serper-scholar

Google Scholar 検索ツール

Google Scholar API を基盤とする学術文献検索ツールです。学術論文、研究報告、技術文献を専門的に検索できます。

起動するタイミング

ユーザーが以下の内容に言及したとき、自動的に起動します。

学術検索のキーワード

• 「論文」、「学術」、「文献」、「研究」
• 「論文を検索」、「文献を探す」、「学術研究」
• 「Google Scholar」、「Scholar」

特定のシナリオ

• 学術論文や研究報告を探す必要がある場合
• ある分野の学術的な進展を知りたい場合
• 特定の著者の著作を探す必要がある場合
• 引用情報や掲載誌を確認する必要がある場合
• 技術分野の理論的根拠を調べる必要がある場合

質問の例

• 「機械学習に関する論文を検索してください」
• 「深層学習の NLP への応用を調べてください」
• 「Transformer アーキテクチャに関する学術論文を調べてください」
• 「LLM のトレーニング方法に関する文献を探してください」
• 「Attention mechanism に関する論文を検索してください」

ツール

serper_scholar

用途： 学術文献を検索し、論文の詳細情報を返します。

パラメーター：

• query（必須、string）：検索キーワード
• num（任意、number）：返す結果の件数。デフォルトは 10、最大 20
• gl（任意、string）：国コード。デフォルトは cn
• 推奨値： cn（中国）、us（米国）、uk（英国）
• hl（任意、string）：言語コード。デフォルトは zh-CN
• 推奨値： zh-CN（簡体字中国語）、en（英語）

返されるフィールド：

• title：論文タイトル
• url：論文のリンク
• snippet：概要
• type：文献の種類（PDF、HTML など）
• year：発表年
• authors：著者一覧
• publication：掲載誌／会議
• citationCount：引用数

ベストプラクティス

1. 検索のコツ

専門用語や技術キーワードを使います。

例：

• ✅ "Attention mechanism neural machine translation"
• ✅ "Transformer large language models"
• ✅ "Reinforcement learning robotics"
• ❌ "機械学習"（範囲が広すぎて、結果が多すぎます）

2. 分野を絞り込む

研究分野や手法を明確にします。

例：

• ✅ "BERT semantic analysis NLP"
• ✅ "CNN image classification computer vision"
• ✅ "GPT text generation natural language"
• ✅ "Q-learning reinforcement learning agent"

3. 期間を指定して検索する

最新の研究動向に注目します。

例：

• ✅ "Large language models 2024 2025"
• ✅ "Transformer architecture recent advances"
• ✅ "Diffusion models 2023 2024"

4. 著者や機関を指定して検索する

特定の研究者や機関の研究を探します。

例：

• ✅ "Geoffrey Hinton deep learning"
• ✅ "Yann LeCun CNN papers"
• ✅ "Andrew Ng machine learning"
• ✅ "OpenAI research papers"

5. 論文の種類で絞り込む

特定の種類の文献に注目します。

例：

• ✅ "Survey deep learning"
• ✅ "Review transformer models"
• ✅ "Tutorial reinforcement learning"
• ✅ "Benchmark NLP models"

6. 結果件数を選択する

ニーズに応じて調整します。

• すばやく確認： num=5（主要な文献）
• 全体を把握： num=10（主流の研究）
• 詳細に調査： num=20（幅広く網羅）

7. 引用情報を分析する

被引用数の多い論文や古典的な文献に注目します。

注目点：

• 引用数：citationCount の多い論文は、通常その分野の古典です
• 発表年：新しい論文は最新の進展を示しています
• 掲載誌：トップカンファレンス（NeurIPS、ICML、ACL）の論文は質が高いです

使用例

シナリオ 1：技術調査

ユーザーの質問： 「Transformer アーキテクチャに関する論文を調べてください」

AI の動作：

// 搜索核心论文
serper_scholar({
  query: "Transformer architecture attention is all you need",
  num: 5
})

// 搜索后续研究
serper_scholar({
  query: "BERT transformer NLP 2018 2019",
  num: 8
})

返信例：

核心论文：

1. **Attention Is All You Need** (2017)
   - 作者：Vaswani et al.
   - 引用：100,000+
   - 📄 [PDF]
   
后续研究：

2. **BERT: Pre-training of Deep Bidirectional Transformers** (2019)
   - 作者：Devlin et al.
   - 引用：80,000+
   - 发表：NAACL 2019
   
3. **Improving Language Understanding with Generative Pre-Training** (2018)
   - 作者：Radford et al. (OpenAI)
   - 引用：50,000+

シナリオ 2：分野のレビュー

ユーザーの質問： 「強化学習に関するサーベイ論文を探してください」

AI の動作：

serper_scholar({
  query: "Survey review reinforcement learning",
  num: 8
})

返信例：

强化学习综述论文：

1. **Reinforcement Learning: A Survey** (2021)
   - 引用：5,000+
   - 类型：综述
   
2. **Deep Reinforcement Learning: An Overview** (2020)
   - 引用：8,000+
   - 类型：综述
   
3. **Recent Advances in Deep Reinforcement Learning** (2022)
   - 引用：2,000+
   - 类型：综述

シナリオ 3：著者の研究

ユーザーの質問： 「Geoffrey Hinton の深層学習に関する論文を探してください」

AI の動作：

serper_scholar({
  query: "Geoffrey Hinton deep learning backpropagation",
  num: 10
})

返信例：

Geoffrey Hinton 的经典论文：

1. **Deep Learning** (2015)
   - 合作：LeCun, Bengio
   - 发表：Nature
   - 引用：50,000+
   
2. **Backpropagation Applied to Handwritten Zip Code Recognition** (1989)
   - 引用：10,000+
   
3. **Reducing the Dimensionality of Data with Neural Networks** (2006)
   - 引用：30,000+

シナリオ 4：最新の進展

ユーザーの質問： 「2024～2025 年に LLM ではどのような新しい進展がありましたか」

AI の動作：

serper_scholar({
  query: "Large language models 2024 2025 advances",
  num: 10
})

返信例：

2024-2025 大模型研究进展：

1. **Scaling Laws for Neural Language Models** (2024)
   - 持续探索模型规模与性能关系
   
2. **Instruction Tuning for Large Language Models** (2024)
   - 指令微调方法改进
   
3. **Chain-of-Thought Prompting** (2024)
   - 推理链提示技术

シナリオ 5：学際的な検索

ユーザーの質問： 「医療診断における機械学習の応用論文を検索してください」

AI の動作：

serper_scholar({
  query: "Machine learning medical diagnosis healthcare",
  num: 8
})

返信例：

医疗诊断中的机器学习：

1. **Deep Learning for Medical Image Analysis** (2021)
   - 引用：8,000+
   - 应用：影像诊断
   
2. **Machine Learning in Clinical Diagnosis** (2022)
   - 引用：3,000+
   - 应用：辅助诊断
   
3. **AI in Healthcare: A Survey** (2023)
   - 引用：2,000+
   - 类型：综述

制限事項

• 検索結果の情報源： Google Scholar。地域の影響を受ける可能性があります
• アクセス制限： 論文によっては、購読や有料でのアクセスが必要です
• 結果件数： 最大 20 件
• 更新の遅延： 最新の論文は、収録されるまでに時間がかかることがあります
• 言語の偏り： 英語の論文は中国語の論文より大幅に多くあります

設定

環境変数の設定

~/.openclaw/gateway.env を編集します。

SERPER_API_KEY=your-api-key-here

API Key の取得

https://serper.dev/ にアクセスして登録し、API Key を取得してください。

無料枠：月 2,500 回の呼び出し（Web と Scholar で共有）。

関連ツール

• serper_search： 通常のウェブ検索
• web_fetch： 個別のウェブページの詳細情報を取得

ヒント

• 組み合わせて使用： まず serper_search で概念を把握し、次に serper_scholar で詳しく調査します
• 引用を優先： 被引用数の多い論文（通常、その分野の古典）を優先して読みます
• 発表年に注目： 古典的な文献と最新の研究のバランスを取ります
• 著者を追跡： 重要な著者が見つかったら、その著者の全作品を検索します
• PDF へのアクセス： 論文のページにアクセスし、無料版を探してみます

バージョン履歴

• v1.0 (2026-02-06)：初期バージョン。基本的な学術検索機能を搭載
  • Google Scholar API に対応
  • 論文の詳細情報（著者、年、引用数など）を提供
  • OpenClaw Skill システムと統合

---

💡 ヒント： 学術検索では、できるだけ英語のキーワードを使用してください。英語の論文は、数も多く、質も高い傾向があります。