VisionXLab/CitationClaw

解決する課題

研究者、助成金申請者、評価者は、論文がどのように引用され、誰に引用されているかを示す必要がありますが、Google Scholar、メタデータデータベース、PDF を手作業で調べるのは時間がかかり、エラーが発生しやすいものです。CitationClaw はプロセス全体を自動化します：論文タイトルまたは Google Scholar プロフィールを指定すると、引用論文をクロールし、著者と所属機関の詳細を収集し、著名な学者を特定し、あなたの研究が引用されている実際の文を取得し、すべてをスタンドアロンの HTML レポートにまとめます。そのレポートは、研究概要、助成金申請、学術プレゼンテーションで再利用できます。

仕組み

CitationClaw v2 は 5 段階のパイプラインを実行します：

1. 引用エントリの発見 – 論文またはプロフィールの開始点を見つけます。
2. 引用論文の取得 – ScraperAPI を通じて Google Scholar を使用し、引用論文のリストを取得します。
3. 著者とメタデータの収集 – OpenAlex、Semantic Scholar、arXiv、Web of Science Starter API、および PDF ベースのフォールバックから構造化データを取得します。
4. 学者インパクト評価 – 検索可能な LLM を使用して、著名な学者を事前フィルタリング、キャッシュ、検証します。
5. 引用コンテキストの抽出 – 引用 PDF をダウンロード、解析、レビューして、あなたの研究に言及している実際の文を復元します。
6. レポート生成 – Excel シート、JSON、およびチャート、知識グラフ、引用説明、コスト概要を含む自己完結型の HTML ダッシュボードを作成します。

アーキテクチャは Skills Runtime を使用して置換可能なフェーズスキルを登録し、TaskExecutor がフローを調整します。モデルの役割は分離されています：検索可能な LLM が学者の検証を処理し、より安価な軽量モデルがレポート生成と引用コンテキスト抽出を処理できます。深さ、実行時間、コストのバランスを取るために、3 つのサービス層（Basic、Advanced、Full）があります。引用数が 1000 を超える論文の場合、年トラバーサルオプションが Google Scholar クエリを年ごとに分割して、検索エンジンの表示制限を回避します。

v2 バージョンは v1 のアーキテクチャアップグレードです：純粋な LLM 抽出ではなく構造化 API を優先し、PDF ダウンロード/解析パイプラインを追加し（v1 にはなかった）、コスト削減のために大量にキャッシュします。README によると、v2 は LLM トークン消費を v1 の約 1/5 に削減し、全体的なベンチマークスコアを 42.33 から 68.98 に向上させました。

対象者

• 自分の論文がどのように引用され、誰に引用されているかを理解したい研究者。
• 研究インパクトの具体的な証拠が必要な助成金申請者と評価者。
• 年次レビュー、プレゼンテーション、またはテニュア資料を準備する学者。
• 手動クロールなしで、共有可能で自己完結型の引用インパクトレポートが必要なすべての人。

ハイライト

• PDF に基づく引用コンテキスト – あなたの研究を引用している実際の文を抽出します（言い換えではありません）。v1 に対する最大の改善点です（+32.45 ベンチマークポイント）。
• 構造化メタデータ優先 – 信頼性の低い LLM のみの著者検索ではなく、OpenAlex、Semantic Scholar、arXiv、Web of Science、PDF フォールバックを使用します。
• 3 つのサービス層 – Basic、Advanced、Full で深さ、実行時間、コストを制御できます。
• コスト効率 – v2 は LLM トークン消費を v1 の約 1/5 に削減します。
• 自己完結型 HTML レポート – チャート、知識グラフ、コスト概要、AI アシスタントエントリポイントを含む単一のブラウザ読み取り可能ファイル。再クロールなしでキャッシュから再構築できます。
• 大規模引用数の年トラバーサル – Google Scholar を年ごとにクエリして、引用数が 1000 を超える論文を処理します。
• 設定可能な統合 – オプションの ScraperAPI、Semantic Scholar API、Web of Science Starter API、複雑な PDF 用の MinerU、認証済み出版社ダウンロード用の CDP デバッグポート。
• 事前チェックモデルチェック – UI は完全な実行前に LLM 接続をテストできます。