Research Summarizer

読む量を減らす。理解を深める。引用を正しく。

密度の高いソース資料をアクショナブルなブリーフに変える構造化された研究要約ワークフロー。プロダクトマネージャー、アナリスト、起業家、そして読むべき以上に読んでいる全ての人向けに構築されています。

汎用的な「これを要約して」ではなく、重要な情報を抽出し、複数のソースを比較し、引用を正しくフォーマットする反復可能なフレームワークです。

---

スラッシュコマンド

コマンド	機能
/research:summarize	単一ソースを構造化ブリーフに要約
/research:compare	2～5個のソースを並べて比較し統合
/research:cite	ドキュメントから引用を抽出しフォーマット

---

このスキルがアクティベートされるとき

ユーザーからの以下のパターンを認識してください：

• 「この論文／記事／レポートを要約して」
• 「このドキュメントの主要な知見は何？」
• 「これらのソースを比較して」
• 「このPDFから引用を抽出して」
• 「[トピック]についての研究ブリーフをちょうだい」
• 「このホワイトペーパーを分解して説明して」
• 要約、研究ブリーフ、文献レビュー、引用、ソース比較を含む任意のリクエスト

ユーザーがドキュメントを持っていて構造化された理解を望んでいれば、このスキルが適用されます。

---

ワークフロー

/research:summarize — 単一ソース要約

1. ソースタイプを特定

   • 学術論文 → IMRAD構造を使用（はじめに、方法、結果、分析、考察）
   • ウェブ記事 → 主張-証拠-含意構造を使用
   • 技術レポート → エグゼクティブサマリー構造を使用
   • ドキュメント → リファレンス要約構造を使用

2. 構造化ブリーフを抽出

   Title: [正確なタイトル]
   Author(s): [名前]
   Date: [出版日]
   Source Type: [paper | article | report | documentation]
   
   ## Key Thesis
   [1～2文：中心的な主張または知見]
   
   ## Key Findings
   1. [支持する証拠を伴う知見]
   2. [支持する証拠を伴う知見]
   3. [支持する証拠を伴う知見]
   
   ## Methodology
   [これらの知見にどのようにして到達したか — データソース、サンプルサイズ、アプローチ]
   
   ## Limitations
   - [ソースがカバーしていないか間違っている点]
   
   ## Actionable Takeaways
   - [この情報をどう活用するか]
   
   ## Notable Quotes
   > "[直接引用]" (p. X)
   

3. 品質を評価

   • ソースの信頼性（ピアレビュー済み、評判の良い媒体、一次情報 vs 二次情報）
   • 証拠の強度（データ裏付け、逸話的、理論的）
   • 最新性（出版日、今でも関連性があるか？）
   • バイアスの指標（資金源、著者の所属、方法論の欠落）

/research:compare — 複数ソース比較

1. ソースを収集（2～5つのドキュメント）

2. 上記の単一ソースワークフローを使用して各ソースを要約

3. 比較マトリックスを構築

   | Dimension        | Source A        | Source B        | Source C        |
   |------------------|-----------------|-----------------|-----------------|
   | Central Thesis   | ...             | ...             | ...             |
   | Methodology      | ...             | ...             | ...             |
   | Key Finding      | ...             | ...             | ...             |
   | Sample/Scope     | ...             | ...             | ...             |
   | Credibility      | High/Med/Low    | High/Med/Low    | High/Med/Low    |
   

4. 統合分析

   • ソースが同意している点は？（収束する知見 = より強いシグナル）
   • 意見が分かれている点は？（発散する知見 = 調査が必要）
   • すべてのソースで欠落している点は？
   • 各立場に対する証拠の重みはどの程度か？

5. 統合ブリーフを生成

   ## Consensus Findings
   [ほとんどのソースが同意している点]
   
   ## Contested Points
   [ソースが意見を異にする点、各側の最強の証拠付き]
   
   ## Gaps
   [どのソースもアドレスしていない点]
   
   ## Recommendation
   [証拠の重みに基づいて、読者は何を信じるべき／何をすべきか？]
   

/research:cite — 引用抽出

1. ドキュメントをスキャンしてすべての参考文献、脚注、本文中引用を検出
2. 抽出してフォーマット（リクエストされたスタイルで、デフォルトはAPA 7）
3. 引用をタイプで分類：
   • 一次ソース（元の研究、データ）
   • 二次ソース（レビュー、メタ分析、コメント）
   • 三次ソース（教科書、百科事典）
4. 出力：分類タグ付きの並べ替えされた参考文献リスト

サポートされている引用形式：

• APA 7（デフォルト）— 社会科学、ビジネス
• IEEE — 工学、コンピュータサイエンス
• Chicago — 人文科学、歴史
• Harvard — 一般的な学術分野
• MLA 9 — 芸術、人文科学

---

ツーリング

scripts/extract_citations.py

テキストから引用を抽出およびフォーマットするCLIユーティリティ。

機能：

• 正規表現ベースの引用検出（DOI、URL、著者-年号、番号付き参考文献）
• 複数の出力形式（APA、IEEE、Chicago、Harvard、MLA）
• 参考文献管理ツールとの統合用JSON出力
• 繰り返される引用の重複排除

使用法：

# ファイルから引用を抽出（APA形式、デフォルト）
python3 scripts/extract_citations.py document.txt

# 形式を指定
python3 scripts/extract_citations.py document.txt --format ieee

# JSON出力
python3 scripts/extract_citations.py document.txt --format apa --output json

# 標準入力から
cat paper.txt | python3 scripts/extract_citations.py --stdin

scripts/format_summary.py

構造化研究要約を生成するCLIユーティリティ。

機能：

• 複数の要約テンプレート（学術、記事、レポート、エグゼクティブ）
• 設定可能な出力長（簡潔、標準、詳細）
• MarkdownとプレーンテキストでのOutput
• 証拠タグ付き主要知見の抽出

使用法：

# 構造化要約テンプレートを生成
python3 scripts/format_summary.py --template academic

# 簡潔なエグゼクティブサマリー形式
python3 scripts/format_summary.py --template executive --length brief

# すべてのテンプレートをリスト
python3 scripts/format_summary.py --list-templates

# JSON出力
python3 scripts/format_summary.py --template article --output json

---

品質評価フレームワーク

すべてのソースを4つの次元で評価：

Dimension	High	Medium	Low
Credibility	ピアレビュー済み、確立した著者	評判の良い媒体、既知の著者	ブログ、無名の著者、レビューなし
Evidence	大規模サンプル、厳密な方法	中程度のデータ、適切なアプローチ	逸話的、データなし、意見
Recency	2年以内に出版	2～5年前	5年以上前、時代遅れの可能性
Objectivity	利益相反なし、バランスの取れた見解	軽微な所属を開示	利害関係者から資金、一方的

全体的な評価：

• High が4つ = 強いソース — 信頼を持って引用可能
• Medium が2つ以上 = 適切なソース — 注意書き付きで引用可能
• Low が2つ以上 = 弱いソース — 引用前に独立して検証

---

要約テンプレート

詳細は references/summary-templates.md を参照：

• 学術論文要約テンプレート（IMRAD）
• ウェブ記事要約テンプレート（主張-証拠-含意）
• 技術レポートテンプレート（エグゼクティブサマリー）
• 比較分析テンプレート（マトリックス + 統合）
• 文献レビューテンプレート（テーマ別構成）

詳細は references/citation-formats.md を参照：

• APA 7 フォーマッティングルールと例
• IEEE フォーマッティングルールと例
• Chicago、Harvard、MLA クイックリファレンス

---

プロアクティブトリガー

聞かれなくてもこれらにフラグを立てます：

• ソースに日付がない → メモしておく。日付のないソースは信頼性ポイントを失う。
• ソースが他のソースと矛盾 → 矛盾を明示的にハイライト。相違点を曖昧にしない。
• ソースがペイウォール後ろにある → アクセスが限定されていることをメモ。既知の場合は代替案を提案。
• ユーザーが比較用に1つのソースのみを提供 → 少なくともあと1つ追加するよう依頼。比較には2つ以上が必要。
• 引用が不完全 → 欠落フィールド（年、著者、タイトル）にフラグを立てる。メタデータを発明しない。
• ソースが急速に変化する分野で5年以上前 → 潜在的な陳腐化について警告。

---

インストール

ワンライナー（任意のツール）

git clone https://github.com/alirezarezvani/claude-skills.git
cp -r claude-skills/product-team/research-summarizer ~/.claude/skills/

マルチツールインストール

./scripts/convert.sh --skill research-summarizer --tool codex|gemini|cursor|windsurf|openclaw

OpenClaw

clawhub install cs-research-summarizer

---

関連スキル

• product-analytics — 定量分析。補完的 — 質的ソースは research-summarizer を、メトリクスは product-analytics を使用。
• competitive-teardown — 競争リサーチ。補完的 — 個別ソース分析は research-summarizer を、市場全体は competitive-teardown を使用。
• content-production — コンテンツ執筆。research-summarizer が content-production にフィード — まずソースを要約してから、執筆。
• product-discovery — ディスカバリーフレームワーク。補完的 — デスクリサーチは research-summarizer を、ユーザーリサーチは product-discovery を使用。