知らない分野を、原文にたどりつくまで芋づる式に掘る Claude Code のスキル
Python
変更履歴
imozuruのバージョンごとの変更を記録します。 書式は Keep a Changelog に、バージョン番号は セマンティック バージョニング に沿っています。
プラグインの plugin.json にバージョン番号を書いています(2.1.0から)。
使っている人へ更新が届くのは、この番号を上げたリリースのときだけです。
日々の直しは dev の枝に入れ、リリースのときに main へ合わせて、gitのタグ(v2.1.0 など)とGitHubのリリースを付けます。
2.0.0までは番号を書いておらず、mainにコミットが入るたびに更新が届いていました。
未公開
2.2.0 - 2026-10-28
追加
- Codex CLIでの入れ方と呼び方を、日本語・英語のREADMEに追加しました(#18)。
pdftotextが無い環境で、pdfminer.six が入っていれば、それでPDFの本文を取り出すようにしました(#15)。popplerを入れられない環境でも、文字の層があるPDFは読めます。pdftotextと同じく別の処理として時間の上限つきで動かします。pdfminer.six を読み込めないときは、PATHにあるpdf2txt.py(pipxで入れた場合など。Windowsでは使いません)を使います。pdfminer.six はpdftotextより遅く、大きなPDFは時間の上限(300秒)で止まってFAILになることがあります。文字の層が無いPDFのOCRには、これまでどおりpdftoppmとtesseractが要ります。
修正
- AIエージェント向けのスキルなどを管理する APM(Agent Package Manager) で、不可視文字の検出によりインストールが止まる問題を直しました。原文のファイル名を検査する正規表現の双方向制御文字を Unicode エスケープで表記し、危険な名前を拒否する動作を変えずに、
--forceなしでインストールできるようにしました。 - 原文の行頭の負号を落とした抜き書きが「照合 OK」になる問題を直しました(#19)。
text/plainで取ってきた原文は.mdで保存されるため、2.1.0では箇条書きの印と一緒に負号も消していました。数字の前の行頭の-は消さず、負号の直後から始まる抜き書きは通しません。1行目の負号を落とした抜き書きが通る問題は2.1.0より前からあり、これも直しました。負号として扱う字は-・−(U+2212)・-(全角)・–(en dash)です。英数字や%の直後のハイフン(COVID-19・18-65・50%-60%・2段組のPDFで行末で切った語)と、空白をはさむ en dash(2019 – 2020)は負号として扱わず、その後ろから写した抜き書きはこれまでどおり通ります。数で始まる箇条書きの項目は、-ごと写したときだけ照合が通ります。照合が通らないときは、負号ごと写すよう案内を出します。 2.1.0で作った調査の抜き書きを照合し直すと、数で始まる箇条書きの項目を-なしで写したものはNGになります(手元の調査では2,053件中4件)。-ごと写し直してください。 - ダッシュボードの一覧で、同じ日に始めた調査が新しい順に並ばない問題を直しました。日付が同じときは調査の名前の逆順で並んでいました。取得の記録(
fetch-log.jsonl)に時刻を残すようにし、最初に取得した時刻で新しい調査を上に並べます。時刻の無い前の記録は、最初に保存した原文のファイルの時刻で補います。 - 検索や取得の記録に、オブジェクトでない行が1行でもあると、ダッシュボードの一覧が開けなくなる問題を直しました。読めない行と同じく飛ばします。
2.1.0 - 2026-10-26
追加
- ダッシュボードで文書を開くとき、読み込みに0.8秒以上かかると、枠の中に「読み込んでいます」の札を出すようにしました。これまでは読み込み中もサーバーが止まっているときも枠が白いままで、どちらなのか見分けられませんでした。
- 文書を開けなかったときは、札に理由と次の行動を出します。理由は「サーバーが止まっている」「PCに届かない」「合言葉を確かめられない」「文書が見つからない」に分けます。札のボタンで読み直せます。
- 10秒を超えても読み終わらないときは、サーバーが動いているかを確かめてから、まだ読み込んでいるのか止まっているのかを札に出します。
- サーバーに届かないときの代わりの画面を、端末に置くようにしました。配信した画面(
--serve)を一度開くとservice workerが入り、次からはサーバーが止まっていても白い画面にならず、理由の札を出します。札は5秒ごとにサーバーを確かめ、戻ったら自動で開き直します。端末に置くのは代わりの画面だけで、調査の中身は置きません。 - 抜き書きと詳細レポートの引用に、元のページへのリンク「元のページを開く」を付けるようにしました(#16、yuki-kogetsuさんの報告と案)。URLはmap.mdの「原文(sources/)」の表の「元の URL」の列から引き、
http://かhttps://で始まる完全なURLだけをリンクにします。「ファイル」の列は、読点・カンマ・中黒・全角の「/」で並べた書き方、a.pdf/.txtのようにPDFとその文字起こしを1つに書いた書き方、括弧の注記、sources/付きの書き方を読み分けます。1行にURLが複数あってファイルの数と合わないときは、リンクを付けません。表に無い原文は、取得の記録(fetch-log.jsonl)で取得に成功したURLを使います。抜き書きのurlで、どちらにも無い原文にもリンクを付けられます。
修正
- PCにIPv6の経路が無いとき、原文の取得(fetch.py)と見張り(watch.py)が、IPv6の宛先ごとに接続の待ち時間(fetch.pyは90秒、watch.pyは60秒)いっぱい待ってからIPv4へ進み、IPv6の宛先が4つあるサイト(raw.githubusercontent.comなど)では1件に最大6分かかっていたのを直しました。IPv6とIPv4を交互に試し、次の宛先があるときは1つを10秒まで待って次へ移ります。つないだあとの読み込みの待ち時間は変えていません。
- PCのEdgeなどでアプリとして入れた窓の中に、アプリとして入れる案内(右上のボタンと帯)が出続けていたのを直しました。manifestが無いうちに入れた窓はminimal-uiの表示で開くため、standaloneだけを見ていた判定ではアプリの窓と分かりませんでした。
- 箇条書きの何行かにまたがる抜き書きが、原文のとおりでも照合に落ちていたのを直しました。行をスペースでつないでから箇条書きの印を消していたため、2行目より後の「- 」が残っていました。Markdownの原文(.md)では、印を除いて写した抜き書きも通ります。PDFから起こした.txtでは、行頭の「- 」が負号のことがあるので、これまでどおり印を消さずに照合します。抜き書きのページ(report.py)と詳細レポート(digest.py)の両方の照合が直ります。penpenguinさんの記事で指摘をいただきました。
- Windowsで、保存した原文の改行がCRLFになっていたのを直しました。OSによらずLFで保存します。
- Windowsで、原文の保存先に同じ名前のフォルダがあると、そのフォルダが隠れた名前(
.paper.txt-で始まる名前)に移されたまま残っていたのを直しました。保存先にフォルダがあるときは、何も動かさずに止まります。 - Windowsで試験の一部が落ちていたのを直しました。シンボリックリンクを作る権限が無い環境ではその試験を飛ばし、Windowsで使えない文字を含むフォルダ名は作らずに検査します。
2.0.0 - 2026-10-25
1.0のimozuruは原文を集め、抜き書きとして見せるところまでを受け持っていました。 AIの判断能力は形式知・ノウハウを収集することで強化されます。 原文に書かれた形式知・ノウハウを集めて、AIの判断の材料にすることが、1.0までの主な目的でした。
2.0のメジャーアップデートでは受け持つ範囲を広げ、人間が見ることに重点を置いて強化しました。
2.0の要点
- 人間が読んで理解する: 詳細レポートが調べた分野を読み手の水準に合わせた3編の解説にします。解説の1文ごとに原文の根拠が付きます。
- 人間が見返す: 調査記録のダッシュボードがすべてのトピックの進み具合と終了理由を1枚のページに並べます。
- どこからでも見る: ダッシュボードをスマホから閲覧できます。
- 同じ見た目で読む: 抜き書き・詳細レポート・map.md・log.mdを、ダッシュボードと同じ見た目で表示します。
追加
- 詳細レポート(
digest.py・digest.html)- 調べ終えたあとに、前提知識の違う読み手ごとに3編の解説を書きます(Lv1は前提知識の無い人、Lv2は近い分野を知っている人、Lv3は専門の人)。
- 解説の1文ごとに原文の引用を付け、引用が原文に在るかを機械で照合します。照合に通らない文が1つでもあれば、ページを作りません。
- 各編の末尾に、理解を確認する問いを置きます。
- 検索の全記録(検索語ごとのヒットの全件と、保存・取得失敗・未取得の区別)を、サイトごとの集計と一緒に載せます。
- 検索の記録(
queries.jsonl)digest.py addとchain.py --logが検索語ごとのヒットを全件残します。
- 調査記録のダッシュボード(
dashboard.py)- 調査の置き場(既定
~/research)を読み、トピックごとの記録を1枚のページにまとめます。 - ホームに、終了理由・原文の取得元・周回数の集計を並べます。
- サイドバーからトピックを選ぶと、トピック詳細(論点・周回数・原文・文書)が開きます。
- 詳細レポートや抜き書きは、ダッシュボードの枠の中で開きます。
- サイドバーの検索は題名・疑問・用語・人物・媒体を対象にします。ひらがな・ローマ字・変換途中の入力でも一致します。
- サイドバーは画面に収まる分ずつページで送ります(ボタン・ホイール・上下のスワイプ)。
- スマホでは横のスワイプでサイドバーを開閉し、画面の最上部で下へ引くと記録を再読み込みします。
- ヘルプに、スマホとパソコンの画面の図と各部の説明を載せています。
- 調査の置き場(既定
- ダッシュボードの配信(
dashboard.py --serve)- 127.0.0.1で、合言葉付きのURLとして配信します。Tailscaleなどで中継すれば、スマホから閲覧できます。
- 受け付けるHostは
127.0.0.1・localhost・*.ts.netと、環境変数IMOZURU_SERVE_HOSTSに並べた名前だけです(DNS rebindingへの備え)。 IMOZURU_SERVE_TOKENで固定する合言葉は16文字以上にします。短いと起動しません。- 調査のフォルダや文書がシンボリックリンクなら、一覧にも配信にも書き出しにも入れません。
- ホーム画面に追加したときのアイコンと、ブラウザのタブのアイコンを付けました。
- アプリとして入れる(
dashboard.py --serve)- パソコンのChrome・Edgeと、スマホで、ダッシュボードをアプリとして入れられます。入れたアプリは合言葉を入力せずに開けます。
- 右上に入れるボタンを置き、初めて開いたときは画面の下に案内を出します。案内は閉じると二度と出しません。
- ブラウザが入れる画面を出せないとき(iPhoneのSafariなど)は、そのブラウザでの手順を表示します。
- PDFで保存
- 文書の表示中に、左下のボタンで文書をPDFで保存(印刷)できます。根拠の引用は開いた状態で、枠を付けずに字下げして刷ります。背景の質感や操作のボタンは刷りません。
- iPhoneとSafariでは、文書だけのページを開いてから印刷の画面を出します。ダッシュボードの枠の中の文書を刷ろうとすると、画面全体が刷られるためです。
- 抜き書き・詳細レポート・map.md・log.mdは、ブラウザの印刷でも同じ形で刷れます。
- 感想・要望を送る
- 右上のボタンから、作者のGoogleフォームへ感想・要望・不具合を送れます。送るのは書いた内容とimozuruのバージョン・ブラウザの種類だけで、調査の題や中身は送りません。
- 送り先は環境変数
IMOZURU_FEEDBACK_FORMで差し替えられ、offで消せます。
- 文書だけの書き出し(
dashboard.py --bundle)- ページと、各トピックの詳細レポート・抜き書き・map.md・log.mdだけを別の場所へ書き出します。原文(
sources/)は含めません。
- ページと、各トピックの詳細レポート・抜き書き・map.md・log.mdだけを別の場所へ書き出します。原文(
- PMCの記事の全文(
fetch.py・#12、@hattorimayumi0105 さん)- PMCの記事のURLは、確認画面で止まるため、Europe PMCの全文XMLから取って見出し・段落ごとの .md にします。
- XMLの実体の宣言は文字コードに関係なく断り、要素の数と入れ子の深さに上限を設けています。
- map.mdの「題:」と「読み:」
- 「題:」はサイドバーとトピック詳細の見出しに使う短い題名です(20字まで)。
- 「読み:」は、検索で漢字の語をひらがなやローマ字でも一致させるための読みです。
- 文書の共通の見た目(
skin.py・palette.py)- 抜き書き・詳細レポート・map.md・log.mdを、ダッシュボードと同じ見た目で表示します。
- map.mdとlog.mdは、見出し・箇条書き・表に組んで表示します。
変更
- 文書とダッシュボードで内部の呼び名を使っていた所を、読み手に通じる言葉へ置き換えました。
- 要る主張 → 調査の論点
- 付いた・一部だけ・付かなかった → 根拠あり・一部のみ・根拠なし
- 場 → 媒体
- 古い言葉で書いた
extracts.jsonもそのまま読めます。
- 全角の「#」「:」などを含む壊れたURLが1本あっても、ダッシュボード・詳細レポート・md の表示と取得が止まらないようにしました。
- 原文のリンクはHTMLでもPMCのXMLでも http(s) のものだけを残します。
- 原文を取るときは、つなぐ直前に名前を引き直して同じ宛先の検査をかけ、確かめたIPへじかにつなぎます。名前の引き先を途中で変える手(DNS rebinding)で、手元のサービスの中身を取られないようにしました(#13、@akira0222 さん)。プロキシを通すときは名前をプロキシが引くので、この手は防げません。
- PDFを画像にするpdftoppmが途中で失敗したときは、書き出せたページだけでOCRを成功扱いにせず、OCR全体を失敗にします(#14、@Boba7567 さん)。
- 環境変数
IMOZURU_DASH_THEMEに知らない値が入っていても、ダッシュボードが起動するようにしました。 - 原文の保存がPDFと文字起こしの2つ目で失敗したときは、前の原文に戻します。
- ページの書き出しの一時ファイルを、毎回別の名前で作るようにしました。
- 抜き書きのページで、英語の引用に英語の言語指定を付けました。読み上げと書体の選択が英語として行われます。
- 抜き書きのページと詳細レポートから、ページの作りを説明する前置きの文(「ここに並ぶ引用は、すべて原文をそのまま切り出したもの」など)を削りました。
1.0.0 - 2026-10-21
原文を集め、抜き書きとして見せるバージョンです。 形式知・ノウハウを収集して、AIの判断能力を強化することを目的にしています。 最初に公開したバージョン(2026-10-13)から、利用者のイシューと外部のレビューで直した分までをまとめて1.0.0とします。
主な内容
- 知らない分野を、言葉・人・媒体から原文までたどる手順(SKILL.md)と、止めどきの判断(論点の全部に原文が付く・飽和・周回の上限・ログインか有料で取れない・依頼の時間や回数の上限)。
- 原文の取得(
fetch.py)、引用と著者の追跡(chain.py)、新着の見張り(watch.py)、抜き書きのページ(report.py)。 - Claude Codeのプラグインとして導入できる形。
1.0.0までに直したもの
- 取り直しに失敗しても、保存済みの原文を残す(#1・#2)。
- Windows(cp932)とPython 3.10で止まらない(#3)。
- Shift_JIS・EUC-JPのページを、宣言された文字コードで読む。
- YouTubeの自動字幕は動画の元の言語のものだけを取る(#6)。
- http(s) 以外のURLを取りに行かない(#10)。
- 日本語の字を含むURLと、Wで始まる題名で落ちない(#7・#9)。
- 検索結果から来るURL・本文・フィードを、他人が細工したものとして扱う。
- 文字の層が無いPDFのOCRで、言語データから言語を選び、意味をなさない読み取りを失敗として扱う(#11)。