academic-scientific-research

作成者: tavily-ai

学術論文、科学文献、技術報告書、プレプリント、臨床・生物医学出版物、および…に関するエビデンスを発見し、選別し、統合する。

npx skills add https://github.com/tavily-ai/use-case-skills --skill academic-scientific-research

Academic Scientific Research

Workflow

Use search to discover scholarly sources, extract to verify source content, map or crawl for known scholarly sites and collections, and research for full literature-review synthesis. Keep this skill focused on research planning, source selection, extraction targets, and evidence synthesis; execution mechanics should come from companion endpoint skills.

Treat the guidance below as base guidance; adapt it to the user's request when appropriate.

  • Translate the user's question into search terms, synonyms, key entities, and likely source domains.
  • Break broad questions into short subqueries under 400 characters: core concept, synonyms, method names, target population or data, benchmark or dataset, author/lab, and year range.
  • Prefer scholarly and official sources when available: preprint servers, PubMed/NIH pages, journals, conference proceedings, professional societies, standards bodies, and official technical reports.
  • Extract from the strongest selected pages after screening titles, snippets, source type, recency, and relevance.
  • Reserve broad research synthesis for full literature reviews, research landscapes, or multi-method comparisons.
  • Distinguish primary studies, review papers, preprints, editorials, guidelines, standards, and news coverage.

Research Budget

  • Start with a small focused search set covering the main concept, synonyms, methods, and source type.
  • Extract only the strongest scholarly sources before drafting the evidence brief.
  • Add more searches only for named gaps, such as missing review papers, missing recent work, or missing primary studies.
  • Do not use map unless a known lab, journal, conference, repository, or documentation site has buried pages.
  • Do not use crawl unless the user needs broad collection from a known proceedings, publication list, or docs section.

Capability Guidance

  • Use search first when the user needs papers, methods, benchmarks, authors, institutions, or recent work.
  • Use extract when comparing a small set of papers, reading abstracts, or verifying study claims.
  • Use map only when a known lab, journal, conference, repository, or documentation site has useful but hard-to-find pages.
  • Use crawl only when the user needs many pages from a known source, such as proceedings, a lab publication list, or a technical docs section.
  • Use research only when the user explicitly needs a full literature review or research landscape.

Query And Source Guidance

  • Pair formal terms with common synonyms and acronyms.
  • Include population, dataset, benchmark, organism, intervention, model, metric, or method terms when relevant.
  • For recent literature, include explicit year ranges or recency language in the query.
  • Prefer primary literature for claims, review papers for landscape summaries, and guidelines/standards for practice recommendations.
  • Deduplicate preprints and final publications; cite the final version when available.
  • Treat abstracts, papers, supplemental pages, tables, and official repositories as separate evidence surfaces.
  • Report failed or inaccessible sources when they affect key papers, guidelines, datasets, or primary evidence.

Output Template

Use this markdown structure and adapt sections to the user's scope:

# Evidence Brief: <topic>

## Research Question
<brief framing of the question>

## Search Strategy
- Concepts searched:
- Source types prioritized:
- Inclusion logic:
- Exclusions or limitations:

## Key Sources
| Source | Type | Why it matters | URL |
| --- | --- | --- | --- |

## Findings
### <Theme>
- Claim:
- Evidence:
- Limitations:

### <Theme>
- Claim:
- Evidence:
- Limitations:

## Consensus And Disagreement
- Consensus:
- Disagreement:
- Evidence gaps:

## Follow-Up Queries
- <query idea>

For medical, clinical, or biomedical topics, be conservative: do not provide diagnosis or treatment advice, and prioritize primary literature, systematic reviews, guidelines, and official health sources.

tavily-aiのその他のスキル

research
tavily-ai
あらゆるトピックについて、自動的な情報収集、分析、引用を伴う包括的なリサーチを実施。明示的な引用付きで複数ソースのウェブリサーチを行い、比較、時事問題、市場分析、詳細レポートに最適。3つのモデルオプションを提供:ミニ(対象を絞った単一トピックのリサーチ、約30秒)、プロ(包括的な多角的分析、約60~120秒)、オート(APIによる複雑性検出で自動選択)。Tavily MCPサーバーを通じてOAuth認証を行い、自動ブラウザベースのログインを...
official
search
tavily-ai
LLM最適化された結果、関連性スコアリング、柔軟なフィルタリングを備えたWeb検索。4つの検索深度モード(超高速、高速、基本、高度)をサポートし、レイテンシと関連性のトレードオフを設定可能。ドメインフィルタリング、時間範囲制約、日付範囲、国別ブースト、生コンテンツ抽出を含む。タイトル、URL、コンテンツスニペット、関連性スコアを含む結果を返し、オプションで画像結果とファビコンも提供。Tavily MCPサーバーまたはAPIキー設定による自動OAuth認証。
official
tavily-best-practices
tavily-ai
LLM向けWeb検索API。リアルタイムデータアクセス、コンテンツ抽出、サイトクローリング、AI駆動のリサーチを提供。5つのコアメソッド:search()(Web結果取得)、extract()(URLコンテンツ抽出)、crawl()(サイト全体の抽出)、map()(URL発見)、research()(エンドツーエンドのAI合成)。PythonおよびJavaScript SDKに対応し、非同期クライアントによる並列クエリと設定可能な検索深度(ultra-fast/fast/basic/advanced)をサポート。Crawlメソッドはセマンティック指示を受け付け、抽出を特定の内容に集中させる。
official
tavily-cli
tavily-ai
Web検索、コンテンツ抽出、サイトクローリング、およびTavily CLIによる深層リサーチ。検索、抽出、URL発見、一括クローリング、引用付きマルチソースリサーチをカバーする5つのコマンドモード。すべてのコマンドはJSON出力とファイル保存に対応し、構造化されたエージェントワークフローを実現。エスカレーションパターンにより、単純な検索から抽出、マッピング、クローリング、包括的なリサーチまで、ニーズに応じてガイド。tavily-cliのインストールと、tvly loginによるAPIキー認証が必要。
official
tavily-crawl
tavily-ai
マルチページウェブサイトクローラーで、セマンティックフィルタリングとマークダウンエクスポート機能を備えています。深さと幅を制御してサイト全体のセクションをクロールし、パス正規表現、ドメイン、または自然言語の指示でフィルタリングして結果を絞り込みます。各ページを--output-dirでローカルのマークダウンファイルとして保存するか、エージェント処理用に構造化JSONを返します。結果をLLMに渡す際のコンテキスト肥大化を防ぐために、チャンク抽出を伴うセマンティック指示を使用します。オフラインのドキュメントダウンロードには全ページ抽出を使用します。対応...
official
tavily-dynamic-search
tavily-ai
ウェブを検索し、結果をフィルタリングしてコンテンツを抽出することで、生の検索データがコンテキストウィンドウに入ることはありません。厳選されたprint()出力のみが返されます。
official
tavily-extract
tavily-ai
最大20件のURLからクリーンなマークダウンまたはテキストを抽出。JavaScriptレンダリングとクエリに焦点を当てたチャンク分割をサポート。JavaScriptでレンダリングされたページを処理し、抽出深度を設定可能(シンプルなページは基本、動的なSPAやテーブルは高度)。クエリに焦点を当てた抽出をサポートし、全ページではなく関連コンテンツのチャンクのみを返却。デフォルトでLLM最適化されたマークダウンを返し、プレーンテキスト形式や構造化JSON出力のオプションも提供。1回の呼び出しで最大20件のURLを処理。
official
tavily-map
tavily-ai
ウェブサイトからコンテンツを抽出せずに高速なURL発見が可能で、大規模サイト上の特定ページを見つけるのに最適です。設定可能な深さと幅、正規表現によるパスフィルタリング、セマンティックフィルタリングのための自然言語指示を用いて、ドメイン上の全URLの構造化リストを返します。深さ制御(1~5レベル)、ページごとの幅制限、外部リンクの包含/除外、正規表現パターンによるドメインフィルタリングをサポートします。ワークフローのステップ1として設計されており、マッピングで目的のページを見つけ、その後抽出や...を使用します。
official