Nature-Skills：学術論文の執筆や科学研究のグラフ作成を支援するスマートボディプラグイン

Nature-Skillsは、上海交通大学の博士課程の学生であるYuan1z0825によって開発され、オープンソース化されたインテリジェント・ボディ・スキル（Skill）コマンドのコレクションであり、一流の学術誌（Nature、Science、Cellなど）に論文を執筆し、発表するプロセスのために設計されている。このツールセットは Claude CodeやCodexのようなAIプログラミング知能は、厳密なキューワードエンジニアリングに最適化されたモジュラーワークフローを提供することで、研究者の論文アウトプットの効率を劇的に改善する。

Nature-Skillsは、学術論文作成の一連の流れをカバーする9つのコア機能モジュールで構成されています。論文の初稿における段落の下書きから、一流ジャーナルの規範に従った学術英語の詳細な手直し、科学的図表の自動生成、Natureのビジュアル基準に準拠したレイアウト検証まで、Nature-Skillsは第一原理に基づき、第一次文献に駆動された明確なアウトプットを提供します。Nature-Skillsは、「第一原理」と「第一次文献」に基づいた明確なアウトプットを提供します。さらに、高精度の引用検証、査読コメントに対する回答レターの作成、データ利用可能性ステートメントの作成、二ヶ国語文献の読み取り、論文からプレゼンテーションへの変換などの機能を備えている。開発者は、このツールセットが章を意識し、完成品志向で、拡張性が高いことを強調している。また、標準操作手順（SOP）を固めることで、研究者が学術的なレイアウト、修辞の推敲、文書管理といった面倒な事務的負担を効果的に軽減し、科学研究とイノベーションの中核となる論理により集中できるよう支援している。

機能一覧

• 自動ネイチャーフィギュアPython (matplotlib/seaborn) または R (ggplot2/patchwork) 用の、一流ジャーナルの視覚的仕様に準拠したマルチパネル図解ワークフロー。Arialフォント、解像度300DPI、編集可能なSVG/PDFベクトル出力が必須。セマンティックカラーマッチングをサポートし、プロット前にデータの結論とエビデンスロジックを自動的にソートすることで、学術的な結論よりも美観が優先されるという問題を防ぐ。
• 学術論文の章立て（ネイチャーライティング）論文の核となるセクション（アブストラクト、イントロダクション、結果、考察、結論）の執筆と再編成が可能。大まかな実験記録、研究ハイライト、または著者から提供された中国語の草稿から、Natureジャーナルのスタイルとロジックに準拠した高品質の英文草稿を作成します。
• アカデミック・イングリッシュ一流ジャーナルに執筆するための25のルールと、12段階のタッチアップ・レビュー・プロセスを内蔵。中国語英語の添削、学術的文章の厳密性、客観性、専門性の強化に重点を置き、従来のAIタッチアップに見られる「機械風味」を完全に排除。
• 信頼性の高い引用文献検索（nature-citation）CNSレベルの引用クロスチェック検索を提供し、検索結果のEndNote、Zotero互換RIS、BibTeX、その他の主流文献管理フォーマットへの自動生成と変換をサポートし、大規模モデルによる偽の文献引用を防止する。
• レビュー・コメントに対する記事ごとの回答（ネイチャー・レスポンス）ネイチャー誌のような需要の高いジャーナルからの反論依頼に対するポイントごとの回答の起草、監査、修正を自動化し、回答が専門的で論理的かつ適切なものになるようにする。
• コーディネートされたマルチソースの学術検索（nature-academic-search）複数のソースを組み合わせる MCP ツール（例：PubMed、CrossRef、arXiv）により、詳細な複合文献検索、MeSH検索ストラテジーの生成、DOIの信頼性検証を行い、調整されたマルチステップの文献ワークフローをサポートする。
• コンプライアンスおよびデータ利用可能性に関する声明（nature-data）データアベイラビリティステートメント、データセットリポジトリプラン、FAIRメタデータのドラフトとレビューを行い、出版社の仕様を満たし、Springer Natureのような出版社の厳しいレビュー要件を満たす。
• バイリンガルグラフィックリーダー（ネイチャーリーダー）Markdown論文のフルテキストリーダーをグラフィック対応で提供し、バイリンガル・リーディングをサポートすることで、研究者が文献の中核となる技術革新や実験デザインのロジックを素早く抽出できるようにする。
• ワンクリックで論文からプレゼンテーションへ (nature-paper2ppt)長い論文の核となる実験ロジックとグラフの結論を素早く抽出し、プレゼンテーションのアウトラインと構造を自動化して、学会報告や研究室のグループコミュニケーションに適したスライドを作成することができる。

ヘルプの使用

Nature-Skillsは、ハイスペックで制約の厳しいSkillファイルの集合体であり、従来のPythonパッケージやnpmライブラリではなく、Promptフレームワークとコンテキストリファレンスによって深く束縛されたファイルの束です。以下は、Nature-Skills フル機能モジュールをインストールし、効率的に利用し、日々の研究ワークフローに組み込む方法についてのハンズオンガイドです。

1.準備と運用環境のサポート

Nature-Skillsは非常に柔軟で、クロスプラットフォームであり、現在以下の3つの主要な環境をサポートしています：

• コーデックスデスクトップ（推奨）: 最高のネイティブ「スキルフォルダ」ネイティブフォルダスキルの読み込みを提供し、追加のアセット（参考文献の引用や足場となるコードなど）を自動的に読み込みます。
• クロードコード（CLIターミナル）コマンドラインやターミナル環境からAgentプロセスを直接実行することに慣れているユーザー向け。
• 普遍的な大規模言語モデル（例：ウェブベースのChatGPT/Claude）ネイティブ・インテリジェンスがインストールされていないユーザーは、ダイアログに付随する高品質な「システム・プロンプト」として直接使用することができます。

2.詳細なインストールと展開プロセス

方法1：プラグインマーケットプレイス経由でCodex Desktopにワンクリックでインストール（最も便利です）

1. Codex Desktopアプリケーションを開きます。
2. プラグイン/プラグイン・マーケットプレイスの設定ページに移動します。
3. Add Custom Plugin Marketplace Repository Source “を選択し、リポジトリのアドレス欄に入力します：https://github.com/Yuan1z0825/nature-skills.git
4. Branch/Ref “オプションを記入する：main
5. クリックして検索し、インストールする nature-skills プラグイン。
6. インストールが完了したら、チャット入力ボックスに次のように入力します。 /reload-pluginsネイチャー・ファミリーの9つのコア・スキルは、スラッシュ・コマンドやトリガー・ワードによってインテリジェント・ボディに直接呼び出すことができる。

方法2：クロード・コード・ターミナルでのクイック・インストール

コードやアカデミック・プロジェクトのワークスペース・ディレクトリでターミナルを使う方が快適な場合は npx コマンドを使えば、特定のモジュール1つをローカル・ワークスペースに取り込むことができる（Node.jsと Claude Code (環境）：

# 以安装科研绘图模块为例
npx skills add https://github.com/Yuan1z0825/nature-skills --skill nature-figure
# 如果需要安装学术文献引证模块
npx skills add https://github.com/Yuan1z0825/nature-skills --skill nature-citation

スキルファイルは、自動的に現在のプロジェクトのルート・ディレクトリにダウンロードされます。 .claude/skills/ フォルダに保存され、ターミナルでクロード・コード・エンジンを起動すると、インテリジェンスが自動的にロードされ、その記述仕様に従います。

アプローチIII：手作業による設定と汎用モデリング環境の使用

コード・インテリジェンスの基盤を持たないユーザー向け：

1. コードベースにアクセスし、プロジェクトをクローンする：git clone https://github.com/Yuan1z0825/nature-skills.git
2. クローンしたフォルダを開き skills/ カタログ
3. 次のように表示されます。 nature-writing 或 nature-polishing 等のサブディレクトリを開く。対応するディレクトリを SKILL.md ドキュメンテーション
4. ドキュメントから完全なMarkdownテキストをコピーし、Claude 3.5 SonnetまたはGPT-4 Web Editionのダイアログボックスまたは “System Prompt ”に直接貼り付けることで、最高レベルの共同学術対話を開始することができます。

3.実際の中核機能の詳細な業務フロー

シナリオ1：使用 nature-figure 出版物レベルのマルチ・パネル・グループ化の生成

• トリガコマンドインテリジェンスへのインプット "I need a Nature figure for my data" 或 "科研图表绘制"。
• ワークフロー：
  1. インテリジェント・エクスペリエンスでは、「データの装飾を拒否する」ことから始め、「データの具体的な構造は何か」「このグラフで主張されるべき核心的な学術的結論は何か」という2つの核心的な質問をする。と「このグラフで主張されるべき核心的な学問的結論は何か？.
  2. データ形式（CSV サンプルカラムなど）と結論を入力すると、インテリジェンスは、プロットバックエンドが Python 或 R。
  3. 言語（例：Python）を決定した後、スマートボディは自動的に matplotlib 和 seaborn 生成されたコード。冗長な凡例は強制的に消され、水平・垂直座標ラベルは自動的に正規化され、Nature指定の統一された3レベルのパネルレイアウトが使用され、色盲に優しいハイコントラストカラーマッチングが割り当てられる。
  4. このコードを実行すると、あなたのフォルダに直接、接尾辞が .svg 和 .pdf 解像度300DPIが必須のレイアウトは、Adobe Illustratorに直接ドロップして、ジャギーのないレイアウトに調整することができます。

シナリオ2：使用 nature-writing 和 nature-polishing 原稿の完成

• ラフと拡大版ダイアログボックスに中国語の検査結果の文章をいくつか散在させ、トリガーとなる単語を入力する。 "draft nature results section"。nature-writing 翻訳するのではなく、ネイチャーの典型的な逆ピラミッド構造（「問題を定義する」-「ギャップを埋める」-「証拠を提供する」-「意味を定義する」）に基づき、あなたの論理を分析し、例を再編成します。短文と長文を組み合わせた論理的な学術英文。
• ディープレタッチ最初の原稿ができたら、次のように入力する。 "polish my text in Nature style".例えば、過剰な感嘆詞や冗長な形容詞の削除（例：“very ”や “dramatic ”の削除）、受動態をより直接的で能動的な論述に変更、すべての画像参照が首尾一貫していることを確認します。また、Diffと修辞的な変更の理由も明示的に出力されるため、語彙の各変更の背後にある学術的な論理を正確に知ることができる。

シナリオ 3: 使用 nature-response 高圧的なレビュー回答レターの作成（反論）

手直しの段階は、著者にとって最も消耗することが多く、不適切で感情的な表現は、査読者からの質問に直面してリジェクトにつながる可能性がある。

• 操作ガイドレビュアー1、レビュアー2、レビュアー3を含むEメールを直接スキルモジュールに送信し、レビュアー1、レビュアー2、レビュアー3をトリガーします。 "draft rebuttal letter"。
• プロセス：
  • インテリジェンスはまず、レビューコメントを “冷却 ”し、その本質を取り除く。
  • 単一クエリごとに仕様書を強制的に生成する。 [Comment x.x] ラベルを生成した直後に [Response x.x] アンカーだ。
  • 回答戦略に関しては、プリセットされたコーパスにある専門的な丁寧語に従って、「査読者の洞察に同意する」という緩衝段落をあなたのために作成し、その後の補足実験のデータ索引とページ番号指示の修正を正確にリストアップします。

4.よくある問題のトラブルシューティングとベストプラクティス

• AIによる錯覚回避を強く推奨する。 nature-writing およびマルチソース検索 nature-academic-search 連動して使用最先端の文献を引用する場合、DOIチェックには検索モジュールを使用し、合成にはライティングモジュールを使用します。
• スキル依存喪失問題手動でフォルダーをコピーしてインストールする場合は、以下の手順でコピーしてください。 skills/nature-xxx/ フォルダ（内部の references/ など）をコピーするだけなら SKILL.mdそのため、インテリゲンチャは文脈の核となるコーパスの参照を失い、生成されるテキストの品質が低下する可能性がある。

Nature-Skillsツールキットを使えば、科学的な組版、翻訳推敲、書式設定に費やす1日の時間を解放し、医学、AI、あるいは最先端の学際的分野における真に革新的な実験に、より多くの知的エネルギーを割くことができる。

アプリケーションシナリオ

1. 一流ジャーナル論文の第1稿の作成と執筆の全過程
   膨大な実験データの収集と整理を終えたばかりの研究者は、散逸した記録や実験現象を出版品質の論文にしなければならないという大きなプレッシャーにさらされている。その際 nature-writing 中国語の記録やデータの論点を、トピックジャーナルの論理的連鎖に沿った明確な構造の英語初稿に迅速に変換する。 nature-figureカオス的なチャートを、厳密な複数パネル、出版物レベルのグループ分けに絞り込む。 nature-polishing 12ステップのワードフォワード・タッチアップを実行。ベンチノートからNature/Science誌の言語的な閾値まで、ワークフローをオープンにします。
2. 厳しい査読を経た反論の段階に慣れている（反論）
   査読者から鋭い、退屈な、あるいは不快な査読コメントが寄せられると、著者に深刻な心理的・事務的負担がかかることが多い。電話 nature-response このモジュールは、長いレビューコメントを自動的に構造化してクーリングダウンし、「ポイント・バイ・ポイント」形式で具体的な修正を加えたプロフェッショナルで適切な回答書を強制的に作成することができるため、手直しプロセスにおけるコミュニケーションの抵抗や不安を大幅に軽減することができる。
3. 最先端の文献の精読や、グループミーティングでの学術的なプレゼンテーションの準備を効率的に進める。
   医療やAIが交差する分野の研究者や学者は、毎週膨大な量の最先端文献を扱う必要がある。そのため nature-reader このモジュールでは、長い英語論文をバイリンガルで精読し、その核となる前提条件と方法論設計を取り除く。そして、精読結果を直接 nature-paper2ppt このモジュールは、重要な研究ポイントを抽出し、論理的で首尾一貫した、プレゼンテーションに適したアウトラインをワンクリックで作成するため、学術的な準備やスライドプレゼンテーションに費やす時間を劇的に短縮する。

QA

1. ネイチャー・スキルとは何か？
   Nature-Skillsは、オープンソースコミュニティの開発者によって構築された学術研究用AI知能（Skills）のための命令セットです。主にCodexやClaude Codeのようなエンドプラットフォームに統合され、極めて厳格な標準化されたワークフロー（SOP）と幻覚防止のキューワードフレームワークをあらかじめ設定することで、一流ジャーナルの出版基準を満たすための論文執筆、出版グレードの図表生成、綿密な校正、論文ごとの査読対応といった複雑なタスクを効率的にこなす研究者を支援する。
2. 私のコンピュータがCodex / Claude Codeのようなローカル環境をサポートしていない、またはインストールしていない場合、ツールを使用できますか？
   Nature-Skillsの根底にあるのは、高品質でモジュール化されたキューワードプロジェクトと実行ルールのコレクションです。Code Intelligenceを使用していない場合でも、プロジェクトのGitHubリポジトリにアクセスして、対応する SKILL.md ドキュメントウェブ版の ChatGPT (GPT-4)、クロード(Opus/Sonnet)では、文書の全文が「システム・プロンプト」としてAIに送信され、モデルは依然としてトップ・アカデミック・スタンダードに従ってサービスを提供するよう強制することができる。
3. ネイチャー・フィギュア・マッピング・モジュールは自動的に偽の実験データを生成してくれるのですか？
   ネイチャースキルズは、極めて厳格な学術的倫理的境界線を念頭に置いて設計された。nature-figure このモジュールは、あなたの “既存の実際の生データ ”の “レイアウトの正規化と視覚的強調 ”にのみ焦点を当てています。このモジュールの役割は、Python (Matplotlib)またはRを呼び出してレイアウトのマッピングコードを記述することであり、何もないところからデータファクトを作成したり操作したりすることはありません。
4. このツールは、従来のビッグモデルのように、学術論文の執筆を支援する際に、存在しない偽の文献（AIの錯覚）を捏造するのだろうか？
   このアカデミックな赤信号にきっぱりと対処するために、ネイチャー・スキルズでは、特に、次のようなプログラムを開発しました。 nature-citation 和 nature-academic-search モジュールである。これら2つのモジュールは、インテリジェントボディ環境で実行されると、MCP（Model Context Protocol）を通じて、PubMed、CrossRef、arXivなどの現実的かつ客観的な学術データベースにアクセスする。ツールが文献や論証の根拠を出力する際、これらの基礎となるデータベースを通じて、リアルタイムの相互比較、キャプチャ、DOIの遡及検証を強制的に行うため、誤った引用の生成を根本から排除することができる。