研究情報検索

概要

このスキルは、インテリジェントなバックエンドルーティング機能を備えたリアルタイム研究情報検索を提供します:

• Parallel Chat API(core モデル): すべての一般的な研究クエリのデフォルトバックエンド。https://api.parallel.aiのOpenAI互換チャットAPIを経由して、インライン引用文献を含む包括的でマルチソースの研究レポートを提供します。
• Perplexity sonar-pro-search(OpenRouter経由): 学術的な論文検索でスカラリーデータベースへのアクセスが重要な場合のみ使用します。

このスキルはクエリタイプを自動的に検出し、最適なバックエンドにルーティングします。

このスキルをいつ使用するか

次の場合にこのスキルを使用してください:

• 現在の研究情報: 最新の研究、論文、知見
• 文献検証: 現在の研究に対する事実、統計、主張の確認
• 背景調査: 科学論文作成のための文脈と支援証拠の収集
• 引用元情報: 引用する関連論文および研究の検索
• 技術ドキュメント: 仕様、プロトコル、方法論の検索
• 市場・業界データ: 現在の統計情報、トレンド、競争情報
• 最近の発展: 新興トレンド、ブレークスルー、発表

科学図解によるビジュアル強化

このスキルでドキュメントを作成する際は、視覚的なコミュニケーションを強化するために科学図解やスキーマティックスの追加を常に検討してください。

ドキュメントにスキーマティックスまたは図がまだない場合:

• scientific-schematics スキルを使用してAI生成の出版品質の図を作成
• 目的の図を自然言語で説明するだけです

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

---

自動バックエンド選択

スキルはコンテンツに基づいてクエリを最適なバックエンドに自動的にルーティングします:

ルーティングロジック

クエリが到着
    |
    +-- 学術キーワードを含みますか?(論文、DOI、ジャーナル、査読済み、など)
    |       はい --> Perplexity sonar-pro-search(学術検索モード)
    |
    +-- その他すべて(一般的な研究、市場データ、技術情報、分析)
            --> Parallel Chat API(コアモデル)

学術キーワード(Perplexityにルーティング)

これらの用語を含むクエリは、学術に焦点を当てた検索のためPerplexityにルーティングされます:

• 論文検索: find papers, find articles, research papers on, published studies
• 引用: cite, citation, doi, pubmed, pmid
• 学術源: peer-reviewed, journal article, scholarly, arxiv, preprint
• レビューの種類: systematic review, meta-analysis, literature search
• 論文の質: foundational papers, seminal papers, landmark papers, highly cited

その他すべて(Parallelにルーティング)

その他のすべてのクエリはParallel Chat API(コアモデル)に送信されます。以下が含まれます:

• 一般的な研究質問
• 市場および業界分析
• 技術情報およびドキュメンテーション
• 時事問題および最近の発展
• 比較分析
• 統計データ取得
• 複雑な分析クエリ

手動オーバーライド

特定のバックエンドを強制できます:

# Parallel Deep Researchを強制
python research_lookup.py "your query" --force-backend parallel

# Perplexity学術検索を強制
python research_lookup.py "your query" --force-backend perplexity

---

コア機能

1. 一般的な研究クエリ(Parallel Chat API)

デフォルトバックエンド。 チャットAPI(core モデル)経由の引用文献付きマルチソース研究を提供します。

クエリの例:
- "Recent advances in CRISPR gene editing 2025"
- "Compare mRNA vaccines vs traditional vaccines for cancer treatment"
- "AI adoption in healthcare industry statistics"
- "Global renewable energy market trends and projections"
- "Explain the mechanism underlying gut microbiome and depression"

レスポンスに含まれるもの:

• Markdown形式の包括的な研究レポート
• 信頼できるウェブソースからのインライン引用文献
• 主要な知見を含む構造化セクション
• 複数の視点とデータポイント
• 検証用のソースURL

2. 学術論文検索(Perplexity sonar-pro-search)

学術的なクエリに使用。 スカラリーデータベースおよび査読済みソースを優先します。

クエリの例:
- "Find papers on transformer attention mechanisms in NeurIPS 2024"
- "Foundational papers on quantum error correction"
- "Systematic review of immunotherapy in non-small cell lung cancer"
- "Cite the original BERT paper and its most influential follow-ups"
- "Published studies on CRISPR off-target effects in clinical trials"

レスポンスに含まれるもの:

• 学術文献からの主要な知見の要約
• 著者、題目、ジャーナル、年、DOI付きの5〜8件の高質引用文献
• 引用数と掲載誌ティア指標
• 主要な統計情報と方法論のハイライト
• 研究上のギャップと今後の方向性

3. 技術および方法論情報

クエリの例:
- "Western blot protocol for protein detection"
- "Statistical power analysis for clinical trials"
- "Machine learning model evaluation metrics comparison"

4. 統計および市場データ

クエリの例:
- "Prevalence of diabetes in US population 2025"
- "Global AI market size and growth projections"
- "COVID-19 vaccination rates by country"

---

論文の質と人気度の優先順位付け

重要: 論文を検索する場合は、常に高品質で影響力のある論文を優先してください。

引用ベースのランキング

論文の年齢	引用の閾値	分類
0〜3年	20件以上	注目すべき
0〜3年	100件以上	極めて影響力大
3〜7年	100件以上	重要
3〜7年	500件以上	ランドマーク論文
7年以上	500件以上	セミナル作品
7年以上	1000件以上	基礎的研究

掲載誌品質ティア

ティア1 - プレミア掲載誌(常に優先):

• 総合科学: Nature, Science, Cell, PNAS
• 医学: NEJM, Lancet, JAMA, BMJ
• 分野別: Nature Medicine, Nature Biotechnology, Nature Methods
• トップCS/AI: NeurIPS, ICML, ICLR, ACL, CVPR

ティア2 - 高インパクト専門(強い優先):

• インパクトファクター > 10のジャーナル
• サブフィールドのトップカンファレンス(EMNLP, NAACL, ECCV, MICCAI)

ティア3 - 尊重される専門(関連する場合に含める):

• インパクトファクター5〜10のジャーナル

---

技術統合

環境変数

# プライマリバックエンド(Parallel Chat API) - 必須
export PARALLEL_API_KEY="your_parallel_api_key"

# 学術検索バックエンド(Perplexity) - 学術クエリに必須
export OPENROUTER_API_KEY="your_openrouter_api_key"

APIの仕様

Parallel Chat API:

• エンドポイント: https://api.parallel.ai (OpenAI SDK互換)
• モデル: core (60秒〜5分のレイテンシー、複雑なマルチソース統合)
• 出力: インライン引用文献付きMarkdownテキスト
• 引用文献: URL、根拠、信頼度を含む研究ベース
• レート制限: 300 req/分
• Pythonパッケージ: openai

Perplexity sonar-pro-search:

• モデル: perplexity/sonar-pro-search (OpenRouter経由)
• 検索モード: 学術(査読済みソースを優先)
• 検索コンテキスト: 高(包括的な研究)
• レスポンスタイム: 5〜15秒

コマンドラインの使用方法

# 自動ルーティング研究(推奨) — 常にsources/に保存
python research_lookup.py "your query" -o sources/research_YYYYMMDD_HHMMSS_<topic>.md

# 特定のバックエンドを強制 — 常にsources/に保存
python research_lookup.py "your query" --force-backend parallel -o sources/research_<topic>.md
python research_lookup.py "your query" --force-backend perplexity -o sources/papers_<topic>.md

# JSON出力 — 常にsources/に保存
python research_lookup.py "your query" --json -o sources/research_<topic>.json

# バッチクエリ — 常にsources/に保存
python research_lookup.py --batch "query 1" "query 2" "query 3" -o sources/batch_research_<topic>.md

---

必須: すべての結果をSourcesフォルダに保存

すべてのresearch-lookup結果は、プロジェクトのsources/フォルダに保存する必要があります。

これは交渉の余地はありません。研究結果は取得にコストがかかり、再現性に不可欠です。

保存ルール

バックエンド	-o フラグのターゲット	ファイル名パターン
Parallel Deep Research	sources/research_<topic>.md	research_YYYYMMDD_HHMMSS_<brief_topic>.md
Perplexity(学術)	sources/papers_<topic>.md	papers_YYYYMMDD_HHMMSS_<brief_topic>.md
バッチクエリ	sources/batch_<topic>.md	batch_research_YYYYMMDD_HHMMSS_<brief_topic>.md

保存方法

重要: research_lookup.pyへのすべての呼び出しには、sources/フォルダを指す-oフラグが含まれている必要があります。

重要: 保存されたファイルはすべての引用文献、ソースURL、DOIを保持する必要があります。 デフォルトのテキスト出力は自動的にSourcesセクション(各ソースの題目、日付、URL)とAdditional Referencesセクション(レスポンステキストから抽出されたDOIと学術URL)を含みます。最大の引用メタデータについては、--jsonを使用してください。

# 一般的な研究 — sources/に保存(Sources + Additional Referencesセクションを含む)
python research_lookup.py "Recent advances in CRISPR gene editing 2025" \
  -o sources/research_20250217_143000_crispr_advances.md

# 学術論文検索 — sources/に保存(DOI付きの論文引用を含む)
python research_lookup.py "Find papers on transformer attention mechanisms in NeurIPS 2024" \
  -o sources/papers_20250217_143500_transformer_attention.md

# JSON形式(最大引用メタデータ用 - URL、DOI、スニペット付きの完全な引用オブジェクト)
python research_lookup.py "CRISPR clinical trials" --json \
  -o sources/research_20250217_143000_crispr_trials.json

# バックエンドを強制 — sources/に保存
python research_lookup.py "AI regulation landscape" --force-backend parallel \
  -o sources/research_20250217_144000_ai_regulation.md

# バッチクエリ — sources/に保存
python research_lookup.py --batch "mRNA vaccines efficacy" "mRNA vaccines safety" \
  -o sources/batch_research_20250217_144500_mrna_vaccines.md

保存されたファイルの引用文献の保持

各出力形式は引用文献を異なる方法で保存します:

形式	含まれる引用文献	使用場面
テキスト(デフォルト)	Sources (N): セクション([title] (date) + URLを含む) + Additional References (N): (DOIと学術URL)	標準的な使用 — すべての引用文献を含む人間が読める形式
JSON(--json)	完全な引用オブジェクト: url, title, date, snippet, doi, type	最大引用メタデータが必要な場合

Parallelバックエンドについては、保存されたファイルに以下が含まれます: 研究レポート + Sourcesリスト(題目、URL) + Additional References(DOI、学術URL)。 Perplexityバックエンドについては、保存されたファイルに以下が含まれます: 学術要約 + Sourcesリスト(題目、日付、URL、スニペット) + Additional References(DOI、学術URL)。

以下の場合に--jsonを使用してください:

• 引用メタデータをプログラム的に解析する必要がある場合
• BibTeX生成のための完全なDOIおよびURLデータを保持する場合
• クロスリファレンス用に構造化された引用オブジェクトを保持する場合

すべてを保存する理由

1. 再現性: すべての引用文献と主張を生のリサーチソースまで遡ることができます
2. コンテキストウィンドウの回復: コンテキストが圧縮された場合、再度クエリせずに保存されたレスポンスを読み直すことができます
3. 監査証跡: sources/フォルダはすべての研究情報がどのように収集されたかを記録しています
4. セクション全体での再利用: 複数のセクションが重複クエリなしで同じ保存された研究を参照できます
5. コスト効率: 新しいAPI呼び出しを行う前に、sources/で既存の結果を確認してください
6. ピアレビュー対応: レビュアーはすべての引用文献を支援する研究を検証できます

新しいクエリを行う前にSourcesを確認してください

research_lookup.pyを呼び出す前に、関連する結果が既に存在するかどうかを確認してください:

ls sources/  # 既存の保存されたレスポンスを確認

以前のルックアップが同じトピックをカバーしている場合は、新しいAPI呼び出しを行う代わりに保存されたファイルを読み直してください。

ログ記録

研究結果を保存する場合、常に以下をログに記録してください:

[HH:MM:SS] SAVED: Research lookup to sources/research_20250217_143000_crispr_advances.md (3,800 words, 8 citations)
[HH:MM:SS] SAVED: Paper search to sources/papers_20250217_143500_transformer_attention.md (6 papers found)

---

科学執筆との統合

このスキルは以下を提供することで科学執筆を強化します:

1. 文献レビュー対応: 序論と考察のための現在の研究を収集 — sources/に保存してください
2. 方法の検証: プロトコルを現在の基準に対して検証 — sources/に保存してください
3. 結果の文脈化: 最近の類似研究との知見の比較 — sources/に保存してください
4. 考察の強化: 最新の証拠で議論を支援 — sources/に保存してください
5. 引用文献管理: 適切にフォーマットされた引用文献を提供 — sources/に保存してください

補完的なツール

タスク	ツール
一般的なウェブ検索	parallel-web スキル(parallel_web.py search)
引用文献の検証	parallel-web スキル(parallel_web.py extract)
深い研究(任意のトピック)	research-lookupまたはparallel-webスキル
学術論文検索	research-lookup(自動的にPerplexityにルーティング)
Google Scholar検索	citation-management スキル
PubMed検索	citation-management スキル
DOIからBibTeXへ	citation-management スキル
メタデータの検証	parallel-web スキル(parallel_web.py searchまたはextract)

---

エラーハンドリングと制限事項

既知の制限:

• Parallel Chat API(コアモデル): 複雑なクエリは最大5分かかる場合があります
• Perplexity: 情報のカットオフ、ペイウォール後ろの全文にアクセスできない場合があります
• 両方: 専有または制限されたデータベースにアクセスできません

フォールバック動作:

• 選択されたバックエンドのAPIキーが不足している場合、他のバックエンドを試みます
• 両方のバックエンドが失敗した場合、構造化されたエラーレスポンスを返します
• 初期レスポンスが不十分な場合、より良い結果のためにクエリを言い換えてください

---

使用例

例1: 一般的な研究(Parallelにルーティング)

クエリ: "Recent advances in transformer attention mechanisms 2025"

バックエンド: Parallel Chat API(コアモデル)

レスポンス: 信頼できるソースからの引用文献を含む包括的なMarkdownレポート。最近の論文、主要なイノベーション、パフォーマンスベンチマークをカバーしています。

例2: 学術論文検索(Perplexityにルーティング)

クエリ: "Find papers on CRISPR off-target effects in clinical trials"

バックエンド: Perplexity sonar-pro-search(学術モード)

レスポンス: 完全な引用文献、DOI、引用数、掲載誌ティア指標を含む、5〜8件の高インパクト論文の厳選リスト。

例3: 比較分析(Parallelにルーティング)

クエリ: "Compare and contrast mRNA vaccines vs traditional vaccines for cancer treatment"

バックエンド: Parallel Chat API(コアモデル)

レスポンス: 複数のソースからのデータ、構造化分析、引用済みの証拠を含む詳細な比較レポート。

例4: 市場データ(Parallelにルーティング)

クエリ: "Global AI adoption in healthcare statistics 2025"

バックエンド: Parallel Chat API(コアモデル)

レスポンス: 現在の市場データ、採用率、成長予測、ソース引用付きの地域分析。

---

まとめ

このスキルは、インテリジェントなデュアルバックエンドルーティング機能を備えたプライマリ研究インターフェースとして機能します:

• Parallel Chat API(デフォルト、core モデル): あらゆるトピックの包括的なマルチソース研究
• Perplexity sonar-pro-search: 学術的な論文検索のみ
• 自動ルーティング: 学術クエリを検出して適切にルーティング
• 手動オーバーライド: 必要に応じて任意のバックエンドを強制可能
• 補完的: parallel-web スキルとともにウェブ検索およびURL抽出に対応