Claude Code で学術研究をしているなら、インストールに 2 分だけかけてみる価値のあるオープンソースプロジェクトがあります。academic-research-skills（ARS）は Claude Code のスキルパックで、GitHub スター 6.4k を獲得しており、論文の研究・執筆・レビュー・仕上げの全プロセスをカバーする 4 つの skill を収録しています。いちばん重要なのは、単に AI に論文を書かせるのではなく、AI のミス・追従・捏造を防ぐ体系的なメカニズムを備えている点です。

4 つの skill の役割

ARS のコアアーキテクチャは 4 つの skill で構成され、組み合わせればテーマ選定から提出までの完全なパイプラインになります。

Deep Research（13 の Agent からなる研究チーム）

文献調査、研究課題の構築、方法論の設計を担当し、PRISMA レビューの執筆にも対応します。チームには、文献の出所をたどる Agent（Semantic Scholar API を呼び出して引用の真実性を検証する）、ソクラテス式メンター Agent（対話を通じて思考の整理を促す）、デビルズアドボケイト Agent（あえて批判を加えて思考の硬直化を防ぐ）がいます。

Academic Paper（12 の Agent からなる執筆チーム）

アウトライン設計、論証の構築、草稿の執筆から、バイリンガル要約の生成、図表の可視化、引用フォーマットの変換までを担います。特徴はスタイル較正機能です ―― AI があなたの過去作品の文体を学習し、出力をより本人が書いたものらしく仕上げます。出力形式は Markdown、DOCX、LaTeX に対応し、最終的に APA 7.0 または IEEE 形式の PDF としてコンパイルできます。

Academic Paper Reviewer（7 の Agent からなるレビューチーム）

実際の学術ジャーナルの査読プロセスを模しており、編集長（EIC）が 3 名の専門分野レビュアーとデビルズアドボケイトを率い、方法論・分野の視点・学際的価値などの軸で採点します。スコアは 0-100 の定量基準で、80 点以上はアクセプト、65-79 は小規模修正、50-64 は大規模修正、50 未満はリジェクトです。詳細な修正ロードマップも出力してくれます。

Academic Pipeline（プロセスオーケストレーター）

前述の 3 つのチームを 10 フェーズのパイプラインとして連結します。研究、執筆、完全性チェック、ピアレビュー、修正、最終チェック、発表準備に至るまで、各フェーズに明確な成果物とチェックポイントが用意されています。任意のフェーズから入ることも可能です。

注目すべき 4 つの設計ディテール

1. 引用検証

AI に論文を書かせる上で最も忌むべきは、ハルシネーションによる引用です。ARS は Deep Research フェーズに引用検証の仕組みを組み込んでいます。すべての文献が Semantic Scholar API による存在確認を通らなければなりません。単にタイトルを照合するのではなく、Levenshtein 類似度アルゴリズムによるファジーマッチングを行い、閾値 0.70 以上でないと合格になりません。実測では、この仕組みがある実在の論文 1 本から 15 件の偽造引用と 3 件の統計エラーを検出しました。

2. 完全性ゲート

パイプラインの Stage 2.5 と Stage 4.5 には、スキップできない 2 つの完全性ゲートがあり、7 項目の AI 失敗モード チェックリストが実行されます。このチェックリストは、2026 年に Nature で発表された全自律 AI 科学研究の研究内容に由来し、引用ハルシネーション、データ捏造、方法論の不正といったケースをカバーします。

Stage 2.5 で SUSPECTED とマークされた問題は、Stage 4.5 で CLEAR になるか、人間が手動でオーバーライドして記録を残さなければなりません。設計の論理は、「AI はミスをしないと信じる」を「AI にミスしていないことの証明を求める」へ変えることにあります。

3. 追従防止プロトコル

ほとんどの AI ツールには、ユーザーに追従する癖があります。ARS はレビューの段階に追従防止メカニズムを専用で設計しました。デビルズアドボケイトの反論には 1-5 のスコアが付き、4 点未満の場合、執筆チームがそれを受け入れることは許されません。AI は「協調性がありそう」に見せるために安易に譲歩してはならないのです。同時に、攻撃の強度は修正プロセスを通して維持されなければなりません。第 1 ラウンドの査読で方法論を徹底的に批判したのに、著者が修正した途端にレビュアーが急に甘くなることは許されません。

4. 3 層のデータ分離

• Layer 1：生の入力。デフォルトでは信頼しない
• Layer 2：完全性検証を通過した後の成果物
• Layer 3：採点基準とゴールドスタンダードデータ。この層の材料が執筆 AI のコンテキストに現れることは決して許されない

執筆 AI が受け取れるのは、レビュー AI からの自然言語フィードバック（「第 2 章の論証に飛躍がある。対照実験の補足を推奨」など）だけで、元の採点基準は見えません。

インストール方法

方法 1：Claude Code プラグイン（推奨）

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

インストールの確認：

/ars-plan

その後、論文のテーマを記述すると、ARS がソクラテス式対話を始動し、論文の構成を整理する手伝いをしてくれます。

単発コマンドでのテスト：

/ars-lit-review "你的研究主题"

方法 2：claude.ai の Web 版

SKILL.md を claude.ai のプロジェクトナレッジベースにアップロードするだけです。Claude Code のインストールは不要で、ブラウザを開けばすぐ使えます。ただし、この方法はマルチ Agent の並列実行に対応しないシングル Agent 版で、軽く試してみるのに向いています。

費用の目安

• Claude Opus 4.7 と Max サブスクリプションプランの組み合わせを推奨
• 10 フェーズをすべて完走すると、1 回で入力 20 万トークン超・出力 10 万トークン超を消費することもある
• 1.5 万字の論文を通しで動かすと約 4-6 米ドル
• Max サブスクリプションプランは 2 段階：月額 100 米ドルまたは 200 米ドル
• サブモジュールを単体で使う場合（文献レビューだけなど）は、費用がはるかに安く済みます

向いているユーザー

• AI 支援の論文執筆を体系的に活用したい大学院生と研究者
• AI 支援執筆における引用ハルシネーションや追従の問題を気にする研究者
• 監査可能で追跡可能な AI 学術研究プロセスを求めるチーム

プロジェクトURL：https://github.com/Imbad0202/academic-research-skills