study

論文学習ワークフロー

論文 PDF のパスを指定して、このスキルを呼び出します。

言語の判定：ユーザーの入力から言語を判定し、すべての資料をその言語で作成します。

• 例：ユーザーが「我们学习一下这篇论文吧」と言う → 資料を中国語で作成
• 例：ユーザーが「Let's study this paper」と言う → 資料を英語で作成

---

基本理念

主な目的： 概念への深い理解と、研究レベルの思考を促します。

副次的な目的： 体系的で再利用可能な論文ナレッジシステムを作成します。

このワークフローは単なる要約ではなく、論文を中心とした学習環境を構築します。

---

ステップ 0：依存関係の確認（初回のみ）

if [ ! -f "${CLAUDE_PLUGIN_ROOT}/.installed" ]; then
  echo "First run - installing dependencies..."
  cd "${CLAUDE_PLUGIN_ROOT}"
  npm install || exit 1

  # Install Python dependencies for image extraction
  python3 -m pip install pymupdf --user 2>/dev/null || pip3 install pymupdf --user 2>/dev/null || echo "Warning: Failed to install pymupdf"

  touch "${CLAUDE_PLUGIN_ROOT}/.installed"
  echo "Dependencies installed!"
fi

推奨環境：

• Node >= 18
• 画像抽出用の Python 3 と pip

---

ステップ 1：PDF のダウンロードと解析

複数の入力形式に対応しています。

• ローカルパス：~/Downloads/paper.pdf
• PDF の直接 URL：https://arxiv.org/pdf/1706.03762.pdf
• arXiv の URL：https://arxiv.org/abs/1706.03762

ステップ 1a：入力の種類を確認し、URL の場合はダウンロードする

USER_INPUT="<user-input>"

# Check if input is a URL (starts with http:// or https://)
if [[ "$USER_INPUT" =~ ^https?:// ]]; then
  # Download PDF from URL
  INPUT_PATH=$(node ${CLAUDE_PLUGIN_ROOT}/skills/study/scripts/download-pdf.cjs "$USER_INPUT")
else
  # Use local path directly
  INPUT_PATH="$USER_INPUT"
fi

URL の場合、ダウンロードスクリプトは以下を実行します。

• PDF を /tmp/claude-paper-downloads/ にダウンロードします
• arXiv の /abs/ URL を自動的に PDF の URL に変換します
• URL が PDF ファイルを指していることを検証します
• 処理用のローカルファイルパスを返します

ローカルパスの場合は、ダウンロードせずにパスをそのまま使用します。

ステップ 1b：PDF を解析する

構造化された情報を抽出します。

PARSE_OUTPUT_DIR=$(mktemp -d)
node ${CLAUDE_PLUGIN_ROOT}/skills/study/scripts/parse-pdf.js \
  "$INPUT_PATH" \
  --output-dir "$PARSE_OUTPUT_DIR"

このコマンドは、簡潔で厳密な JSON の概要を stdout に出力し、以下のファイルを書き込みます。

• meta.json — タイトル、著者、概要、リンク、ページ数、コンテキストに配慮した内容のプレビュー
• paper.txt — 50k のプレビュー上限なしで抽出した全文

資料の生成には paper.txt をソースとして使用します。必要に応じて検索し、関連するセクションを読んでください。contentTruncated が true の場合、meta.json.content を論文の全文として扱わないでください。

{paper-slug} を選んだら、論文ディレクトリを作成し、パーサーが生成した両方のファイルと元の PDF をコピーします。

mkdir -p ~/claude-papers/papers/{paper-slug}
cp "<metaPath-from-parser-output>" ~/claude-papers/papers/{paper-slug}/meta.json
cp "<fullTextPath-from-parser-output>" ~/claude-papers/papers/{paper-slug}/paper.txt
cp "$INPUT_PATH" ~/claude-papers/papers/{paper-slug}/paper.pdf

ステップ 2.5 でタグをちょうど 2 つ生成し、保存した meta.json に追加します。

フォールバック： 構造化解析に失敗した場合は、プレーンテキストを抽出し、構造が不完全な状態で処理を続けます。

---

ステップ 2：資料を生成する前に論文を評価する

ファイルを生成する前に、以下を評価します。

1. 難易度

   • 初級
   • 中級
   • 上級
   • 高度な理論

2. 論文の性質

   • 理論
   • アーキテクチャベース
   • 実証重視
   • システム設計
   • サーベイ

3. 手法の複雑さ

   • シンプルなパイプライン
   • 多段階学習
   • 新規アーキテクチャ
   • 数学的導出を多用

この評価によって、以下を決定します。

• method.md を作成するかどうか
• .ipynb を作成するかどうか
• 解説の深さ
• コードデモの複雑さ

---

ステップ 2.5：意味に基づくタグをちょうど 2 つ生成する（必須）

ファイルを生成する前に、論文の意味を理解し、タグをちょうど 2 つ推定します。

ルール：

• タグはちょうど 2 つ生成します。増減させないでください
• タグは互いに異なるものにします
• 各タグは短くします（1～3 語）
• 一般的すぎるタグは避けます：paper、research、ai、ml
• 問題／ドメインを表すタグを 1 つ、手法／中核となるアイデアを表すタグを 1 つ選ぶのがおすすめです

例：

• machine translation、self-attention
• 3d detection、bev transformer
• protein folding、structure prediction

以下の両方の場所に、この 2 つのタグを保存します。

• ~/claude-papers/papers/{paper-slug}/meta.json の tags
• ~/claude-papers/index.json のエントリの tags

---

ステップ 3：学習資料の中核を生成する

フォルダーを作成します。

~/claude-papers/papers/{paper-slug}/

---

必須ファイル

README.md

• 論文の概要（1 段落）
• 難易度
• 資料の参照方法
• 主な要点
• 想定学習時間
• フォルダー構成の概要

---

summary.md

• 背景情報
• 問題設定
• 主な貢献
• 主な結果
• 定量的な指標

---

insights.md（最重要）

• 中核となるアイデアを平易に解説
• なぜうまくいくのか
• どのような概念上の転換をもたらすのか
• トレードオフ
• 制約
• 先行研究との比較
• 実用上の意味

qa.md

15 個の質問：

• 基礎：5 問
• 中級：5 問
• 上級：5 問

次の形式を使用します：

### Question

<details>
<summary>Answer</summary>

Detailed explanation.

</details>

---

---

条件付きファイル

method.md（ほとんどの論文で推奨）

以下を含めます：

• コンポーネントの内訳
• アルゴリズムの流れ
• アーキテクチャ図（必要に応じて ASCII）
• 段階的な解説
• 擬似コード（解説とのバランスを取る）
• 実装上の落とし穴
• ハイパーパラメーターの感度
• 再現時のリスク

---

mental-model.md（ほとんどの論文で推奨）

• これはどのような種類の問題ですか？
• どのような事前知識が前提とされていますか？
• より広い研究の全体像の中で、どのような位置づけですか？
• この研究をどのように捉えるとよいですか？

---

reflection.md（任意、自動生成）

• この論文を発展させるとしたら
• 未解決の問題は何か
• どの前提が脆弱か
• 実際の場面でどこがうまくいかない可能性があるか

---

Step 4: コードデモの作成（必須）

少なくとも 1 つ、実行可能なデモを作成する必要があります。

すべてのコードデモは以下に配置してください：

~/claude-papers/papers/{paper-slug}/code/

まずコードディレクトリを作成します：

mkdir -p ~/claude-papers/papers/{paper-slug}/code

ガイドライン：

• 自己完結している
• 単独で実行できる
• 学習に役立つコメントがある（理由を説明する）
• 核となる貢献に焦点を当てる
• 完全さよりも明瞭さを優先する

考えられる種類：

• 簡略化した概念実装
• 可視化スクリプト
• 最小限のアーキテクチャデモ
• インタラクティブノートブック（.ipynb）

内容がわかる名前を付けます：

• model_demo.py
• vectorized_planning_demo.py
• contrastive_loss_visualization.ipynb

一般的すぎる名前は避けてください。

---

Step 5: インタラクティブ HTML エクスプローラーの生成

論文の核となる概念をインタラクティブに探索できる、自己完結型の HTML ファイルを 1 つ作成します。

出力先：

~/claude-papers/papers/{paper-slug}/index.html

要件

• CSS と JS をすべてインラインで記述した、外部依存関係のない単一の HTML ファイル
• 論文の実データ（実際の指標、ハイパーパラメーター、比較結果）を使用する — 数値を創作しない
• サンドボックス化された iframe で動作する（外部への fetch や localStorage を使用しない）

ガイドライン

論文に最適なインタラクション形式を選びます。アーキテクチャ図、パラメーターエクスプローラー、結果ダッシュボード、数式の内訳、比較マトリックスなどが考えられます。固定のレイアウトを無理に当てはめるのではなく、論文の内容に沿った形式にし、核となるアイデアに焦点を当ててください。

スライダー、切り替え、ドロップダウンなど、すべてのインタラクティブなコントロールを操作したときに、可視化が目に見えて変化するようにします。概念を理解するのに役立つ簡潔な説明文を、インタラクティブ要素のそばに含めてください。

---

Step 6: 画像の抽出

mkdir -p ~/claude-papers/papers/{paper-slug}/images

python3 ${CLAUDE_PLUGIN_ROOT}/skills/study/scripts/extract-images.py \
  paper.pdf \
  ~/claude-papers/papers/{paper-slug}/images

主要な画像には、内容がわかる名前を付けます：

• architecture.png
• training_pipeline.png
• results_table.png

---

Step 7: インデックスの更新

重要：まず既存の index.json を読み込み、新しい論文を追加します。ファイル全体を上書きしてはいけません。

index.json が存在しない場合は、以下を作成します：

{"papers": []}

papers 配列に新しいエントリを追加します：

{
  "id": "paper-slug",
  "title": "Paper Title",
  "slug": "paper-slug",
  "authors": ["Author 1", "Author 2"],
  "abstract": "Paper abstract...",
  "year": 2024,
  "date": "2024-01-01",
  "tags": ["tag-1", "tag-2"],
  "githubLinks": ["https://github.com/..."],
  "codeLinks": ["https://..."]
}

重要：index.json ファイルは以下の場所に置く必要があります：

~/claude-papers/index.json

---

Step 8: Web UI の再起動

以下を実行します：

/claude-paper:webui

Step 9: インタラクティブなディープラーニングループ

すべてのファイルを生成した後：

ユーザーへの提示事項：

1. 次の質問をします：

   • まだ不明な点はどこですか？
   • 数学的な解説をさらに詳しくしますか？
   • 実装レベルの分析が必要ですか？
   • 別の論文との比較を行いますか？

2. ユーザーが以下を行えるようにします：

   • さらに詳しい質問をする
   • 自分の理解を要約する
   • 新しいアイデアを提案する

---

ユーザーがさらに詳しい質問をした場合：

同じフォルダー内に新しいファイルを生成します：

例：

• deep-dive-contrastive-loss.md
• math-derivation-breakdown.md
• comparison-with-transformers.md
• extension-ideas.md

---

ユーザーが独自の要約を提示した場合：

1. 内容を洗練します。
2. 構成を改善します。
3. 次の名前で保存します：

• user-summary-v1.md

反復した場合：

• user-summary-v2.md

---

ユーザーが体系的な統合を希望する場合：

以下を作成します：

• consolidated-notes.md
• study-session-1.md
• exam-review.md

---

これにより、論文のフォルダーが成長するナレッジノードになります。

---