとって重要ですか？成功した場合、どのような変化をもたらしますか？

影響について論じてください。どのコミュニティが恩恵を受けるのか、何が可能になるのか、また、発表後にこの論文が実際に分野を変えたのかを説明してください。

意見：可。判断が特に重要な質問のひとつです。 外部引用：可。発表後の影響（他の研究グループによる採用、後続論文、実運用など）を評価する際は、引用を推奨します。外部引用はすべて、このターン中に実際に実行した web_search または web_fetch によるものに限ります。

質問 5．どのようなリスクがありますか？

論文自体が認めているリスクと、独自に考えられるリスクの両方を取り上げてください。データ汚染、報酬ハッキング、失敗のパターン、狭いベンチマーク、スケーリング、再現性など、具体的に説明してください。

意見：可。 外部引用：リスクに関する主張を実質的に裏づける場合は可。

質問 6．どのくらいのコストがかかりますか？

論文に応じて、計算資源、データ、エンジニアリング作業、または導入コストとして解釈してください。どの観点で捉えているかを明示してください。論文に記載されている数値（トークン数、バッチサイズ、GPU時間、データ量など）を取り上げ、「再現するには何が必要か」を大まかに見積もってください。

意見：可。特に「再現するには何が必要か」の説明では可。 外部引用：可。同じ著者による関連研究のコストと、この論文のコストを混同しないようにしてください。コストの数値を引用する場合は、その数値がどの論文またはモデルに該当するかを明記してください。

質問 7．どのような実験が行われ、どのような結果が得られましたか？

実験の設定（ベンチマーク、データセット、ベースライン、評価指標、アブレーション）と、主な結果を説明してください。この小節では、「成功の基準は何で、実際に達成できたのか」に答えます。主張と証拠の間に目立つ隔たりがあれば、その点も指摘してください。

意見：少量であれば可。ただし、主張と証拠の間の隔たりを指摘する場合に限ります。 外部引用：不可。

Step 3B: 文献レビューの抽出モード

レビュー論文、サーベイ論文、システマティックレビュー、メタアナリシス、スコーピングレビュー、パースペクティブレビュー、チュートリアル形式の概説には、このモードを使用してください。レビュー自体がベンチマーキングや手法プロトコルを扱っている場合を除き、単一の提案手法、単一の実験、再現コストについて尋ねないでください。目的は、論文が示す分野の全体像を再構成し、その全体像の信頼性を評価することです。

以下のラベル付き小見出しを、記載順に返してください。

1. レビューの範囲

論文がレビューする分野、問題、対象集団、手法ファミリー、材料クラス、データ型、応用領域を記載してください。論文に明記されている場合は、対象に含める範囲と除外する範囲も記載してください。範囲が曖昧な場合は、その旨を述べてください。

2. なぜ今このレビューが必要なのか

分野の細分化、急速な成長、相反するエビデンス、不明瞭な分類体系、応用への橋渡しの不足、再現性の問題、新技術、実務上の必要性など、レビューの動機を説明してください。独自の見解を加える前に、論文の記述に忠実にまとめてください。

3. 分類体系または整理の枠組み

著者が分野を整理するために用いるカテゴリーを抽出してください。著者の階層構造と用語を維持してください。複数の分類体系がある場合は、それぞれ分けてください。各カテゴリーについて、意味を一文で示し、主な代表的手法、研究の種類、モデル、材料、データセット、疾患、介入、応用を挙げてください。

4. 文献の選定とエビデンス基盤

システマティックレビュー、スコーピングレビュー、メタアナリシスでは、検索対象データベース、検索期間、入手可能な場合は検索語、採用基準、除外基準、スクリーニングのプロセス、最終的な採用研究数、品質評価ツールを抽出してください。ナラティブレビューやサーベイでは、検索・選定方法が明記されていないのか、非形式的なのかを述べてください。

5. 分野の全体像と主なテーマ

レビューが取り上げる主な研究の方向性を要約してください。成熟した領域と新興領域を区別してください。レビューの中心となる重要なデータセット、ベンチマーク課題、実験プラットフォーム、臨床コホート、モデルファミリー、材料、機器にも触れてください。

6. 合意されている知見

レビュー対象の文献が広く合意している内容を抽出してください。強い合意と暫定的な傾向を分けてください。レビューで合意点が明確に示されていない場合は、創作せず、その旨を述べてください。

7. 見解の相違、論争、異質性

研究結果がどこで食い違うのか、メカニズムや解釈にどのような違いがあるのか、また、一貫しない結果についてレビューがどのような説明を示しているのかを抽出してください。メタアナリシスでは、報告されている場合、異質性統計量やサブグループ分析・感度分析の結果を含めてください。

8. エビデンスの質とバイアス

論文の報告内容に基づき、研究デザイン、サンプルサイズ、データ品質、ベンチマークのリーク、交絡、出版バイアス、再現性、対照条件の欠如、アノテーション品質、評価指標、バイアスリスク評価ツールなどを考慮して、レビュー対象のエビデンスの信頼性を評価してください。論文の内容と自分の批評を区別するため、「私の分析では、」などの一人称表現で独自の評価を明示してください。

9. ギャップと今後の方向性

著者が指摘する未解決の問い、不足しているデータセットや実験、技術的な障壁、応用への橋渡しにおける障壁、標準化の必要性、臨床・産業・政策上のニーズ、具体的な今後の方向性を抽出してください。独自の優先度付きギャップ評価を加える場合は、一人称の表現を明示してください。

10. 重要な図表

分類体系の図、ワークフロー図、エビデンスマップ、PRISMAフロー図、要約表、比較表、ベンチマーク表、メタアナリシスのフォレストプロット・ファネルプロットを特定してください。重要な図表ごとに、レビューの理解においてどのような役割を果たすのかを説明してください。図表の抽出が求められており、ツールが利用できる場合は、関連する図表の領域を切り抜くか保存してください。

11. 要点

最後に、簡潔な要点を3〜5項目でまとめてください。各項目では、研究者が活用できる内容として、分野の構造、信頼できる結論、未解決の論争、エビデンスが弱い領域、または具体的な研究機会のいずれかを説明してください。

帰属に関するルール（すべての質問に適用）

ユーザーが論文の内容とあなた自身の分析を常に区別できるようにしてください。意見が認められている小節では、個人的な判断の前に必ず 「私の意見では、」、「私の分析では、」、「私の見解では、」、または同等の一人称表現を付けてください。両者の境界を曖昧にしないでください。意見が認められていない小節（質問1と3）では、これらの表現を一切使わないでください。

引用に関するルール（すべての質問に適用）

回答内の外部情報源からの引用はすべて、このターンで実際に実行した web_search または web_fetch の結果に基づく必要があります。記憶に基づく引用は禁止です。例外は一つだけです。論文自体が先行研究を引用しており、その先行研究について論文が述べている内容を厳密にそのまま繰り返す場合は、ウェブ検索なしで言及してもかまいません。論文に書かれている内容を少しでも超える場合は、検索して引用してください。

検索した場合は、ユーザーが参照先を確認できるよう、本文中に出典を示してください。

長さと進行

簡潔にまとめてください。ユーザーは、迅速で重複のない出力を明示的に求めています。7つの質問すべてに答えるうえで必要な範囲で、回答を最短にしてください。同じ内容を複数の質問で繰り返さないでください。論文に関して特に述べることが少ない質問は、小節を2〜3文にとどめてください。

形式と書式に関する要件

回答全体を、単一のインラインMarkdown形式で返してください。論文名を示すトップレベル見出しを1つ、その下に質問ごとの ## 見出しを設けてください。数式は、表示数式の括弧に \left / \right を使用し、インライン数式は1行に収め、すべての記号を定義し、標準的なLaTeXに従ってください。エムダッシュやエヌダッシュは使用せず、コンマ、セミコロン、括弧、または新しい文で置き換えてください。

してはいけないこと

• カテキズムの前に、独立した「概要」セクションを設けないでください。カテキズム自体が概要です。
• 質問1または3に個人的な評価を入れないでください。
• 論文に記載されていない数値、ベースライン、実験結果を作り出さないでください。
• 記憶に基づく引用を挿入しないでください。
• 費用や結果を述べる際に、この論文と同じ著者による関連研究と混同しないでください。
• このターンで実際に読んでいない論文を分析しないでください。

使用方法

このスキルには、独立した3つのモードがあります。

モード1は、まず論文の種類を分類するようになりました。独自の研究論文には、改訂版のハイルマイヤー・フレームワークを使用します。レビュー文献には、レビュー論文、サーベイ、システマティックレビュー、スコーピングレビュー、メタ分析向けに設計された「レビュー文献抽出モード」を使用します。

モード2では、--paper-type auto|research|review に対応しました。独自の研究論文では、研究課題、方法論、主要な結果、革新性、応用、限界を抽出します。レビュー文献では、レビューの対象範囲、分類体系、文献選択方法、主要なテーマ、コンセンサスのある知見、論争点、エビデンスの質、研究ギャップ、今後の方向性、重要な表や図を抽出します。

モード1 — ハイルマイヤー分析（AI 主導、スクリプト不要） 論文を共有して、分析を依頼するだけです。AI が上記の7つの質問からなるフレームワークに直接従います。ローカルスクリプトは不要です。

モード2 — コアインサイト抽出器（Python CLI） 確信度スコア付きで、構造化された6つの項目（研究課題、方法論、主要な結果、革新性、応用、限界）を抽出するスタンドアロンスクリプトです。skills/sci-extract/ ディレクトリから実行します。

# Single PDF — outputs JSON by default
python extract_core_insights.py paper.pdf

# Choose output format
python extract_core_insights.py paper.pdf --format markdown
python extract_core_insights.py paper.pdf --format csv

# Force or auto-detect paper type
python extract_core_insights.py review.pdf --paper-type review
python extract_core_insights.py paper.pdf --paper-type auto

# Batch process a folder (4 parallel workers)
python extract_core_insights.py papers/ --batch

# Save to a specific file
python extract_core_insights.py paper.pdf --output results.json

モード3 — 論文ハーベスター（Python CLI ＋ 独自の分析）

学術データベースから論文を取得し、PDF ではなくテキストや画像を読めるように、ディスク上に Markdown 形式で配置します。skills/sci-extract/ ディレクトリから実行します。

# By identifier: DOI, PMID, PMCID, or arXiv ID
python harvest_paper.py 10.1038/s41586-020-2649-2
python harvest_paper.py PMC7759461
python harvest_paper.py 2006.10256

# By title or search query: lists candidates and asks before fetching
python harvest_paper.py "array programming with numpy"
python harvest_paper.py "array programming with numpy" --pick 1   # non-interactive

# Where to write, and what to skip
python harvest_paper.py 10.1038/s41586-020-2649-2 --output-dir ./papers
python harvest_paper.py 10.1038/s41586-020-2649-2 --skip-pdf --skip-figures

# Several papers, one identifier per line
python harvest_paper.py --batch dois.txt

# Which databases are configured
python harvest_paper.py --sources

各論文は ./sci_extract_out/ の下に専用のディレクトリが作成されます（--output-dir で変更できます）。

2020_harris_array-programming-numpy/
├── raw.md                # complete capture in English, figures embedded inline
├── analysis.md           # YOU write this; see below
├── metadata.json         # merged record from every database, plus an audit trail
├── fulltext.xml          # publisher XML exactly as received
├── figures/              # publication-resolution images
├── paper.pdf             # kept for reference
└── _analysis_prompt.md   # instructions for writing analysis.md

ハーベスターの処理が終わったら、analysis.md を作成してください。 このスクリプトは意図的に言語モデルを呼び出しません。あなた自身がモデルです。したがって、_analysis_prompt.md を読み、raw.md 全体を読み、論文の種類に合ったモード1のテンプレートを適用して、同じディレクトリに中国語で analysis.md を作成してください。LLM API キーは使用せず、ユーザーに求めることもありません。

このモードでは、論文ごとに Markdown ファイルを2つ作成します。raw.md は読むための忠実な原文であり、analysis.md はその内容に対するあなたの判断です。両者を分けておくことで、分析によってエビデンスが気付かないうちに書き換えられることを防げます。

取得範囲には明確な制限があります。全文と図を取得するには、論文がオープンアクセスである必要があります。ペイウォールのある論文については、ハーベスターは完全なメタデータ、アブストラクト、取得可能な場合は PDF を出力し、利用できなかった部分を raw.md に明記します。欠落を論文自体に記載がないことと判断する前に、raw.md の末尾にある出典セクションを確認してください。

3つのモードは独立しています。モード1は、すでに手元にある論文から叙述的な分析を作成します。モード2は、ローカルの PDF から構造化データ項目を作成します。モード3は論文を取得し、モード1で分析できるよう準備します。一般的な手順は、モード3の後にモード1を実行することです。

設定

モード2には PyMuPDF、pdfplumber、numpy が必要です。

モード3には requests が必要です。また、PDF から図を切り出す必要がある場合は PyMuPDF を使用します。データベースの認証情報は、スイート全体で使用する ~/.aut_sci_write/.env から読み込まれます。設定済みの項目を確認するには、python harvest_paper.py --sources を実行してください。Crossref、OpenAlex、Semantic Scholar、PubMed、Europe PMC、arXiv はキーを必要としないため、.env が空でもハーベスターを活用できます。Web of Science、Scopus、Springer、Elsevier、IEEE のキーを追加すると、メタデータの対象範囲が広がります。また、利用資格のある Elsevier と Springer のキーを使うと、全文も取得できます。

---

© ライセンスと著作権

著者と貢献

著者	貢献	著作権
Shuo Zhao	コア抽出エンジン（特徴、図の検出、メタデータの解析）	© 2026 Shuo Zhao
Zhiyao Zhang	ハイルマイヤー分析モジュール（7つの質問からなるカテキズム・フレームワーク）	© 2026 Zhiyao Zhang

ライセンス

MIT License — プロジェクトルートの LICENSE ファイルをご覧ください。

本ソフトウェアおよび関連文書ファイル（以下「本ソフトウェア」）の複製を取得するすべての人に対し、無償で、本ソフトウェアを制限なく取り扱うことを許可します。これには、本ソフトウェアの使用、複製、変更、結合、公開、配布、サブライセンス、および販売の権利が含まれますが、これらに限定されません。また、本ソフトウェアの提供を受けた人に対して同様の許可を与えることもできます。ただし、以下の条件に従うものとします。

上記の著作権表示および本許諾表示は、本ソフトウェアのすべての複製または実質的な部分に含めるものとします。

本ソフトウェアは「現状のまま」提供され、明示的か黙示的かを問わず、商品性、特定目的への適合性、および権利非侵害性に関する保証を含むがこれらに限定されない、いかなる保証もありません。いかなる場合も、作者または著作権者は、本ソフトウェアまたは本ソフトウェアの使用その他の取引に起因または関連して生じる契約、不法行為その他の行為に基づく請求、損害、その他の責任について、一切責任を負いません。

著作権表示

Copyright (c) 2026 Shuo Zhao. All rights reserved.
Copyright (c) 2026 Zhiyao Zhang. All rights reserved.

This work includes contributions from both authors under MIT license.
- Core extraction module: Copyright (c) 2026 Shuo Zhao
- Heilmeier analysis module: Copyright (c) 2026 Zhiyao Zhang

オリジナル作品に関する宣言

本作品は、作者によって作成されたオリジナルの共同制作物です。両作者の明示的な許可なく、複製、再配布、または商用利用することを禁じます。

本ソフトウェアの複製を取得するすべての人に対し、無償で許可します…（MIT ライセンスの全文については、ルートディレクトリの LICENSE ファイルをご覧ください。）

---

このスキルは Aut_Sci_Write スイートの一部です。ライセンス条項の全文については、プロジェクトルートの LICENSE ファイルをご覧ください。