Skill.md検索

複雑な論文の内容を、技術者向けの親しみやすいブログ記事に変換します。難しい学術用語を丁寧に解説しながらも、すべての技術的詳細・図表・数式・実験データはそのまま保持します。 文体を「ですます調」の敬意ある丁寧語に統一し、読者が引き込まれるような導入部を作成します。 元の内容を一切削減せず、セクション構成と見出しをキャッチーに再構成することで、難しい内容を読みやすくします。 すべての図表・参照論文・リンクを完全に保持したまま、テックブログのテンプレートに合わせた構成に変換します。 arXiv論文や学会論文をブログ記事化したい研究者・エンジニア 技術的に正確でありながら、広い読者層に届く記事を書きたい技術ライター 論文の内容を保持しつつ、より親しみやすい形で情報発信したい個人ブロガー 学術成果をテックコミュニティに知ってもらいたい企業の研究開発チーム このスキルは「形式と構造のみの変換」を原則とします。変換対象は文体（である調→ですます調・丁寧語）、セクション配置、見出しのキャッチーさ、読者を引き込む導入部です。絶対に保持する要素は、すべての図表（パスとキャプション含む）、技術的詳細、数式、アルゴリズム、実験情報、参照論文の詳細、すべてのリンク・URLです。実行ワークフローは対象レポートの特定→完全な内容抽出（図表・セクション・表・数式・参照論文・リンク）→ブログ形式への再構成という3ステップで、内容削減なく構造のみ変換します。提供されるテックブログテンプレートには、メタ情報テーブル、TL;DR、問題設定、既存手法の課題、提案手法の全体像（アーキテクチャ・技術詳細・重要な数式・アルゴリズム）、実験設定と主要結果、考察というセクションが含まれます。

arXiv 論文を自動ダウンロードして、各章・セクションの詳細な解説を行うレポートを生成できます 100ページ以上の長大な論文にも対応し、チャンク分割による効率的な分析ワークフローで対応できます 論文の引用文献や参考論文も深く分析し、論文同士の関連性や学術的系譜を可視化できます Introduction・Method・Results・Conclusion など各セクションの要点を体系的に抽出し、分かりやすく要約できます PDF を直接テキスト化して保存し、後から検索・再利用可能な形式で記録できます 最新の学術論文をキャッチアップしたい研究者・学生 技術トレンドを論文ベースで追跡したい AI・データサイエンス従事者 論文の引用関係や学術的背景を効率よく理解したい大学院生・博士研究者 学術論文の要点をビジネス利用可能な形にまとめたい企業・コンサルタント uv run arxiv-helper --download で論文をダウンロードし、ページ数を確認。100ページ以上の場合は uv run pdf-chunker --export-dir chunks/ で PDF をテキストチャンクに分割します。出力された _chunks_info.md で全体構成を把握した後、チャンクを優先順位付けして読み込み（最優先：Introduction・Conclusion、高優先：Method・Results、中優先：Related Work、低優先：Appendix）。各チャンク読了時にセクション名・要約・キーポイント・図表・参照論文をテンプレートに従って記録し、全チャンク完了後に統合・整理してレポートを生成。31-50 ページはセクション単位、51-100 ページはチャンク分割で対応します。

元論文から図表を自動抽出: 研究論文内のすべての図表（Figure/Table）を自動検出し、高品質な画像として保存できます。 参照論文からも図表を取得: レポートで言及されている参照論文からも重要な図表を探し出し、あわせて追加できます。 レポートへの自動埋め込み: 抽出した図表に説明文を付けて、指定位置に自動的にレポートへ挿入します。 複数抽出モードに対応: 特定の図のみ抽出、埋め込み画像をすべて抽出、特定ページを画像化するなど、柔軟な抽出方法を選べます。 解像度をカスタマイズ: ズーム倍率を調整して、高解像度または低解像度での出力を選択できます。 論文分析レポートを作成している研究者: 元論文の図表を手作業で探す手間がなくなり、ビジュアルで充実したレポートが素早く完成します。 複数の参照論文から情報をまとめたい人: 参照論文からも自動で図表を抽出できるため、包括的なレポート作成が効率化されます。 見栄えの良いドキュメントを作りたい人: 図表が自動で適切に埋め込まれるため、プロフェッショナルな見た目のレポートになります。 論文分析レポートに元論文および参照論文から重要な図表（Figure/Table）を抽出・追加するスキル。src/figure_extractor.py モジュールを使用。 CLI使用方法: uv run figure-extractor で基本実行。--figures 1,2,3 で特定図のみ、--mode images で埋め込み画像すべて、--mode pages --pages 2,5,8 で特定ページ、--no-tables で Table 除外、--zoom 3.0 で解像度変更が可能。 Python API: FigureExtractor クラスで extract_from_pdf()、extract_embedded_images()、extract_page_as_image() の3つのメソッドを提供。抽出結果から generate_markdown_embed() で Markdown 埋め込みコードを生成し、update_report_with_figures() でレポートに自動挿入。ワークフローとして、対象レポートと論文の特定 → 元論文から図表を自動抽出 → 参照論文から必要な図表を抽出 → 結果をレポートに埋め込みの流れで実行します。