$cd ../use-cases/
⚡ 生産性高価値セットアップ20分
$ cat personal-research-assistant.md
await researchTopic(query, { sources: 50 })
/** 私はOpenClawで研究ワークフローを置き換えました。眠っている間に50本の論文を読みます。 */
陳博士は中規模大学の研究室に所属するバイオテク研究者で、$200万のNIH助成金申請に向けた包括的な文献レビューが必要だった。3つの隣接分野にまたがる5年間の200本以上の論文をカバーする必要があり、手動での読み込み・抽出・統合には3週間かかる——しかし締め切りは10日後だった。 フォーラムのスレッドでOpenClawのPDFバッチモードを見つけ、MacBook Pro M3にその午後のうちにセットアップした。就寝前に200本以上の論文を監視フォルダにドロップし、抽出プロンプトを設定:「各論文の主な仮説、方法論、主要な知見、サンプルサイズ、限界を特定してください。論文間の矛盾点とコーパス全体の新興テーマに注目してください。」 朝6時に、15ページの構造化文献レビューが完成していた。数週間かかるはずの作業が処理時間47分で完了。文書にはテーマサマリー、矛盾マップ(論文Aの知見が論文Bと矛盾する箇所)、上位40件の知見の引用準備済みの抜粋が含まれていた。完璧ではなく——エッジケースのレビューと修正に2時間かかった——が、作業の90%が完了していた。 彼女はキャリア最高の助成金申請書を提出し、$200万全額を獲得。以来、30誌のジャーナルと競合ラボの出版物を自動監視する週次「リサーチパルス」を運用している。
research_modes.md
🔬 リサーチモード
Webリサーチモード
トピックをOpenClawに伝えると、20-50のソースを検索・閲覧し、引用付きの構造化ブリーフィングを作成します。
EUのAI規制の現状を調査。2025-2026年の展開に焦点を当てる。
PDFバッチモード
10-100個のPDFを監視フォルダにドロップ。すべて読んでテーマ抽出、矛盾点発見、文献レビュー生成。
$ cp ~/Downloads/papers/*.pdf ~/openclaw/research/inbox/
競合インテリジェンスモード
競合のブログ、求人、プレスリリースを監視。競合が先週リリースしたものの週次ダイジェスト。
毎週月曜日、Notion・Linear・Codaが先週リリースしたものをまとめる。
config.yaml
⚙️ 設定
# openclaw/config.yaml
skills:
research:
enabled: true
web_search: true
max_sources: 50
output_format: "markdown"
briefing_example.md
📄 ブリーフィング出力例
# AI Regulation EU — Research Briefing
Generated: 2026-03-01 08:00 | Sources: 43 | Processing: 6 min
## Executive Summary
The EU AI Act entered full enforcement in 2025. High-risk systems face strict conformity assessments.
## Key Findings (7)
1. Prohibited AI practices enforced since Feb 2025
2. High-risk classification expanded in Oct 2025
3. SME exemptions narrowed
2. High-risk classification expanded in Oct 2025
3. SME exemptions narrowed
❓ FAQ
Q1. 複雑なレイアウトの学術PDFを読める?
はい。ビジョンLLMで多段組みの学術レイアウト、データ表、図、数式、引用ブロックを解析。arXivプレプリント、Natureジャーナル、Elsevier PDF、学会論文集(ACL/NeurIPS/ICCV形式)に対応。スキャンPDFはOCR後に処理。テキスト抽出のみのアプローチより抽出品質が大幅に向上。
Q2. 一度に何ソース処理できる?
Webモードは1クエリあたり最大50ソース、深度は設定可能。PDFバッチは1セッションで300本以上のテスト済み。処理時間は線形にスケール——50本のPDFでローカル8Bモデルなら約30分、Claude APIなら約8-12分。大規模コーパスはバッチ分割してOpenClawにバッチ出力の統合を依頼可能。
Q3. ハルシネーションや捏造はある?
ChatGPTとは異なり、OpenClawは実際にアクセスしたソースのみを引用。ブリーフィングの全ての主張は正確なソースURLまたはPDFファイル名にリンク。訓練データから生成するのではなく実際のドキュメントから抽出するため、ハルシネーション率は単体LLM使用より95%以上低下。
Q4. トピックを自動監視できる?
はい。スケジュールを設定(毎日、毎週、任意のパターン)するとOpenClawが自動でWebリサーチを実行し、以前のブリーフィングと比較して新情報、変更、以前の知見との矛盾をハイライト。Telegram・メール・Slackに配信。「重要な変化」閾値を設定してノイズを削減可能。
Q5. データは安全?
完全に安全。PDFはローカルハードウェアで処理。Ollamaのローカルモデルを使えばパイプライン全体がオフライン動作でデータ流出ゼロ。クラウドAPIで構造化する場合も元のPDFではなく抽出テキストチャンクのみ送信。患者データや財務モデルなど機密文書はローカルモデルのみで処理可能。
Q6. フォローアップ質問はできる?
はい。リサーチセッション完了後、ブリーフィングはローカルナレッジベースに保存。会話形式でクエリ可能:「Xの知見に矛盾した論文は?」「RCT論文の方法論セクションだけまとめて」。リサーチコーパスはプロジェクト期間中の永続的な検索可能ナレッジベースとして機能。