kaggle-notebook-research

name	kaggle-notebook-research
description	Kaggle MCPで公開Notebook/Kernelを検索し、fork親子関係、重複、派生、public score、利用データ・モデル・出力物、コード本文を根拠付きで調査してMarkdownにまとめる。ユーザーが「公開ノートブックを調査」「似たNotebookの違いを見たい」「BirdCLEFなど参加中コンペのnotebookから実装ヒントを拾って」「高スコアNotebookの派生元を追って」「Kaggle Notebookの重複・fork・改善点を整理して」などを依頼したときに使う。

Kaggle Notebook Research

このSkillは、Kaggle MCPで公開Notebookを広く集め、単なるvote順ではなく、fork系譜・重複・小改変・実装上の差分まで見て、実験に使える知見をdocs/notebooks/*.mdへ残すための手順を定める。

Notebook調査は同名fork、丸写し、小さな後処理追加、古い高vote、低voteだが新しい高scoreが混ざる。候補収集、系譜整理、本文確認、要約を分けて進める。

詳細なMCPツール使い分けは、必要に応じてreferences/kaggle_mcp_notebook_tools.mdを読む。

前提確認

1. 対象コンペを決める。
   • ユーザーがslugを明示したら優先する。例: birdclef-2026。
   • 「参加中コンペ」ならREADME、config、実験ディレクトリ名、Kaggle MCPのcompetition検索から候補を確認する。
2. Kaggle MCPツールが未ロードなら、tool discoveryでsearch_notebooks、search_content、get_notebook_info、list_notebook_files、list_notebook_session_output、download_notebook_outputを探す。
3. context() MCPが使える環境ならKaggle APIや利用ライブラリの公式挙動確認に使う。使えない場合は「context MCPは利用不可」と明示し、Kaggle MCPの結果を根拠にする。
4. 出力先はdocs/notebooks/に限定する。既存ファイルを更新する場合は先に全文を読み、ユーザーの追記を戻さない。

候補を広く集める

1. 軽量一覧を複数軸で取る

search_notebooksを使い、同じコンペで複数sortと検索語を巡回する。

search_notebooks(competition="<competition-slug>", group="Everyone", pageSize=20, page=1, sortBy="VoteCount")
search_notebooks(competition="<competition-slug>", group="Everyone", pageSize=20, page=1, sortBy="Hotness")
search_notebooks(competition="<competition-slug>", group="Everyone", pageSize=20, page=1, sortBy="DateRun")
search_notebooks(competition="<competition-slug>", group="Everyone", pageSize=20, page=1, sortBy="CommentCount")

検索語で補完する。

• 汎用語: baseline、starter、training、inference、submission、ensemble、pseudo、CV、OOF、postprocess、ONNX。
• 音声: perch、SED、mel、soundscape、window、TTA、threshold。
• 画像: backbone、augmentation、resolution、segmentation、TTA。
• 表形式: feature、target encoding、group split、leak、catboost、lightgbm。
• NLP: tokenizer、retrieval、embedding、prompt、sequence length。

2. 詳細メタデータを取る

search_contentを使うと、search_notebooksよりも派生調査に必要な情報が多い。Kernelだけに絞り、vote順・更新日順・検索語で集める。

search_content(
  filters={
    query="<competition-slug> <keyword>",
    documentTypes=["Kernel"],
    privacy="Public"
  },
  canonicalOrderBy="Votes",
  pageSize=20
)

候補表には少なくとも次を残す。

• id、title、owner_user.user_name、owner_user.tier、URL。
• create_time、update_time、votes、medal、total_comments。
• kernel_document.best_public_score。
• kernel_document.fork_parent_kernel_urlとfork_parent_user。
• 発見元: VoteCount、Hotness、DateRun、keyword: perchなど。

系譜と重複を整理する

1. 同じNotebookファミリーをまとめる。
   • fork_parent_kernel_urlがあるものは親URLでつなぐ。
   • 同名title、slugの共通prefix、同じデータソース、同じモデル名、同じscore表記を補助特徴にする。
   • 親が取れないNotebookは、同名でも別実装の可能性を残す。
2. 候補を分類する。
   • root: 親が見えない、またはシリーズの起点。
   • direct-fork: Kaggle上の親URLがある。
   • copy-or-near-copy: 親URLはないがtitle/構成/データソースがほぼ同じ。
   • small-mod: 閾値、TTA、後処理、batch size、LB向け係数など小変更。
   • substantial-mod: 新モデル、学習手順、pseudo label、外部データ、特徴抽出、CV設計など実装の芯が変わる。
   • eda-or-utility: 実験案よりデータ理解、可視化、変換、提出補助が主目的。
3. 優先順位を付ける。
   • 高public score、親よりscoreが上がった派生、最近更新、高comment、高vote、上位tier、利用データ・モデルが新しいものを優先。
   • 高voteでも古く、派生に取り込まれているだけならrootとして読む。
   • 低voteでもrecentでscoreや新規手法が強いものは読む。

Notebook本文を読む

get_notebook_infoは本文全体を返し、非常に大きくなることがある。全候補に呼ばず、各ファミリーから代表を選ぶ。

読む代表:

• rootまたは最古の高品質Notebook。
• best public scoreが高い派生。
• titleやmetadataで明確な新機能を主張する派生。
• コメント数が多いNotebook。
• 自分の実験に近いNotebook。

確認する項目:

1. metadata
   • current_version_number、last_run_time、enable_gpu、enable_internet、machine_shape、docker_image。
   • competition_data_sources、dataset_data_sources、kernel_data_sources、model_data_sources。
2. blob.source
   • JSONとして読める場合はNotebookセルに分解して、markdown見出し、設定値、関数名、出力保存、提出処理を見る。
   • すべてを要約しない。差分判定に効くセルだけを読む。
3. 出力物
   • list_notebook_filesでモデル、npz、json、submissionなどを確認する。
   • list_notebook_session_outputでセッション出力が必要か確認する。
   • download_notebook_outputは必要な小さいファイルに限定する。提出CSVや巨大モデルを無目的に落とさない。

実装差分を抽出する

Notebookファミリーごとに、親から何が変わったかを要約する。

• データ: 外部dataset、pseudo label、OOF cache、metadata、taxonomy、過年度データ。
• モデル: backbone、Perch/embedding、SED、SSM/RNN/Transformer、ONNX変換、ensemble。
• 学習: fold、group split、loss、mixup/cutmix、sampling、early stopping、SWA、蒸留。
• 推論: window長、overlap、batch、TTA、postprocess、threshold、rank/file-level scaling。
• 検証: CV、OOF、public score、LB依存、hidden testで壊れそうな仮定。
• 再利用性: 自分のrepoに移植しやすいか、依存や実行時間が重いか、ルール確認が必要か。

「scoreが上がった」と書く場合は、Kaggle MCPで確認できたbest_public_scoreまたはNotebook内の明記を出典付きで残す。推測なら推測と書く。

Markdownへ保存する

出力先はdocs/notebooks/<YYYY-MM-DD>-<competition-slug>-notebook-research.mdを基本にする。 単一ファミリーだけならdocs/notebooks/<YYYY-MM-DD>-<competition-slug>-<family>.mdにする。

新規Markdownには冒頭コメントを置く。

<!--
<filename>
Where: docs/notebooks.
What: Kaggle public notebook research summary for <competition>.
Why: Preserve actionable implementation ideas with fork, duplicate, and source context.
-->

本文テンプレート:

# <調査タイトル>

- 取得日: <YYYY-MM-DD>
- 対象: <competition title> (`<slug>`)
- 依頼: <user request>
- 調査範囲: <sort/search terms/pages/families/read notebooks>
- 注意: <MCP制約、未取得本文、推測の有無>

## 結論
- <実装判断に直結する要点>

## Notebookファミリー
| family | 代表 | root/parent | 最高public score | votes | 判定 | 実装差分 | 優先度 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| ... | ... | ... | ... | ... | small-mod | TTA追加 | high |

## 候補一覧
| 判定 | ref | title | author | votes | score | updated | parent | 発見元 | 理由 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |

## 詳細メモ
### <notebook title>
- URL: <Kaggle URL>
- ref/id/version: <owner/slug>, <id>, v<version>
- 親: <fork parent or none>
- metadata: <GPU/internet/data/model sources>
- 要点:
  - <親との差分と再利用可能な実装>
- リスク:
  - <LB依存、外部データ、時間、再現性、ルール確認>

## 実装候補
- <repoへ移すなら何をどこに入れるか>

## 未確認・リスク
- <読めていない候補、MCP制約、推測>

## Source Index
| 種別 | id/ref | title | URL | メモ |
| --- | --- | --- | --- | --- |

要約ルール

• 原文の長い引用は避け、要約中心にする。Notebook名、score、ファイル名、関数名、設定値は必要最小限だけ引用する。
• vote順だけで結論を出さない。fork親、public score、更新日、本文差分を一緒に見る。
• 同じtitleのNotebookを別物として扱う前に、親URLとコード構成を確認する。
• 開催中コンペではpublic LB最適化を過信しない。closed/private testで成立する条件を書く。
• ルールや外部データが絡む場合は、Kaggle公式ルールまたはcompetition情報を確認してから実装候補に入れる。

検証

1. 作成・更新したMarkdownを読み直し、リンク、表、未確認事項、推測表現を確認する。
2. skill自体を編集した場合は、skill-creatorのquick_validate.pyで対象skillを検証する。
3. 共有skillを追加した場合は、生成アダプタを同期し、関連テストを追加または更新する。
4. 最後にgit diff -- docs/notebooks .agents/skills/kaggle-notebook-research testsを確認し、調査範囲と未取得情報を報告する。