研究情報検索

概要

このスキルは、OpenRouter を経由して Perplexity の Sonar モデルを使用したリアルタイムの研究情報検索を可能にします。クエリの複雑さに基づいて、Sonar Pro Search（高速で効率的な検索）と Sonar Reasoning Pro（深い分析的推論）の間で自動的に選択します。このスキルは、現在の学術文献、最近の研究、技術ドキュメント、および一般的な研究情報への適切な引用と出典表示を含むアクセスを提供します。

このスキルを使用する場合

以下が必要な場合にこのスキルを使用してください：

• 現在の研究情報：特定の分野における最新の研究、論文、および知見
• 文献の検証：事実、統計、または主張を現在の研究と照合する
• 背景調査：科学的執筆のための文脈と支証を収集する
• 引用出典：原稿で引用する関連論文および研究を見つける
• 技術ドキュメント：仕様、プロトコル、または方法論を調べる
• 最近の発展：新興トレンドと突破口に関する情報を最新に保つ
• 統計データ：最近の統計、調査結果、または研究知見を検索する
• 専門家の意見：最近のインタビュー、レビュー、または論評からの洞察にアクセスする

科学的図式による視覚的向上

このスキルで文書を作成する場合、常に科学的図表と図式を追加して視覚的通信を強化することを検討してください。

文書に図式またはダイアグラムがまだ含まれていない場合：

• scientific-schematics スキルを使用して AI で生成された出版品質の図表を生成する
• 単に目的の図表を自然言語で説明する
• Nano Banana Pro が自動的に図式を生成、レビュー、改善します

**新規文書の場合：**科学的図式はデフォルトで生成され、テキストで説明されている主要な概念、ワークフロー、アーキテクチャ、または関係を視覚的に表現します。

図式の生成方法：

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

AI は自動的に以下を実行します：

• 適切なフォーマットで出版品質の画像を作成する
• 複数の反復を通じてレビューおよび改善する
• アクセシビリティを確保する（色覚異常対応、高コントラスト）
• 出力を figures/ ディレクトリに保存する

図式を追加する場合：

• 研究情報フロー図
• クエリ処理ワークフロー図
• モデル選択判定木
• システム統合アーキテクチャ図
• 情報検索パイプライン可視化
• 知識統合フレームワーク
• 視覚化から利益を得る複雑な概念

図式作成の詳細なガイダンスについては、scientific-schematics スキルのドキュメントを参照してください。

---

コア機能

1. 学術研究クエリ

学術文献の検索：特定のドメインにおける最近の論文、研究、およびレビューについて検索します：

クエリの例：
- "Recent advances in CRISPR gene editing 2024"
- "Latest clinical trials for Alzheimer's disease treatment"
- "Machine learning applications in drug discovery systematic review"
- "Climate change impacts on biodiversity meta-analysis"

予想される応答形式：

• 最近の文献からの主要な知見の概要
• 著者、タイトル、ジャーナル、年を含む最も関連性の高い 3～5 論文の引用
• 強調される主要な統計または知見
• 研究ギャップまたは論争の特定
• 利用可能な場合は完全論文へのリンク

2. 技術および方法論情報

プロトコルおよび方法の検索：詳細な手順、仕様、および方法論を見つけます：

クエリの例：
- "Western blot protocol for protein detection"
- "RNA sequencing library preparation methods"
- "Statistical power analysis for clinical trials"
- "Machine learning model evaluation metrics"

予想される応答形式：

• ステップバイステップの手順またはプロトコル
• 必要な材料および機器
• 重要なパラメータと考慮事項
• 一般的な問題のトラブルシューティング
• 標準プロトコルまたは重要論文への参考文献

3. 統計およびデータ情報

研究統計：現在の統計、調査結果、および研究データを検索します：

クエリの例：
- "Prevalence of diabetes in US population 2024"
- "Global renewable energy adoption statistics"
- "COVID-19 vaccination rates by country"
- "AI adoption in healthcare industry survey"

予想される応答形式：

• 日付と出典を含む現在の統計
• データ収集方法
• 利用可能な場合は信頼区間または誤差の範囲
• 前年度またはベンチマークとの比較
• 元の調査または研究への引用

4. 引用および参考文献のサポート

引用の検索：原稿で引用する関連論文および研究を見つけます：

クエリの例：
- "Foundational papers on transformer architecture"
- "Seminal works in quantum computing"
- "Key studies on climate change mitigation"
- "Landmark trials in cancer immunotherapy"

予想される応答形式：

• 最も影響力のある、または関連性の高い 5～10 論文
• 完全な引用情報（著者、タイトル、ジャーナル、年、DOI）
• 各論文の貢献の簡潔な説明
• 利用可能な場合の引用インパクト指標（h インデックス、引用数）
• ジャーナルインパクトファクターとランキング

自動モデル選択

このスキルは、クエリの複雑さに基づいたインテリジェントなモデル選択機能を備えています：

モデルの種類

1. Sonar Pro Search (perplexity/sonar-pro-search)

• 使用例：直前の情報検索
• 最適な用途：
  • シンプルなファクト検索クエリ
  • 最近の出版物検索
  • 基本的なプロトコル検索
  • 統計データ検索
• 速度：高速な応答
• コスト：クエリあたりの低コスト

2. Sonar Reasoning Pro (perplexity/sonar-reasoning-pro)

• 使用例：深い推論を必要とする複雑な分析クエリ
• 最適な用途：
  • 比較分析（「X と Y を比較」）
  • 複数の研究の統合
  • トレードオフまたは論争の評価
  • メカニズムまたは関係の説明
  • 批判的分析と解釈
• 速度：遅いが、より徹底的
• コスト：クエリあたりのコストは高いが、より深い洞察を提供

複雑性評価

スキルは以下の指標を使用してクエリの複雑さを自動的に検出します：

推論キーワード（Sonar Reasoning Pro をトリガー）：

• 分析的：compare、contrast、analyze、analysis、evaluate、critique
• 比較的：versus、vs、vs.、compared to、differences between、similarities
• 統合：meta-analysis、systematic review、synthesis、integrate
• 因果的：mechanism、why、how does、how do、explain、relationship、causal relationship、underlying mechanism
• 理論的：theoretical framework、implications、interpret、reasoning
• 議論：controversy、conflicting、paradox、debate、reconcile
• トレードオフ：pros and cons、advantages and disadvantages、trade-off、tradeoff、trade offs
• 複雑性：multifaceted、complex interaction、critical analysis

複雑性スコアリング：

• 推論キーワード：各 3 ポイント（重く重み付けされている）
• 複数の質問：疑問符あたり 2 ポイント
• 複雑な文構造：句指示（and、or、but、however、whereas、although）あたり 1.5 ポイント
• 非常に長いクエリ：>150 文字の場合 1 ポイント
• 閾値：≥3 ポイントのスコアを持つクエリは Sonar Reasoning Pro をトリガーします

実用的な結果：1 つの強い推論キーワード（compare、explain、analyze など）でも、より強力な Sonar Reasoning Pro モデルをトリガーし、必要な場合に深い分析を確実に得られます。

クエリ分類の例：

✅ Sonar Pro Search（直前の検索）：

• "Recent advances in CRISPR gene editing 2024"
• "Prevalence of diabetes in US population"
• "Western blot protocol for protein detection"

✅ Sonar Reasoning Pro（複雑な分析）：

• "Compare and contrast mRNA vaccines vs traditional vaccines for cancer treatment"
• "Explain the mechanism underlying the relationship between gut microbiome and depression"
• "Analyze the controversy surrounding AI in medical diagnosis and evaluate trade-offs"

手動オーバーライド

force_model パラメータを使用して特定のモデルを強制できます：

# 高速検索用に Sonar Pro Search を強制
research = ResearchLookup(force_model='pro')

# 深い分析用に Sonar Reasoning Pro を強制
research = ResearchLookup(force_model='reasoning')

# 自動選択（デフォルト）
research = ResearchLookup()

コマンドラインの使用方法：

# Sonar Pro Search を強制
python research_lookup.py "your query" --force-model pro

# Sonar Reasoning Pro を強制
python research_lookup.py "your query" --force-model reasoning

# 自動（フラグなし）
python research_lookup.py "your query"

技術統合

OpenRouter API 設定

このスキルは OpenRouter（openrouter.ai）と統合して Perplexity の Sonar モデルにアクセスします：

モデル仕様：

• モデル：
  • perplexity/sonar-pro-search（高速検索）
  • perplexity/sonar-reasoning-pro-online（深い分析）
• 検索モード：学術/学識モード（ピアレビュー済みの情報源を優先）
• 検索コンテキスト：常により深く包括的な研究結果のために high 検索コンテキストを使用
• コンテキストウィンドウ：包括的な研究のための 200K+ トークン
• 機能：学術論文検索、引用生成、学術分析
• 出力：学術データベースからの引用と出典リンクを含む豊かな応答

API 要件：

• OpenRouter API キー（OPENROUTER_API_KEY 環境変数として設定）
• 研究クエリに十分なクレジットを持つアカウント
• 出典の適切な帰属と引用

学術モード設定：

• システムメッセージは学識的な情報源を優先するように設定されている
• ピアレビュー済みジャーナルおよび学術出版物に焦点を当てた検索
• 学術参考文献の引用抽出を強化
• 最近の学術文献を優先（2020～2024 年が推奨）
• 学術データベースおよびリポジトリへの直接アクセス

応答品質と信頼性

出典検証：スキルは以下を優先します：

• ピアレビュー済みの学術論文およびジャーナル
• 信頼できる機関の情報源（大学、政府機関、NGO）
• 最近の出版物（過去 2～3 年以内を推奨）
• 高インパクトジャーナルおよび学会
• 二次的情報源よりも一次研究

引用規格：すべての応答に以下を含みます：

• 完全な文献情報
• 利用可能な場合は DOI または安定的な URL
• ウェブ出典のアクセス日
• 直接引用またはデータへの明確な帰属

クエリのベストプラクティス

1. モデル選択戦略

シンプルな検索用（Sonar Pro Search）：

• 特定のトピックに関する最近の論文
• 統計データまたは罹患率
• 標準的なプロトコルまたは方法論
• 特定の論文の引用検索
• 事実情報の検索

複雑な分析用（Sonar Reasoning Pro）：

• 比較研究および統合
• メカニズム説明
• 論争評価
• トレードオフ分析
• 理論的枠組み
• 多側面的な関係

Pro のヒント：自動選択はほとんどの使用例に対して最適化されています。特定の要件がある場合、またはクエリが検出された以上の深い推論を必要としることが分かっている場合にのみ force_model を使用してください。

2. 具体的で焦点を絞ったクエリ

良いクエリ（適切なモデルをトリガーします）：

• "Randomized controlled trials of mRNA vaccines for cancer treatment 2023-2024" → Sonar Pro Search
• "Compare the efficacy and safety of mRNA vaccines vs traditional vaccines for cancer treatment" → Sonar Reasoning Pro
• "Explain the mechanism by which CRISPR off-target effects occur and strategies to minimize them" → Sonar Reasoning Pro

悪いクエリ：

• "Tell me about AI"（広すぎる）
• "Cancer research"（不十分な詳細度）
• "Latest news"（曖昧）

3. 構造化クエリ形式

推奨される構造：

[トピック] + [特定の側面] + [時間枠] + [情報の種類]

例：

• "CRISPR gene editing + off-target effects + 2024 + clinical trials"
• "Quantum computing + error correction + recent advances + review papers"
• "Renewable energy + solar efficiency + 2023-2024 + statistical data"

4. フォローアップクエリ

効果的なフォローアップ：

• "Show me the full citation for the Smith et al. 2024 paper"
• "What are the limitations of this methodology?"
• "Find similar studies using different approaches"
• "What controversies exist in this research area?"

科学的執筆との統合

このスキルは以下を提供することで科学的執筆を向上させます：

1. 文献レビューのサポート：導入部および議論セクション用の現在の研究を収集
2. 方法検証：プロトコルおよび手順を現在の標準と照合して検証
3. 結果の文脈化：最近の類似研究との知見を比較
4. 議論の強化：最新の証拠で議論を支持
5. 引用管理：複数のスタイルで適切にフォーマットされた引用を提供

エラー処理と制限事項

既知の制限事項：

• 情報カットオフ：応答は学習データに限定（通常 2023～2024 年）
• ペイウォール内容：ペイウォール背後の全文にアクセスできない場合がある
• 新興研究：まだインデックスされていない非常に最近の論文を見落とす可能性がある
• 特殊なデータベース：所有権または制限されたデータベースにアクセスできない

エラー条件：

• API レート制限またはクォーター超過
• ネットワーク接続問題
• 不正な形式または曖昧なクエリ
• モデルの利用不可またはメンテナンス中

フォールバック戦略：

• より明確なクエリを再構成
• 複雑なクエリをより単純なコンポーネントに分割
• 最近のデータが利用できない場合は時間枠を広げる
• 複数のクエリバリエーションで相互参照

使用例

例 1：シンプルな文献検索（Sonar Pro Search）

クエリ："Recent advances in transformer attention mechanisms 2024"

選択されたモデル：Sonar Pro Search（直前の検索）

応答に含まれるもの：

• 2024 年の 5 つの主要論文の概要
• DOI を含む完全な引用
• 主要なイノベーションおよび改善
• パフォーマンスベンチマーク
• 将来の研究方向

例 2：比較分析（Sonar Reasoning Pro）

クエリ："Compare and contrast the advantages and limitations of transformer-based models versus traditional RNNs for sequence modeling"

選択されたモデル：Sonar Reasoning Pro（複雑な分析が必要）

応答に含まれるもの：

• 複数の側面にわたる詳細な比較
• 建築上の違いの分析
• 計算効率対パフォーマンスのトレードオフ
• ユースケース推奨事項
• 複数の研究からの証拠の統合
• この分野における継続中の議論の考察

例 3：方法検証（Sonar Pro Search）

クエリ："Standard protocols for flow cytometry analysis"

選択されたモデル：Sonar Pro Search（プロトコル検索）

応答に含まれるもの：

• 最近のレビューからのステップバイステッププロトコル
• 必要なコントロールおよびキャリブレーション
• 一般的なピットフォールおよびトラブルシューティング
• 決定的な方法論論文への参考文献
• プロとコンを備えた代替アプローチ

例 4：メカニズム説明（Sonar Reasoning Pro）

クエリ："Explain the underlying mechanism of how mRNA vaccines trigger immune responses and why they differ from traditional vaccines"

選択されたモデル：Sonar Reasoning Pro（因果推論が必要）

応答に含まれるもの：

• 詳細なメカニズムの説明
• ステップバイステップの生物学的プロセス
• 従来のワクチンとの比較分析
• 分子レベルの相互作用
• 免疫学および薬理学概念の統合
• 最近の研究からの証拠

例 5：統計データ（Sonar Pro Search）

クエリ："Global AI adoption in healthcare statistics 2024"

選択されたモデル：Sonar Pro Search（データ検索）

応答に含まれるもの：

• 地域別の現在の導入率
• 市場規模および成長予測
• 調査方法およびサンプルサイズ
• 前年度との比較
• 市場調査レポートへの引用

パフォーマンスとコスト考慮事項

応答時間

Sonar Pro Search：

• 典型的な応答時間：5～15 秒
• 急速な情報収集に最適
• バッチクエリに適している

Sonar Reasoning Pro：

• 典型的な応答時間：15～45 秒
• 複雑な分析クエリに価値あり
• より徹底的な推論と統合を提供

コスト最適化

自動選択の利点：

• シンプルなクエリに Sonar Pro Search を使用してコストを節約
• より深い分析から実際に利益を得るクエリのために Sonar Reasoning Pro を予約
• コストと品質のバランスを最適化

手動オーバーライド使用例：

• 予算が制限されており速度が優先の場合は Sonar Pro Search を強制
• 最大の深さが必要な重要な研究の場合は Sonar Reasoning Pro を強制
• 論文の特定のセクションに使用（例：方法は Pro Search、議論は Reasoning）

ベストプラクティス：

1. ほとんどの使用例で自動選択を信頼
2. クエリ結果をレビュー - Sonar Pro Search が十分な深さを提供しない場合は推論キーワードで再構成
3. バッチクエリを戦略的に使用 - シンプルな検索を組み合わせて総クエリ数を最小化
4. 文献レビューの場合：幅広さを得るために Sonar Pro Search で開始し、統合のために Sonar Reasoning Pro を使用

セキュリティと倫理的考慮事項

責任のある使用：

• 可能な場合は一次情報源と照合してすべての情報を検証
• すべてのデータおよび引用を元の情報源に明確に帰属させる
• AI 生成サマリーを元の研究として提示しない
• 著作権およびライセンス制限を尊重
• ペイウォールまたはサブスクリプションをバイパスするためではなく、研究支援のために使用

学術的完全性：

• 常に AI ツールではなく元の情報源を引用
• 文献検索の開始点として使用
• 研究方法に関する機関ガイドラインに従う
• 研究方法について透明性を維持

補完的なツール

research-lookup に加えて、科学的著者は以下のための WebSearch にアクセスできます：

• クイックメタデータ検証：DOI、出版年、ジャーナル名、巻/ページ番号を検索
• 学術以外の情報源：ニュース、ブログ、技術ドキュメント、現在のイベント
• 一般情報：企業情報、製品詳細、現在の統計
• 相互参照：research-lookup で見つかった引用詳細を検証

どちらのツールをいつ使用するかの比較：

タスク	ツール
学術論文を見つける	research-lookup
文献検索	research-lookup
深い分析/比較	research-lookup（Sonar Reasoning Pro）
DOI/メタデータを検索	WebSearch
出版年を検証	WebSearch
ジャーナル巻/ページを見つける	WebSearch
現在のイベント/ニュース	WebSearch
学術以外の情報源	WebSearch

まとめ

このスキルはインテリジェントな二重モデル選択を備えた強力な研究アシスタントとして機能します：

• 自動インテリジェンス：クエリの複雑さを分析し、最適なモデル（Sonar Pro Search または Sonar Reasoning Pro）を選択
• コスト効率的：シンプルな検索には高速でより安い Sonar Pro Search を使用
• 深い分析：複雑な比較的、分析的、理論的クエリに対して自動的に Sonar Reasoning Pro を実行
• 柔軟な制御：必要な分析レベルを正確に知っている場合は手動オーバーライド可能
• 学術フォーカス：両方のモデルはピアレビュー済み情報源および学術文献を優先するように設定されている
• 補完的な WebSearch：メタデータ検証および学術以外の情報源については WebSearch と共に使用

迅速なファクト検索であっても深い分析統合であっても、このスキルは科学的執筆のニーズに合わせた適切なレベルの研究サポートを自動的に提供するために適応します。