survey-paper

name	survey-paper
description	学術論文の再帰的サーベイスキル。survey-any リポジトリに記録する。 6項目サーベイフォーマットで各論文をまとめ、引用・被引用を芋づる式に探索して飽和するまで続ける。 subagent で並列処理しコンテキストを節約する。ghq でリポジトリパスを自動解決。 Use when: 「論文サーベイ」「paper survey」「学術調査」「文献調査」「論文を網羅的に」と依頼されたとき。 /survey との違い: /survey は記事・スライド含む一般調査。本スキルは学術論文に特化し、 6項目サーベイ + 再帰的引用探索 + 飽和判定を行う。
license	MIT
model	claude-opus-4-7
effort	max

Paper Survey

学術論文の再帰的サーベイ。6項目サーベイで各論文をまとめ、引用グラフを飽和するまで探索する。

このスキルは調査方法論を実装している（根拠は topics/systematic-inquiry-pkb-application）: 引用グラフ探索＝snowballing（Wohlin 2014, backward=references / forward=citations）、「新規 0 本で終了」＝理論的飽和、6 項目フォーマット＝three-pass reading（Keshav 2007）。以下 2 点を明示的に守ること:

• 飽和判定は回数でなく「新規発見が尽きたか」で。ただし引用数の少ない論文ばかりになったら早期に打ち切ってよい（5 節参照）。単一の停止ルールに固執しない
• triangulation（裏取り）: 定量値（citation count・ベンチマーク数値等）は取得元 DB が食い違うことがある（Semantic Scholar / Google Scholar / Scopus で桁が違う例あり）。重要な数値は複数ソースで収束確認し、矛盾は reference に併記する

前提: ghq, mise, jq, curl, python3 がインストール済みであること。

Workflow

0. パス解決

SURVEY_REPO=$(ghq list --full-path | grep 'survey-any$' | head -1)

以降の作業はすべて $SURVEY_REPO 基準で行う。

1. シード論文の発見

ユーザーから受け取ったテーマ・キーワード・論文URLをもとに初期論文を探す。

検索ソース（優先順位）:

1. WebSearch で Google Scholar / arXiv / 各分野リポジトリを横断検索
2. Semantic Scholar API で構造化された書誌情報を取得

# Semantic Scholar 検索
curl -s "https://api.semanticscholar.org/graph/v1/paper/search?query=<QUERY>&limit=10&fields=title,authors,year,citationCount,openAccessPdf,externalIds,abstract" | jq '.'

# arXiv ID がわかっている場合
curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:<ARXIV_ID>?fields=title,authors,year,citationCount,openAccessPdf,externalIds,abstract,references.title,references.externalIds,references.citationCount,citations.title,citations.externalIds,citations.citationCount"

Semantic Scholar API のレート制限: 認証なしで 1 req/sec。429 が返ったら数秒待ってリトライする。

2. 既存トピックとの関連確認

mise -C "$SURVEY_REPO" run fm

関連トピックがあれば、そのディレクトリ内にサーベイ結果を統合するか、新規トピックを作るか判断する。 迷う場合は AskUserQuestion で確認。

3. トピック作成

mise -C "$SURVEY_REPO" run new report <topic-name>

4. 論文の読み込みと6項目サーベイまとめ

各論文について subagent を起動し、以下のフローを並列実行する。

4a. 論文本文の取得（優先順位）

優先度	方法	条件
1	Semantic Scholar openAccessPdf → curl でダウンロード → Read (pages指定)	openAccessPdf が存在
2	ar5iv HTML (https://ar5iv.labs.arxiv.org/html/<arxiv_id>) → WebFetch	arXiv ID が存在
3	arXiv PDF (https://arxiv.org/pdf/<arxiv_id>) → curl + Read	arXiv ID が存在
4	WebFetch でアブストラクトページ	URL が存在
5	Semantic Scholar のアブストラクトのみ	上記すべて不可

Read でPDFを読む場合: 1回20ページまで。長い論文は pages: "1-20", pages: "21-40" と分割する。

4b. 6項目サーベイで reference 作成

mise -C "$SURVEY_REPO" run new paper <name>

テンプレートの各セクションを埋める:

セクション	記入内容
どんなもの？	論文の目的と提案手法を2-3文で
先行研究と比べてどこがすごい？	差別化ポイント、新規性
技術や手法のキモはどこ？	コアアルゴリズム、アーキテクチャ、理論的貢献
どうやって有効だと検証した？	実験設定、ベースライン、定量結果
議論はある？	限界、未解決課題、著者自身の言及
次に読むべき論文は？	引用先から重要なものをピックアップ

frontmatter も埋める:

• read_depth: full（本文読了）/ overview（構成・要点は把握、詳細未読）/ abstract（アブストラクトのみ）
• arxiv_id, doi: リンク解決の照合キーになるため、取得できたものは必ず記入する
• semantic_scholar_id: 取得できたら記入
• citation_count: Semantic Scholar から取得
• strength:（R3。エビデンス強度。査読済み会議/誌なら peer-reviewed、arXiv のみ preprint、単著プレプリントは single-author-preprint）

4b'. 主要図表の抽出と同梱（積極的に行う）

論文の理解は図で決まる。アーキテクチャ図・主要結果のグラフ/表を 1-2 枚抽出して reference に同梱する（テキストの数値だけで済ませない）。二重符号化（R8）で保持が上がり、後から読み返すときに本文再読より速く要点に届く。

取得方法（本文取得手段に対応）:

• PDF から: pdfimages -png <paper.pdf> <prefix>（figure をラスタ抽出）、または該当ページを画像化。図が多い場合は「Fig.1 アーキ図」「主要結果の表/グラフ」に絞る
• ar5iv / arXiv HTML から: HTML 内の <img src>（https://arxiv.org/html/<id>/... 等の図 URL）を curl -sL <img-url> -o <path> で直接ダウンロード
• 同梱先: references/assets/<ref-name>/<file>。相対参照 ![Fig.1 …](./assets/<ref-name>/<file>) で貼る
• キャプションに出典を明記（*Fig.1: <何の図か>（出典: <著者> arXiv:<id>）*）。arXiv は再利用可の図が多いが、ライセンスと出典明記が原則。判断がつかない図は貼らず URL リンクで代替
• 図をそのまま貼るだけでなく、6項目の「技術のキモ」「どう検証した」の該当箇所から相対参照して文章と結びつける

4c. subagent の使い方

1本の論文 = 1 subagent。model: "opus" を指定して起動する。 プロンプトには $SURVEY_REPO の解決結果（絶対パス）を埋め込む。

論文「{title}」を読んで6項目サーベイでまとめてください。

論文情報:
- Semantic Scholar ID: {paper_id}
- arXiv ID: {arxiv_id} (あれば)
- openAccessPdf: {pdf_url} (あれば)

手順:
1. 論文本文を取得（優先順位: openAccessPdf → ar5iv HTML → arXiv PDF → abstract）
2. `mise -C {SURVEY_REPO_ABSOLUTE_PATH} run new paper {ref_name}` で reference ファイルを作成
3. 6項目サーベイの6項目を埋める
4. frontmatter のメタデータを埋める（`strength:` 含む）
5. 主要図表を 1-2 枚抽出して同梱する（アーキ図・主要結果のグラフ/表）。
   PDF は `pdfimages -png` で、ar5iv/arXiv HTML は `<img src>` を `curl -sL` で取得し、
   `references/assets/{ref_name}/` に保存、`![Fig.N …](./assets/{ref_name}/<file>)` で相対参照。
   キャプションに出典（著者 + arXiv ID + 図番号）を明記する
6. Semantic Scholar API で引用（references）と被引用（citations）の両方を取得し、
   次に読むべき論文リストを作成する（各エントリに arXiv ID があれば必ず含める）
   - references: この論文が参照している先行研究（過去方向）
   - citations: この論文を引用している後続研究（未来方向・最新事例への到達に必須）
   各論文の {title, arxiv_id, semantic_scholar_id, citationCount, openAccessPdf, year} を
   JSONで返す

作業ディレクトリ: {SURVEY_REPO_ABSOLUTE_PATH}

subagent の返却値から「次に読むべき論文リスト」を収集し、次のイテレーションに回す。

5. 再帰的探索

explored = {}        # 読了済み論文の集合
frontier = [seeds]   # 未探索の論文キュー

while frontier is not empty:
    batch = frontier から未探索分を取り出す（最大5本を並列）
    
    for each paper in batch:
        subagent で 4a-4c を実行
        explored に追加
        
        次の候補を frontier に追加（explored にないもののみ）:
          - references（引用先）: 理論的基盤・先行研究（過去方向）
          - citations（被引用）: 後続研究・最新事例・応用（未来方向）
        
        citations の優先度付け:
          - citationCount が高いもの（影響力のある後続研究）
          - year が新しいもの（最新の発展）
    
    飽和判定:
        新たに frontier に追加された論文が 0 本 → 飽和、終了
        ユーザーに中間報告し、続行確認

飽和判定の補助基準:

• 引用数が少ない論文（< 5）ばかりになった場合も飽和とみなしてよい
• 明らかに分野が異なる論文が増えてきた場合はユーザーに確認

各イテレーションの開始時に進捗を報告する:

[進捗] 読了: {n}本 / 未探索: {m}本 / 今回の新規発見: {k}本

6. 論文間リンク解決

飽和後、「次に読むべき論文は？」セクションのエントリを既存 reference にリンクする。

6a. 機械的リンク (arXiv ID / DOI 照合)

mise -C "$SURVEY_REPO" run link-papers

既存 reference の frontmatter から arXiv ID・DOI を収集し、「次に読むべき論文」中の ID と照合してリンクを挿入する。

6b. LLM によるリンク補完

mise run link-papers 後に残った未リンクエントリ（[→] がない行）を処理する。

1. 未リンクエントリを収集する:

python3 -c "
import re, pathlib, sys
repo = sys.argv[1]
for f in sorted(pathlib.Path(repo + '/references').glob('*.md')):
    text = f.read_text()
    in_sec = False
    for i, line in enumerate(text.splitlines(), 1):
        if '次に読むべき論文' in line: in_sec = True; continue
        if in_sec and line.startswith('#'): in_sec = False
        if in_sec and line.strip().startswith('-') and '[→]' not in line:
            print(f'{f.name}:{i}: {line.strip()[:120]}')
" "$SURVEY_REPO"

2. 各未リンクエントリについて、タイトル・著者名のキーワードで references/ 内を検索:

rg -l "タイトルのキーワード" "$SURVEY_REPO/references/"

3. 候補が見つかったら frontmatter の title・author を確認し、同一論文と判断できればリンクを追加する。 曖昧な場合はリンクしない（誤リンクより未リンクのほうがよい）。

6c. 飽和判定の検証

mise run link-papers の末尾に「未調査だが複数回言及されている論文」レポートが出力される。 2回以上言及されている未調査論文がある場合、飽和判定が甘かった可能性がある。

対応方針:

• 3回以上言及: サーベイ範囲内の重要論文である可能性が高い。ユーザーに追加調査を提案する。
• 2回言及: 判断はユーザーに委ねる。数が多ければ上位のみ提案。
• テーマと明らかに無関係な論文（基盤モデル等の汎用論文）は除外してよい。

7. サーベイマップ生成

すべての論文を読み終えたら、$SURVEY_REPO/topics/{topic}/README.md に統合:

• 分野の全体像と主要な研究の流れ
• 論文間の関係性（引用構造、手法の発展系譜）
• 自分の考察・所感
• 各 reference ファイルへのリンク（sources: フィールド）

mise -C "$SURVEY_REPO" run index

8. 検索ソース詳細

ソース	用途	アクセス方法
Semantic Scholar	書誌情報・引用グラフ・OA PDF探索	REST API (認証不要)
Google Scholar	初期検索・幅広い発見	WebSearch
arXiv	CS/Physics/Math の OA 論文	PDF直接DL + Read, ar5iv HTML
PubMed	医学・生命科学	WebSearch or E-utilities API
CORE	OA論文の全文取得補完	WebSearch
DOAJ	OAジャーナル	WebSearch

Semantic Scholar API リファレンス

# キーワード検索
curl -s "https://api.semanticscholar.org/graph/v1/paper/search?query=<QUERY>&limit=10&fields=title,authors,year,citationCount,openAccessPdf,externalIds,abstract"

# 論文詳細 + 引用/被引用
curl -s "https://api.semanticscholar.org/graph/v1/paper/<PAPER_ID>?fields=title,authors,year,abstract,citationCount,openAccessPdf,externalIds,references.title,references.externalIds,references.citationCount,citations.title,citations.externalIds,citations.citationCount"

# PAPER_ID の形式: Semantic Scholar ID, arXiv:<id>, DOI:<doi>, PMID:<pmid>