メインコンテンツまでスキップ

Interactive Literature Explainer

目的​

AIとマルチターンの対話を行い、文献内容を深く理解します。文献コンテキストに基づく自由形式のQ&Aに対応し、対話終了後に構造化された学習ノートを自動生成します。

幻覚を心配する必要はありません

AIの応答は検証ゲートを通過する必要があります。不確実性を含む回答は明示的にフラグが立てられるため、安心してAIと論文の詳細について議論できます。

ユースケース​

  • 論文を読んでいて理解できない概念や用語に出くわしたとき
  • 論文の特定部分（手法、実験、導出）についてさらに深く掘り下げたいとき
  • AIと共に論文の推論と貢献をトレースするとき

入力制約​

制約タイプ説明
入力ユニット添付ファイル
受付タイプtext/markdown、text/x-markdown、text/plain、application/pdf
親あたり上限最大1つの添付ファイル

実行方法​

  • PDFまたはMarkdownの添付ファイルを直接選択
  • 親アイテムを選択すると、プラグインが自動的に最初の適合添付ファイルを展開

実行フロー​

1. リクエスト構築
   └── ソースファイルをSkill-Runnerにアップロード
       └── skill_id: "literature-explainer"を呼び出し

2. Skill-Runner処理
   └── インタラクティブモードを起動
       └── ダッシュボードのチャットパネルを開く

3. ユーザー操作
   └── タスクダッシュボードでAIと対話
       └── メッセージを送信、返信を表示

4. 対話終了
   └── ユーザーが手動で閉じるまたはキャンセル
       └── 対話結果を生成

操作フロー​

  1. Workflow開始後、タスクダッシュボードが自動的にチャットパネルを開きます
  2. チャット入力で質問や指示を入力します
  3. AIの返信がパネルにリアルタイムで表示されます
  4. ユーザーが終了を選択するまで対話を続けられます
  5. パネルを閉じると結果処理がトリガーされます

推定所要時間​

対話のターン数に依存します。文献の読み込みと初期化に約1〜2分かかり、その後はリアルタイムで対話が進行します。

モデル推奨​

🟡 ウェブ検索機能を持つモデルを推奨。Literature Explainerには組み込みのエビデンス検証機構があります — モデルがウェブを検索して論文内の引用や事実を検証できれば、検証品質が大幅に向上します。ウェブアクセスが利用できない場合、検証機能は大幅に制限されますが、文献内容に基づく推論やQ&Aは引き続き可能です。

出力​

実行完了後、親アイテムの下に**1つの学習ノート（対話ノート）**が作成されます:

  • タイプ: data-zs-note-kind="conversation"
  • 内容: Q&A履歴（HTML形式）、学習ノートとして保持可能
  • 更新戦略: 実行のたびに新しい対話ノートを作成（上書きしない）

Literature Explainer学習ノート

パラメータ​

パラメータタイプ説明デフォルト
languagestring対話言語zh-CN

利用可能な値: zh-CN、en-US、ja-JP、ko-KR、de-DE、fr-FR、es-ES、ru-RU。カスタム入力も対応。

依存関係​

  • バックエンド: Skill-Runnerサービス
  • バックエンド設定: バックエンドマネージャーでSkill-Runnerタイプのバックエンドを設定
  • スキル: literature-explainerスキルがSkill-Runner上にデプロイされている必要がある

関連Workflow​

  • Literature Analysis — 文献ダイジェストを自動生成（先に実行することを推奨）
  • Deep Reading — 構造化された深読ビューを生成