専門的な表現で研究の限界と緩和戦略を起草し、高い構造的整合性を保証する学術執筆アシスタントです。
インストール＆ダウンロード
1. ClawHub CLI
レジストリから直接スキルをインストールする最速の方法です。
npx clawhub@latest install study-limitations-drafter
2. 手動インストール
スキルフォルダを以下のいずれかの場所にコピーしてください
~/.openclaw/skills/ <project>/skills/ 優先順位：ワークスペース > ローカル > バンドル
3. プロンプトのインストール
このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。
Clawhubを使って study-limitations-drafter をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。
ダウンロードをご希望ですか？
ZIPアーカイブで生のスキルファイルを取得します。
研究の限界起草ツール とは？
研究の限界起草ツールは、研究者やテクニカルライターが研究の制約を明確かつ専門的に表現するために設計された高精度ツールです。Openclaw Skillsエコシステムの一部として、明示的な仮定と明確な出力境界を必要とする学術的なワークフローに、構造化された実行パスを提供することに重点を置いています。このスキルを使用することで、開発者や研究者は、研究の科学的価値を損なうことなく潜在的な弱点に正直に対処するバランスの取れた論調を原稿で維持できます。
このスキルは、パッケージ化された Python ワークフローを活用して、研究設計の制約、深刻度レベル、既存の緩和策を処理します。複雑な文書全体で一貫性を保ち、すべての限界が適切な背景や影響評価と組み合わされることを保証するため、現代の査読基準を満たすのに特に役立ちます。
研究の限界起草ツール のユースケース
- 影響力の高いジャーナル投稿に向けた原稿の限界セクションの生成。
- 学術的な助成金申請のための詳細なリスク評価の作成。
- 査読フィードバックに対する構造化された正直な回答の策定。
- 明確な境界定義を必要とする内部プロジェクトの事後分析の開発。
- 特定の収集や範囲の制約を持つデータセットのドキュメント起草。
研究の限界起草ツール の仕組み
- このスキルは、ユーザーの目的を確認し、必須の入力を譲れない制約と照らし合わせて検証することから始まります。
- リクエストが記録された学術執筆範囲と一致しているかを確認し、サポートされていない仮定を防止します。
- パッケージ化された Python スクリプト (scripts/main.py) を初期化して、提供された限界リストを処理します。
- 深刻度に応じて各限界を分類し、提供された緩和戦略と関連付けます。
- このツールは、仮定、成果物、潜在的リスクを分離した構造化された結果を生成します。
- 最終的な出力は厳格なプロフェッショナルテンプレートに従い、すべてのロジックと注意書きを明確にします。
研究の限界起草ツール のセットアップ
このツールを Openclaw Skills ワークフローに統合するには、次のインストールおよび検証手順に従ってください：
# スキルディレクトリへ移動
cd "scientific-skills/Academic Writing/study-limitations-drafter"
# Python 環境 (3.10+) が準備されているか確認
python -m py_compile scripts/main.py
# 設定オプションを表示するには help コマンドを実行
python scripts/main.py --help
研究の限界起草ツール のデータスキーマとタクソノミー
このスキルは、データ処理の一貫性と再現可能な結果を保証するために構造化されたパラメータセットを使用します：
| パラメータ | 型 | 必須 | 説明 |
|---|---|---|---|
| limitations | list[string] | はい | 研究設計の制約または境界の配列。 |
| severity | string | いいえ | 限界の影響レベル (デフォルト: minor)。 |
| mitigation | list[string] | いいえ | 制約に対処するために使用されるステップまたは根拠。 |
すべてのメタデータと参照ルールは references/ ディレクトリに保存され、バランスの取れた専門的な学術段落の生成をガイドします。
研究の限界起草ツール の高度な機能
- 高いデータプライバシーとセキュリティのための Python によるローカル実行モデル。
- 入力が不完全または証拠が不十分な場合にトリガーされる構造化されたフォールバックパス。
- ドメイン固有のガイダンスのためのローカルディレクトリからの参照資料統合。
- 生成されたすべてのテキストが監査および再現可能であることを保証する明示的な仮定追跡。
- 未承認のファイルシステムアクセスや命令の改ざんを防ぐための統合セキュリティチェックリスト。
SKILL.md
ローディング
関連するOpenclawのスキル
Weekend Escape AI Skill
移動距離とユーザーの好みに基づいて、最適化された金曜から日曜までの旅行日程を生成するAI駆動型旅行アシスタントです。
生存曲線リスク表ジェネレーター
臨床腫瘍学ジャーナルの基準に従ってKaplan-Meier生存曲線とNumber at Risk（リスク対象者数）表を生成および調整するための専門ツールです。
Codex CLI Executive Integration
エージェントフレームワーク内でCodex CLIを使用して、プログラムによる非対話型のコーディングタスクを実行するための必須スキルです。
OpenClaw SEO Content Writer
AIエージェント向けのプロフェッショナルなSEOコンテンツパイプラインであり、ドラフト作成、技術的なQA、デプロイ、およびGoogle Search Consoleへのインデックス登録を自動化します。
City Walker
City Walkerは、隠れた都市の魅力を発見するために、歩きやすい厳選されたルートを作成するインテリジェントな都市探索アシスタントです。
Resume Risk Screen PRO
高精度な履歴書スクリーニング、リスク検出、構造化データ抽出のために設計された本番環境グレードのAIエージェントスキルです。
特徴*
