// TAISUN v2 ディープリサーチパイプライン（全自動実行）。作りたいシステムを引数で渡すと、キーワード展開→3エージェント並列調査→omega-research→TrendScore計算→12セクションレポート→ChatGPT QA Gate（3レビュアー）→ユーザー確認待ちまでを全自動実行。外部ファイル不要・自己完結型。
[HINT] Download the complete skill directory including SKILL.md and all related files
| name | research-system |
| description | TAISUN v2 ディープリサーチパイプライン（全自動実行）。作りたいシステムを引数で渡すと、キーワード展開→3エージェント並列調査→omega-research→TrendScore計算→12セクションレポート→ChatGPT QA Gate（3レビュアー）→ユーザー確認待ちまでを全自動実行。外部ファイル不要・自己完結型。 |
| version | 2.4 |
| argument-hint | [BUILD_TARGET] -- 作りたいシステムを日本語で記述 |
| allowed-tools | Read, Write, Edit, Bash, Grep, Glob, WebFetch, WebSearch |
| disable-model-invocation | false |
| model | sonnet |
| requires | {"tools":["python3","docker"],"env":["ANTHROPIC_API_KEY","OPENROUTER_API_KEY","XAI_API_KEY","TAVILY_API_KEY","SERPAPI_KEY","BRAVE_SEARCH_API_KEY","NEWSAPI_KEY","PERPLEXITY_API_KEY","EXA_API_KEY","ALPHA_VANTAGE_API_KEY","FRED_API_KEY","APIFY_API_TOKEN","GROQ_API_KEY","FIRECRAWL_API_KEY"]} |
/research-system AIエージェントで商品レビューを自動収集・Slack通知するシステム
/research-system Xトレンドを毎朝収集して日次レポートを自動生成するシステム
/research-system 社内ドキュメントをベクトル検索できるRAGシステム
ARGUMENTS が空の場合は「何を構築したいですか？」と確認してから開始すること。
[BUILD_TARGET 記述]
↓
PRE-FLIGHT（環境・APIキー確認）
↓
STEP 1 ── キーワード展開 × 並列3本 [Claude Sonnet 4.6]
↓
STEP 2 ── ディープリサーチ × 2回 [Claude Sonnet 4.6]
↓
STEP 3 ── 評価・設計・実装計画 [Claude Opus 4.6]
↓
STEP 4 ── 12セクション レポート生成 [Claude Opus 4.6]
↓
STEP 4.5 ── QA Gate 3レビュアー [ChatGPT 5.4 thinking / OpenRouter]
↓
ユーザー確認待ち → 承認後 → 要件定義 → SDD
| STEP | モデル | 理由 |
|---|---|---|
| STEP 1〜2 | Claude Sonnet 4.6 | 大量処理・コスト最適 |
| STEP 3〜4 | Claude Opus 4.6 | 複雑な推論・高品質統合 |
| STEP 4.5 QA Gate | ChatGPT 5.4 thinking（OpenRouter） | 異なるベンダーで自己評価バイアス排除 |
| 変数 | 必須 | 用途 |
|---|---|---|
| ANTHROPIC_API_KEY | ✅ 必須 | Claude Sonnet/Opus（STEP 1〜4） |
| OPENROUTER_API_KEY | ✅ 必須 | ChatGPT 5.4 thinking（STEP 4.5 QA Gate） |
| XAI_API_KEY | 推奨 | /omega-research, /deep-research-grok（Grok-4） |
| TAVILY_API_KEY | 推奨 | Tavily AI検索（高精度） |
| SERPAPI_KEY | 推奨 | SerpAPI（Google検索結果取得） |
| BRAVE_SEARCH_API_KEY | 推奨 | Brave検索（広範囲Web検索）※BRAVE_API_KEYも同値で設定 |
| NEWSAPI_KEY | 推奨 | NewsAPI（ニュース集約） |
| PERPLEXITY_API_KEY | 推奨 | Perplexity AI検索+要約（omega-researchのLayer 2で使用） |
| EXA_API_KEY | 推奨 | Exa セマンティック検索（omega-research Layer 1） |
| ALPHA_VANTAGE_API_KEY | 推奨 | 株式・金融データ・経済指標 |
| FRED_API_KEY | 推奨 | FRED 経済指標（FF金利/CPI/失業率/GDP等） |
| APIFY_TOKEN | 推奨 | Webスクレイピング（Twitter/X/Instagram データ収集） |
| GROQ_API_KEY | 推奨 | Groq 超高速推論（バッチ処理用） |
| FIRECRAWL_API_KEY | 推奨 | /firecrawl 深層スクレイピング |
| X_BEARER_TOKEN | 推奨 | X API v2 リアルタイムトレンド（なければ HN/Bluesky 代替） |
| TWITTER_AUTH_TOKEN | 推奨 | X/Twitter Cookie認証（opencli-rs/Apify用） |
| TWITTER_CT0 | 推奨 | X/Twitter CSRF Token |
| TWITTER_COOKIES | 推奨 | X/Twitter Cookie一式 |
以下のファイルが存在する場合、全文を分割読み込みすること。 1回のReadで全文が読めない場合は offset/limit で分割して最後まで必ず読む。
以下の2ファイルをReadツールで読み込むこと（存在する場合のみ）:
all-skills-research-prompt-v1.md
→ 18スキルの実行順序・バッチ構成・品質チェックリストを定義pipeline-design-v3.md（存在する場合）
→ 10原則・5次元スコアリング・12セクション構成を定義読み込み結果:
全スキル網羅プロンプト: [✓ 読了 / ✗ なし]
パイプライン設計書: [✓ 読了 / ✗ なし（なしでも続行可）]
ファイルがない場合でもSTEP 1以降は実行可能。 ファイルがあれば全スキルの実行順序と品質基準が自動適用される。
上記の環境変数を確認してから、以下を表示して開始:
🚀 TAISUN v2 リサーチシステム起動
対象: [BUILD_TARGET の内容]
モード: [XAI_API_KEY あり→omega-research / なし→mega-research-plus]
X API: [X_BEARER_TOKEN あり→X APIトレンド取得 / なし→HN/Bluesky代替]
モデル戦略: ハイブリッド（STEP 1-2 → Claude Sonnet 4.6 / STEP 3-4 → Claude Opus 4.6）
QA Gate: ChatGPT 5.4 thinking（OpenRouter 経由）
推定時間: 15〜30分
PRE-FLIGHT完了後、各STEPの実行前に /tmp/taisun-pipeline/pipeline_context.json を書き出す。
これにより mega-research/world-research/intelligence-research/omega-research が
現在のSTEP・キーワード・前STEPの発見事項・品質基準を認識して動作する。
mkdir -p /tmp/taisun-pipeline
cat > /tmp/taisun-pipeline/pipeline_context.json << 'CTXEOF'
{
"version": "2.5",
"pipeline": "research-system",
"step": "PRE_FLIGHT",
"target": "[BUILD_TARGETの内容をここに記入]",
"keywords": [],
"previous_findings": "",
"scoring": {
"accuracy": 0.90,
"completeness": 0.93,
"hallucination_rate": 0.05
},
"instructions": "research-systemパイプラインの一部として実行中。STEPコンテキストに従って動作を調整すること。"
}
CTXEOF
各STEPの開始時に step フィールドと previous_findings / keywords を更新すること:
# STEP 1 開始時:
python3 -c "
import json
with open('/tmp/taisun-pipeline/pipeline_context.json') as f: ctx = json.load(f)
ctx['step'] = 'STEP_1_KEYWORD_EXPANSION'
ctx['target'] = '[BUILD_TARGET]'
with open('/tmp/taisun-pipeline/pipeline_context.json', 'w') as f: json.dump(ctx, f, ensure_ascii=False, indent=2)
"
# STEP 2 開始時（キーワード結果を反映）:
python3 -c "
import json
with open('/tmp/taisun-pipeline/pipeline_context.json') as f: ctx = json.load(f)
ctx['step'] = 'STEP_2_DEEP_RESEARCH'
ctx['keywords'] = ['STEP1で展開したキーワードリスト']
ctx['previous_findings'] = 'STEP 1の要約（200文字以内）'
with open('/tmp/taisun-pipeline/pipeline_context.json', 'w') as f: json.dump(ctx, f, ensure_ascii=False, indent=2)
"
このステップを最初に必ず実行する。
/keyword-mega-extractor スキルを使い、以下を展開:
「[BUILD_TARGET]」というシステムを構築するにあたって、以下を展開:
- core_keywords: コアキーワード（5〜10個）
- related: 関連キーワード（技術・ツール・概念）
- compound: 複合キーワード
- rising_2026: 2026年時点の急上昇キーワード
- niche: ニッチキーワード
- tech_stack_candidates: 技術スタック候補
- mcp_skills_needed: 必要なMCPサーバー・スキル名
結果は CSV形式 + カテゴリ別リストで出力してください。
APIキー不要フォールバック: /keyword-free
run_in_background: true で以下を同時起動:
/intelligence-research
収集対象: AI・テックニュース、経済指標（FRED 7系列）、HN、Reddit、X監視340アカウント
X_BEARER_TOKEN がある場合、並行実行:
STEP 1 完了後、キーワードリストを保存してから STEP 2 へ進む。
run_in_background: true で同時起動）Agent A — MCP・スキル・拡張機能の発掘
調査先（必ず全てチェック）:
# MCP 公式・コア
https://github.com/modelcontextprotocol/servers （公式MCPサーバーリスト）
https://mcp.so （コミュニティMCPカタログ）
https://smithery.ai （MCPマーケットプレイス）
# MCP 追加ディレクトリ
https://composio.dev （500+MCPサーバー一元管理）
https://pulsemcp.com （フィルター充実MCPカタログ）
https://cursor.directory （Cursor向けMCP・ルールHub）
https://mcpservers.org （Awesome MCPサーバーキュレーション集）
https://github.com/punkpeye/awesome-mcp-servers （コミュニティ管理MCPリスト）
https://glama.ai/mcp/servers （MCP追加情報）
# GitHub トレンド
https://github.com/trending?since=weekly （週間トレンド）
https://github.com/trending?since=daily&spoken_language_code=ja （日本語日次）
https://trendshift.io （GitHubトレンドAPI）
https://www.gharchive.org （GitHub全パブリックイベントアーカイブ）
タスク:
出力: research/agent_a_mcp.md（返答は500文字以内に要約してメインコンテキストへ返す）
Agent B — API・ライブラリ・SaaS・パッケージ調査
調査先（必ず全てチェック）:
# API・SaaS 探索
https://apis.guru/api-list.json （2000+ OpenAPI仕様JSON）
https://rapidapi.com （API Hub）
https://www.postman.com/explore （Postman API Network）
https://hoppscotch.io （OSSのAPI開発クライアント）
https://apidog.com （API設計・テスト統合）
https://public-apis.io （1000件以上の公開API）
https://e2b.dev/docs （AI開発サンドボックス実行環境）
# パッケージ・ライブラリ情報源
https://npmjs.com （npm公式）
https://pypi.org （PyPI公式）
https://npmtrends.com （npmダウンロードトレンド比較）
https://npmcharts.com （npmトレンド補完）
https://bundlejs.com （バンドルサイズ計測）
https://packagephobia.com （インストールサイズ比較）
https://libraries.io （多言語パッケージ依存関係）
https://crates.io （Rust公式パッケージ）
https://pkg.go.dev （Go言語公式パッケージ）
# AI・機械学習情報源
https://huggingface.co/api （HFモデル・データセット全メタデータAPI）
https://huggingface.co/papers （HF Daily Papers・最新AI論文）
https://huggingface.co/blog （HF公式ブログ）
https://paperswithcode.com/api/v1 （論文・実装コード・ベンチマーク）
https://hackernoon.ai （HackerNoon AI特化・実践記事）
# セキュリティ・脆弱性チェック（必須）
https://osv.dev （Google製OSS脆弱性DB・無制限）
https://nvd.nist.gov/developers/vulnerabilities （NIST公式CVE/NVD REST API v2）
https://socket.dev （npmサプライチェーン攻撃リスク検知）
https://security.snyk.io/vuln （Snyk脆弱性DB・CVSSスコア付き）
https://choosealicense.com （OSSライセンス確認）
タスク:
出力: research/agent_b_api.md + research/cost_breakdown.csv（500文字以内要約）
Agent C — アーキテクチャ・最新トレンド・コミュニティ調査
調査先（必ず全てチェック）:
# コミュニティ・ソーシャル（リアルタイム）
https://hn.algolia.com/api/v1/search （HN全投稿リアルタイム全文検索・無制限）
https://news.ycombinator.com/newest （HN最新）
https://www.reddit.com/r/LocalLLaMA/new/ （LLM最新動向）
https://www.reddit.com/r/ClaudeAI/new/ （Claude最新）
https://docs.bsky.app （Bluesky Firehose API・X代替）
https://www.producthunt.com/v2/api/graphql （新ツール日次発見）
https://hackernoon.ai （HackerNoon AI特化・実務者向け）
# 論文・学術
https://export.arxiv.org/api/query （Arxiv論文全文検索API）
https://paperswithcode.com/api/v1 （論文+実装コード+ベンチマーク）
https://huggingface.co/papers （HF Daily Papers・コミュニティ注目論文）
# アーキテクチャパターン
https://microservices.io （Saga/CQRS/API Gatewayパターン）
https://learn.microsoft.com/en-us/azure/architecture/ （Azure Architecture Center）
https://github.com/mehdihadeli/awesome-software-architecture （Awesomeアーキテクチャリスト）
# 日本語技術情報源
https://dev.classmethod.jp （DevelopersIO・AWS/AI技術・国内最大級）
https://zenn.dev/topics/[KEYWORD]/feed （Zennトピック別RSSフィード）
https://qiita.com/tags/[KEYWORD]/feed.atom （QiitaタグAtomフィード）
https://b.hatena.ne.jp/hotentry/it （はてなブックマーク IT・エンジニアトレンド）
https://connpass.com/api/v1/event （技術勉強会イベント情報API）
https://techplay.jp （TECH PLAY・大型ITイベント）
https://www.itmedia.co.jp/aiplus/ （ITmedia AI+・AI/ML日本語ニュース）
# RSS/Webhook 自動収集
https://rsshub.app （あらゆるサイトをRSSフィード化）
https://rssapi.net （RSS→Webhook変換サービス）
タスク:
出力: research/agent_c_arch.md + architecture.mermaid（500文字以内要約）
Agent A/B/C の結果を受けて、以下のスキルを3バッチで追加実行。
--- バッチA: 大規模統合リサーチ --- A1. /mega-research — 6つの検索API統合調査 A2. /mega-research-plus — 8ソース統合（最高精度） → /compact 実行
--- バッチB: 特化型リサーチ --- B1. /note-research — 日本のnote.com記事（日本語コミュニティ） B2. /deep-research-grok — Grok-4 Live Search（リアルタイム最新情報） → /compact 実行
--- バッチC: 55サイト333コマンド（opencli-rs 直接呼び出し）--- C1. opencli-rs で以下を実行: - opencli-rs hackernews top/search "[KEYWORD]" --format json - opencli-rs arxiv search "[KEYWORD]" --format json - opencli-rs devto search "[KEYWORD]" --format json - opencli-rs youtube search "[KEYWORD]" --format json - opencli-rs youtube transcript [発見した関連動画URL] --format json - opencli-rs stackoverflow search "[KEYWORD]" --format json - opencli-rs bloomberg --format json（金融関連の場合） - opencli-rs twitter search "[KEYWORD]" --format json（認証済みの場合） - opencli-rs reddit hot --subreddit [関連subreddit] --format json（認証済みの場合） → /compact 実行
Pass 1 + 1.5 の結果を受け取ったら、不足・不明確な点を特定して実行:
/omega-research （XAI_API_KEY ありの場合）
または
/mega-research-plus （なければこちら）
omega-research の4レイヤー:
Layer 1: Grok-4 Agent Tools + Exa semantic search
Layer 2: Tavily + Brave + NewsAPI + SerpAPI + Perplexity
Layer 3: GIS 31ソース + X API v2 340アカウント監視
Layer 4: Arxiv + Papers with Code + HF Daily
Pass 2 で補完すること:
追加実行（ギャップがある場合）: D1. /world-research — 全世界総合リサーチ → /compact 実行
--- URL・ドキュメント・動画分析 --- E1. /url-all — 発見した重要URLの完全分析 E2. /url-deep-analysis — 競合サービスの構造分析 E3. /context7-docs — 使用予定フレームワークの最新ドキュメント取得 E4. /firecrawl — 重要サイトの深層スクレイピング E5. /research-free — APIキー不要の軽量補完 → /compact 実行
STEP 2 完了後、全エージェント結果を統合してから STEP 3 へ。
発見した全ツール・ライブラリに以下のスコアを計算:
TrendScore =
0.35 × stars_delta_7d
+ 0.25 × npm_growth_30d
+ 0.20 × x_engagement_score
+ 0.10 × hn_reddit_score
+ 0.10 × recency_score
判定:
hot : TrendScore > 0.7 ★★★ 即採用推奨
warm : 0.4〜0.7 ★★ 要検討
cold : < 0.4 ★ 採用非推奨
出力: TOP 10 ツールを hot/warm/cold で色分けした表 + research/discovered_tools.json
出力: research/risk_register.md
設計原則: SOLID + CQRS + Event-driven + API-first
推奨スタック:
Runtime: Node.js 22 LTS (TypeScript strict mode)
Database: PostgreSQL 16 + pgvector + Redis 7
Queue: BullMQ
Monitoring: Prometheus + Grafana
Deploy: Docker Compose → Kubernetes (Phase 3)
CI/CD: GitHub Actions
Mermaid C4 図を作成（コンポーネント・データフロー・外部API含む）。
出力: research/architecture_final.md + architecture.mermaid（更新版）
research/runs/{YYYY-MM-DD}__system-proposal/
├── report.md ← メインレポート（12セクション必須）
├── architecture.mermaid
├── discovered_tools.json ← TrendScore付き
├── keyword_universe.csv
├── cost_breakdown.csv
└── x_trends.json
STEP 4 レポート生成後、提出前に必ず実行する。
3名の独立したレビュアーを OpenRouter 経由で並列呼び出し:
import OpenAI from "openai"
const client = new OpenAI({
baseURL: "https://openrouter.ai/api/v1",
apiKey: process.env.OPENROUTER_API_KEY,
defaultHeaders: {
"HTTP-Referer": "https://taisun-agent.local",
"X-Title": "TAISUN v2 QA Gate",
},
})
const [r1, r2, r3] = await Promise.all([
client.chat.completions.create({ model: "openai/chatgpt-5.4", reasoning_effort: "high", messages: [{ role: "user", content: REVIEWER1_PROMPT }] }),
client.chat.completions.create({ model: "openai/chatgpt-5.4", reasoning_effort: "high", messages: [{ role: "user", content: REVIEWER2_PROMPT }] }),
client.chat.completions.create({ model: "openai/chatgpt-5.4", reasoning_effort: "high", messages: [{ role: "user", content: REVIEWER3_PROMPT }] }),
])
OPENROUTER_API_KEY が未設定の場合: Claude Opus 4.6 にフォールバック。
✅ PASS（全員 70点以上） → ユーザーへ提出
⚠️ CONDITIONAL（1名不合格） → 不合格項目のみ自動補完 → 再判定
❌ FAIL（2名以上不合格） → STEP 2 Pass 2 を再実行 → 全体再レビュー
QA結果サマリーをレポート末尾に追記:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🔍 QA レビュー結果（ChatGPT 5.4 thinking / OpenRouter）
網羅性（Reviewer 1）: [スコア]/100 [PASS/FAIL]
信頼性（Reviewer 2）: [スコア]/100 [PASS/FAIL]
実用性（Reviewer 3）: [スコア]/100 [PASS/FAIL]
────────────────────────────────────
総合QAスコア: [平均]/100 → [✅ PASS / ⚠️ CONDITIONAL / ❌ FAIL]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📋 TAISUN v2 リサーチレポート完成
対象システム: [BUILD_TARGET]
生成ファイル: research/runs/{YYYY-MM-DD}__system-proposal/
🔍 QA総合スコア: [スコア]/100
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⬇️ 次のアクション
✅「問題なし / 進めて」
→ /gather-requirements + /sdd-full でシステム設計を開始
✏️「追加・修正してほしい箇所: [内容]」
→ 指定箇所を修正して再提出
❓「[質問内容]を確認したい」
→ 詳細調査して回答
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ ユーザーの確認・承認なしに要件定義や実装に進まないこと。
| 項目 | 基準 |
|---|---|
| 最低情報源数 | 各発見につき3ソース以上の裏付け |
| 引用 | 数値・コストには出典URLを付記（必須） |
| 抽象論禁止 | 「〜が重要です」だけで終わらず、必ず具体的な実装方法まで落とす |
| 言語 | 日本語優先（技術用語は英語OK） |
| 月間予算上限 | $40/月（超える場合は必ず代替手段を提示） |
| サブエージェント結果 | 各エージェントの返答は500文字以内に要約 |
| ディープリサーチ回数 | Pass 1 + Pass 2 の2回実施（省略禁止） |
| コンパクト | フェーズ境界で /compact を実行 |
| QA Gate | 3レビュアー全員 70点以上でなければ提出禁止 |