Communityライティング&編集github.com

FengYM666/AI-Research-OS

AIコーディングエージェントを学術研究アシスタントに変身:反幻覚行動規範+トップ会議論文フルプロセススキル+文献検索MCP

AI-Research-OS とは?

このスキルは、AIプログラミングアシスタント(Claude Code, Cursor, Codex等)を信頼できる学術研究コパイロットに変えます。中心となるのは「反幻覚行動規範」であり、論文推薦において絶対に捏造を禁止し、実際に検索・取得した情報のみを引用することを徹底します。OpenAlex, arXiv, dblpなどの公的APIに加え、`paper-search` MCPサーバー(57ツール)を優先的に使用し、論文検索の正確性・再現性を高めます。ソースの可用性も網羅的に記述(直連可能/プロキシ必要)、ワークフローとして「検索式分割→初回絞り込み→venue検証→コード/SOTA調査→Google Scholar拡張→5要素確認」の完全パイプラインを提供。出力はタイトル・著者・会議/ジャーナル・年・リンク・関連度を表形式で提示し、未検証項目は明示します。CV/AI/NLP分野の研究に従事する開発者や学者にとって、エージェントが幻覚を起こさず正確な文献調査を行うための必須スキルです。

対応~Claude Code~Codex CLI~Cursor
npx skills add FengYM666/AI-Research-OS

Installed? Explore more ライティング&編集 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

論文検索規範(Paper Search)

ユーザーの本業は学術研究です。論文を調べる際は、正確性 > 数量 > 速度とします。

鉄則:捏造禁止

  1. 推薦する各論文は、今回実際に検索した実在のレコード(API応答またはウェブスクレイピング内容)からのみ取得すること。訓練メモリに基づく論文リストの記載は禁止——記憶内の人名、タイトル、年号は非常に誤認されやすい。
  2. 引用の五要素はすべて揃え、同一の実在レコードから取得すること:タイトル、著者、年、発表venue、アクセス可能なリンク。
  3. 見つからない場合は「見つかりませんでした」と明示すること。印象だけで確認できていない場合は、【未確認】とラベル付けし説明すること。
  4. 実際に使用した検索式を提示し、ユーザーが再現・深掘りできるようにすること。
  5. 正式発表版とarXivプレプリントを区別すること。両者のタイトルが同一の場合は、正式発表情報を優先して引用すること。

優先ツール:paper-search MCP(設定済み)

ZCodeはpaper-search MCPサーバー(openags/paper-search-mcp、57ツール)に接続済みです。検索時はこのツールを優先して呼び出すこと。自分でcurlを使う必要はありません。

  • search_papers(クロスデータベース統合検索)、search_arxiv、search_openalex、search_dblp、search_semantic、search_google_scholar、search_crossrefなど20ソースの検索
  • download_arxiv / read_arxiv_paperなど:PDFダウンロード、本文抽出(各ソースに対応ツールあり)
  • Google Scholar検索はプロキシ設定済み(PAPER_SEARCH_MCP_GOOGLE_SCHOLAR_PROXY_URL)。プロキシが無効の場合GSは失敗するため、他のソースを使用すること

MCPが利用できない場合(サーバー未接続など)、以下の手動curl方式にフォールバックします。

ソースと接続性(2026-09 本機実測)

直接接続可能(端末にプロキシ不要):

ソース用途エンドポイント
OpenAlex API優先:無料・キー不要、2.5億+論文カバー、日付/venue/被引用数でフィルタ可能https://api.openalex.org/works?search=<語句>&per-page=10、&filter=from_publication_date:YYYY-01-01で年指定可
arXiv APIプレプリント、CV/AI新論文の最初の発表場所https://export.arxiv.org/api/query?search_query=all:<語句>&max_results=10&sortBy=submittedDate
CVF Open AccessCVPR / ICCV / ECCV 公式全文、ワークショップ含むopenaccess.thecvf.com
dblp API検証:論文の実際の発表venueと年を確認するゴールドスタンダードhttps://dblp.org/search/publ/api?q=<タイトル>&format=json
Papers with Code論文+公式コード+SOTAランキングpaperswithcode.com
分野公式ライブラリACL Anthology(NLP)、proceedings.neurips.cc、proceedings.mlr.press(ICML)、OpenReview(ICLR)各公式サイト

プロキシが必要(端末でexport https_proxy=http://127.0.0.1:7892、ポートはその時の環境に合わせる):

ソース用途注意
Google Scholarカバレッジ最大、被引用数、引用追跡、「関連記事」拡張control-browserスキルで実際のブラウザ検索を優先(システムプロキシが自動で有効、人機認証を通過可能)。curlでの取得はCAPTCHAを誘発しやすい
Semantic Scholar API引用ネットワーク分析、TLDR要約キー無しではレート制限が厳しい(429エラー多発)。少量のリクエストのみ予備として利用可

ワークフロー

  1. 検索式を分割:ユーザーの要求を2~4つの英語検索式に分割する(学術データベースは基本的に英語のみ対応。日本語要求はキーワードを翻訳)。
  2. 初回絞り込み:OpenAlex + arXivで検索し、関連性、発表年、被引用数で候補を選定。
  3. venue検証:CVPR/ICCV等の会議で発表されたと主張する論文に対し、dblpまたは会議公式サイトで確認する。この工程は「本物そっくりの偽論文」を排除するために特化している。
  4. コード/SOTA調査:Papers with Codeを利用。
  5. 古典の拡張:Google Scholarで被引用数順にソート+「関連記事」+参考文献を辿る。
  6. 出力前に各エントリの五要素を一つずつ確認。不足があれば再調査。

出力形式

タイトル著者会議/ジャーナル + 年リンク要求との関連性(一言)

表の後に:今回使用した検索式;公式コードがある場合はコードリポジトリへのリンク;未確認の項目がある場合はその旨を説明。

関連スキル