COG オートリサーチスキル は何をしますか？
呼び出すタイミング
- ユーザーが戦略的な質問をし、深いリサーチが必要な場合
- ユーザーが「research」「auto-research」「investigate」「strategic analysis」「deep dive into [トピック]」と言った場合
- ユーザーが市場の力関係、競争力学、技術の軌道、戦略的オプションを理解したい場合
- ユーザーが意思決定を支援するための、実際の情報源に基づくエビデンスベースの分析を必要としている場合
カーパシー（Karpathy）のオートリサーチにインスパイアされました — ただし、MLトレーニングではなく戦略的思考のためのものです。
エージェントモードの認識
00-inbox/MY-PROFILE.md のフロントマターにある agent_mode を確認してください:
agent_mode: teamの場合 — 完全な並列エージェント実行戦略（5～7エージェント）を使用します。このスキルはチームモードで最大限の効果を発揮します。agent_mode: soloの場合 — WebSearch/WebFetchを使用して2～3回の逐次リサーチパスを実行し、完全なマルチスレッド構造なしで軽めの分析を生成します。
コマンド: /auto-research
入力
ユーザーはコマンド引数として戦略的な質問またはトピックを提供します。例:
- 「基盤モデルがコモディティ化した場合、Katalon/ScoutのようなLLMラッパー企業はどうなるか？」
- 「AI機能の拡大に伴うテスト業界の未来」
- 「AIレイヤーを自社開発 vs 購入 vs パートナー連携すべきか？」
- 「OpenAIがテスト製品を立ち上げた場合、Scoutの戦略的オプションは何か？」
実行戦略
フェーズ1: 質問の分解（オーケストレーター — 2分）
ユーザーの戦略的質問を5～7のリサーチスレッドに分解します。これらのスレッドは総合的に包括的な回答を提供します。各スレッドは以下の条件を満たす必要があります:
- 独立している — 並行してリサーチ可能
- 具体的である — 明確なリサーチ目的を持つ
- 補完的である — 合わせて戦略的全体像をカバーする
分解フレームワーク:
- 市場の力関係 — この質問を動かすマクロトレンドは何か？
- 歴史的先例 — このパターンは他の業界で過去に発生したか？
- プレイヤー分析 — 主要プレイヤーは誰で、何をしているか？
- 技術の軌道 — 基盤技術はどこに向かっているか？
- 顧客行動 — エンドユーザーは実際に何を望み、何をしているか？
- 経済モデル — ユニットエコノミクスと価値獲得のダイナミクスは？
- 新興技術とアーキテクチャ — まだ開発/議論中（主流になる前）で、基礎となり得る概念、プロジェクト、フレームワークは何か？オープンソースプロジェクト、研究論文、GitHubリポジトリ、Discord/フォーラムの議論、カンファレンストーク、初期段階のツールを調査します。例: 新しいエージェントアーキテクチャ、新しいテストパラダイム、実験的フレームワーク。これらは洗練されたドキュメントがない場合があります — README、GitHub Issues、Twitter/Xスレッド、ビルダーのブログ記事、学術プレプリントを掘り下げてください。
- 異論の視点 — コンセンサスに対する最も強力な反論は何か？
全てのスレッドがすべての質問に適用されるわけではありません。最も関連性の高い5～7つを選んでください。スレッド7（新興技術）は常に含めること — ユーザーは特に、まだ主流になっていない概念を先取りすることを求めています。
エージェントを起動する前に:
- 既存のコンテキストとして、保管庫から関連ファイルを読み込みます:
05-knowledge/既存のフレームワークとメンタルモデル04-projects/該当する場合、プロジェクト固有のコンテキスト- このトピックに関するユーザーの既存の考えを示す最近のブレインダンプ
- 分解結果をユーザーに提示し、エージェント起動前に軌道修正できるようにします
フェーズ2: 並列深層リサーチ（5～7のエージェントを同時起動）
重要: すべてのエージェントを1つのメッセージで起動してください。 すべてのエージェントに run_in_background: true を使用します。
各エージェントには、以下のテンプレートに従った詳細なプロンプトが与えられます:
あなたは、より大きな戦略的質問の特定のスレッドを調査する戦略リサーチアナリストです。
メインの質問: [ユーザーの元の質問]
あなたのスレッド: [特定のリサーチスレッド]
既存のコンテキスト: [該当する保管庫のコンテキスト]
リサーチ方法論:
1. 8～12の高品質な情報源をWebSearch（優先順位: 調査レポート、専門家分析、企業提出書類、学術論文、業界出版物 — リスト記事や表面的なブログ記事は避ける）
2. 見つかった各情報源について、WebFetchで全文を読み、主要な主張、データポイント、フレームワークを抽出する
3. 対立する視点を探す — 単一のナラティブを確認するだけでは不十分
4. 具体的なデータポイント、統計、具体例を特定する
5. 各情報源の信頼性と潜在的なバイアスを記録する
6. 新興技術スレッドの場合: 洗練された情報源を超えて探索する。GitHubリポジトリ（README、Issues、Discussions）、Twitter/Xのビルダースレッド、Discord/フォーラムの議論、カンファレンストークの要約、arXivプレプリント、初期のブログ記事を検索する。目的は、主流になる前だが技術的に有望な概念を表面化すること。見つけた各概念について、成熟度、技術的アプローチ、ユーザーのユースケースとの関連性、採用/統合に必要なことを評価する。
出力形式（以下すべてを返すこと）:
## スレッド: [スレッド名]
### 主要な発見（3～5の箇条書き）
- 情報源を付記した発見
### エビデンスとデータポイント
- 特定の統計、市場データ、情報源付きの例
### 専門家/注目すべき見解
- 信頼できる声による名前付きの見解
### [ユーザーのコンテキスト]への示唆
- ユーザーの状況に具体的に何を意味するか
### 確信度
- 高/中/低 およびその理由
### 情報源
- 実際に参照したURLの番号付きリスト
エージェントの命名規則: research-[スレッドスラッグ]（例: research-market-forces, research-historical-precedent）
フェーズ3: 統合（オーケストレーター — 全エージェント完了後）
すべてのエージェントが戻ってきたら、単一の戦略分析ドキュメントに統合します:
ドキュメント構造:
---
type: strategic-research
domain: [質問から自動検出]
date: YYYY-MM-DD
question: "[元の質問]"
threads: [リサーチスレッドのリスト]
confidence: [全体的な確信度 高/中/低]
tags:
- auto-research
- strategy
- [トピックタグ]
status: complete
---
# [戦略的質問をタイトルとして]
## エグゼクティブサマリー
核心的な洞察を3～5文で。プロセスではなく、答えから始めること。
## 戦略的ランドスケープ
すべてのリサーチスレッドを横断した統合ビュー。スレッドごとのダンプではなく、発見を織り交ぜて一貫したナラティブを構築すること。
## 主要な力関係
この質問を形成する最も重要な3～4のダイナミクス。複数のスレッドからのエビデンスを添えて。
## シナリオ
### シナリオA: [最も可能性が高い] — X% 確信度
何が起こるか、タイムライン、示唆
### シナリオB: [楽観的/代替]
何が起こるか、タイムライン、示唆
### シナリオC: [最悪のケース/破壊]
何が起こるか、タイムライン、示唆
## 注目すべき新興技術とアーキテクチャ
まだ開発/議論中だが、基礎となり得る概念、プロジェクト、フレームワーク。それぞれについて:
- **概要:** 1段落の説明
- **成熟度:** プレアルファ / アルファ / 初期採用 / 成長コミュニティ
- **技術的アプローチ:** アーキテクチャ的にどのように動作するか
- **ユースケースとの関連性:** なぜ私たちにとって特に重要なのか
- **採用パス:** 統合/採用に必要なこと — 労力、リスク、依存関係
- **主要リンク:** GitHubリポジトリ、論文、議論スレッド
## 戦略的オプション
各オプションについて:
- **説明:** これが具体的に何を意味するか
- **利点:** エビデンスを添えて
- **欠点:** エビデンスを添えて
- **前提条件:** 真である必要があること
- **タイムライン:** いつ決定/行動すべきか
- **新興技術の活用:** 上記の新興概念のうち、このオプションを強化できるものはどれか
## 推奨アクション
優先順位付けされた、具体的な、期限付きのアクションアイテム。「Xを検討する」のような曖昧さは避け、「YまでにZを実行する、その理由は～」という形式にすること。
「テックベット」サブセクションを別途設ける: 本番環境対応でなくても、今から実験を始めるべき新興プロジェクトはどれか。
## 異論の視点
コンセンサス/推奨パスに対する最も強力な反論。これらすべてを間違いにする可能性があるものは何か？
## 確信度とギャップ
- 確信していることとその理由
- 判断できなかったことと、それを補うための追加リサーチ
- 監視すべき主要な前提
## 情報源
全スレッドの情報源を統合し、重複を排除したリスト。
フェーズ4: 保存と提供
- 完全な分析を
05-knowledge/research/YYYY-MM-DD-[スラッグ].mdに保存する - 分析が長い場合（3000語超）、1ページの概要を
05-knowledge/research/YYYY-MM-DD-[スラッグ]-summary.mdにも作成する - エグゼクティブサマリー + 推奨アクションをチャットでユーザーに直接提示する
品質基準
- 幻覚の情報源は禁止。 すべての主張は実際のWebSearch/WebFetch結果に基づいている必要があります。
- 最新性を重視。 過去6ヶ月以内の情報源を優先します。古いものにはその旨を明記します。
- バイアスの認識。 情報源に明らかな商業的インセンティブがある場合は、その旨を記録します。
- 具体性が一般性に勝る。 「テストツール市場はXX.XBドルで、YY%のCAGRで成長中」は「市場は成長中」よりも優れています。
- 実行可能性。 出力はユーザーが意思決定を行うのに役立つものでなければなりません。単にトピックを理解するためではありません。
- 知的誠実さ。 リサーチが決定的でない場合は、そう述べてください。誤った確信を生み出してはいけません。
分解の例
質問: 「汎用LLMモデルが時間とともに向上する場合、KatalonやScoutのようなLLMラッパー企業の未来はどうなるか？」
スレッド:
- 基盤モデルの軌道 — GPT/Claude/Geminiはコード理解、テスト生成、バグ検出においてどの程度の速さで向上しているか？能力曲線は？
- 歴史的先例：プラットフォームのコモディティ化 — AWS、iOS、Salesforceなどの上に構築された企業は、プラットフォームがその機能を吸収したときどうなったか？誰が生き残り、なぜか？
- テスト業界の構造 — 現在の市場マップ、バリューチェーン、マージンの所在、購入者が実際に支払うもの
- ラッパー企業の戦略 — 現在のAIラッパー企業（Jasper、Copy.ai、Cursorなど）はどのように適応しているか？何が機能しているか？
- エンタープライズ購買行動 — エンタープライズは「AI」を購入するのか、それとも「ソリューション」を購入するのか？調達の実態は？
- 新興技術とアーキテクチャ — 主流になる前の概念で、状況を再形成する可能性があるものは？（例：斬新なエージェントフレームワーク、新しいテストパラダイム、コンピューターユースエージェント、ブラウザ自動化アーキテクチャ）。GitHubリポジトリ、arXiv、Twitter/Xビルダースレッド、Discordコミュニティ、カンファレンストークを検索。
- 防御可能性分析 — テスト特化型AI企業に存在する堀（moat）は何か？データ、ワークフロー、統合、ブランド、スイッチングコスト？
- 異論：ラッパーが勝つ — モデルがコモディティ化するにつれて、垂直特化型AI企業の価値が実際に上昇するという議論
実行時間の見積もり
- フェーズ1: 約2分（分解＋ユーザー確認）
- フェーズ2: 約5～10分（並列リサーチ、最も時間のかかるエージェントが全体の時間を決定）
- フェーズ3: 約3～5分（統合）
- 合計: 包括的な戦略分析に約10～15分
エラーハンドリング
- リサーチスレッドの品質が低い場合、深みをごまかさず、統合時にその旨を記録する
- スレッドのWebSearch/WebFetchが失敗した場合、代替検索語で1回再試行し、それでもギャップがあれば文書化する
- ユーザーはフェーズ2中に割り込んでリダイレクトしたりスレッドを追加したりできる
- このスキルは関連質問に対して複数回実行可能 —
05-knowledge/research/から以前のリサーチファイルを参照する
フォールバック動作
このスキルはWebSearchおよびWebFetchツールを必要とします。これらが利用できない場合:
- 既存の
05-knowledge/コンテンツのみを使用した保管庫限定の分析にフォールバックする - ライブウェブリサーチが実行されなかったことを明確に示す
- ウェブツールが利用可能になったら再度スキルを実行するようユーザーに推奨する