Oh My Paper 完全ガイド：文献調査から論文投稿まで、ターミナル1つで全部やる

20 分で使い始める｜5 Agent 協業 + 34 研究スキル｜Claude Code をあなた専用の研究ラボにする

---

プロジェクト概要

Oh My Paper は、オープンソースの Claude Code プラグインです。解決する課題はシンプルで、こう言い切れます：Claude Code はコードを書くのを助けてくれますが、研究はコードを書くことだけではありません。文献調査、革新（イノベーション）評価、実験設計、論文執筆、引用の照合——これらの工程をつなぐ“良い道具”がこれまでありませんでした。

Oh My Paper は、Claude Code に構造化された研究用のパイプラインを組み込みます。5 つの専任 Agent がそれぞれ担当し、34 個の研究スキルを必要に応じてロードし、バックグラウンドの Hook がプロジェクト状態を自動で覚えてくれます。セットアップ後、Claude Code を開くたびに「今日はどの役割をやる？」と聞かれ、対応する記憶ファイルが自動で読み込まれて、前回の中断地点から再開できます。GUI は不要で、すべての操作はターミナル上で完結します。

---

想定読者像

この記事は、以下の開発者を対象にしています：

• 開発経験 1〜5 年。論文執筆や研究に取り組んだことがある（または現在進行中である）
• AI を研究に活用したいが、さまざまなツールを行き来するのは好まない
• Agent 協業モードや、複数ロール間で記憶を隔離する」といった概念に興味があり、実戦例を見つけたい

すでに明確な研究テーマがある場合（例：CV、NLP、システムアーキテクチャ）や、社内で技術調査を行っている場合も、Oh My Paper のパイプラインはそのまま適用できます。

---

コア依存関係と環境

始める前に、環境が次の条件を満たしていることを確認してください：

---

完全なプロジェクト構成ツリー

/omp:setup を実行すると、プロジェクトのディレクトリ構成は次のようになります：

my-research/
├── paper/                     # LaTeX 論文作業エリア
│   ├── main.tex
│   ├── sections/            # 各章の .tex ファイル
│   └── refs/                # 参考文献 .bib ファイル
├── experiment/                # 実験コードとスクリプト
├── survey/                    # 文献調査の成果
├── ideation/                  # イノベーション（着想）と評価結果
├── promotion/                 # スライド、Demo、販促用素材
├── skills/                    # プロジェクトローカルのカスタムスキル
├── .pipeline/
│   ├── tasks/
│   │   └── tasks.json      # 全フェーズ共通のタスクツリー
│   ├── docs/
│   │   └── research_brief.json
│   └── memory/             # Agent の記憶ファイル
│       ├── project_truth.md   # プロジェクト基準 + 進捗ログ
│       ├── orchestrator_state.md
│       ├── execution_context.md
│       ├── experiment_ledger.md
│       ├── result_summary.md
│       ├── review_log.md
│       ├── literature_bank.md
│       ├── agent_handoff.md
│       └── decision_log.md
├── .claude/
│   └── settings.json         # SessionStart hook の登録
├── CLAUDE.md
└── AGENTS.md

---

手順：インストール

ステップ 1：プラグインマーケットを追加

Claude Code で次のコマンドを実行し、Oh My Paper のプラグインマーケットのアドレスを登録します：

/plugin marketplace add LigphiDonk/Oh-my--paper

このステップではリポジトリ全体をクローンする必要はありません。Claude Code はプラグインマーケットからプラグイン一覧を取得します。

ステップ 2：プラグインのインストール

/plugin install omp@oh-my-paper

インストールが完了したら、/plugin で動作確認します：

/plugin
# 期待される出力：omp @ oh-my-paper, Status: Enabled

ステップ 3：Claude Code を再起動

いま開いている Claude Code のウィンドウを完全に閉じ、再度開いてください。

ステップ 4：研究プロジェクトの初期化

研究プロジェクトのディレクトリに移動し、次を実行します：

/omp:setup

このコマンドは次の 3 つのことを行います：

1. .pipeline/ ディレクトリと、その配下のすべてのサブディレクトリおよび記憶ファイルを作成
2. .claude/settings.json に SessionStart hook を登録
3. デフォルトの tasks.json と research_brief.json を生成

初期化が完了すると、上記の「完全なプロジェクト構成ツリー」のとおりの構成になります。

インストール成功の確認

初期化済みのプロジェクトディレクトリで Claude Code を開き直すと、Claude がロール選択メニューを表示し、今日どのロールから作業を始めるかを尋ねてくるはずです。表示されれば、すべてのインストールが成功しています。

---

5 フェーズの研究パイプライン：詳細

Oh My Paper は研究プロセス全体を 5 つのフェーズに分解し、各フェーズに 1 つのコマンドと推奨スキル群を対応させています。

フェーズ 1｜Survey：文献調査

実行コマンド：

/omp:survey

このフェーズでやること：あなたの研究方向に基づいて関連論文を検索し、要約と重要情報を抽出して、最終的に literature_bank.md に整理します。

よく使うスキル：

• paper-finder — ArXiv、Semantic Scholar で関連研究を検索
• paper-analyzer — 論文の主要な貢献、手法、限界を抽出
• biorxiv-database — 生命科学・生物医学系なら BioRxiv を検索

主要な出力ファイル：survey/literature_bank.md

典型的なワークフロー：

あなた：/omp:survey
→ Claude が研究方向のキーワードを尋ねる
→ 自動で検索 → 文献カードを整理 → literature_bank.md に書き込み
→ 文献調査の要約を表示し、追加が必要か確認できる状態にする

フェーズ 2｜Ideation：イノベーション（着想）の生成

実行コマンド：

/omp:ideate

フェーズ 1 の文献調査結果をもとに、Claude が潜在的なイノベーション案を生成し、1 つずつ実現可能性を評価します。

よく使うスキル：

• inno-idea-generation — 大規模なイノベーション案のブレインストーミング
• inno-idea-eval — novelty、feasibility、impact の 3 つの観点でスコアリング
• research-idea-convergence — 2〜3 個の最有望な方向へ収束

主要な出力ファイル：ideation/ ディレクトリ配下の評価結果

フェーズ 3｜Experiment：実験設計と実行

実行コマンド：

/omp:experiment

このフェーズは最も範囲が広いです：実験計画の設計、評価コードの作成、ローカルまたはリモートでの実行、結果の分析。

よく使うスキル：

• inno-experiment-dev — 実験コードのひな形生成
• research-experiment-driver — 実験の反復ループを管理
• remote-experiment — リモートの GPU ノードへ SSH して実行（「リモート実験」章参照）

主要な出力ファイル：experiment/ ディレクトリ + experiment_ledger.md（実験履歴）

フェーズ 4｜Publication：論文の章執筆

実行コマンド：

/omp:write

実験結果を論文テキストに変換し、図表やタイトルを生成し、LaTeX ファイルを管理します。

よく使うスキル：

• inno-paper-writing — 汎用の論文章生成
• ml-paper-writing — 機械学習/AI 向け論文テンプレート
• scientific-writing — 学術執筆の規範（時制、語彙、構成）
• inno-figure-gen — 図表のコード生成（Matplotlib、Plotly）
• inno-reference-audit — 引用形式が適切かを自動チェック

主要な出力ファイル：paper/ ディレクトリ配下の LaTeX ファイル

フェーズ 5｜Promotion：成果の発信

実行コマンド：

/omp:plan
# Promotion フェーズでは、デモ資料作成に関連するスキルを選択する

論文の成果を、デモ用スライド、テクニカルブログ、Grant 提案書などへ落とし込みます。

よく使うスキル：

• making-academic-presentations — 学術報告の PPT 生成
• inno-grant-proposal — 申請書（資金申請）執筆
• inno-rclone-to-overleaf — ローカルの LaTeX を Overleaf に自動同期

---

5 つの Agent ロールと、記憶の隔離メカニズム

これが Oh My Paper の最も重要な設計理念です。

Agent ロール一覧

記憶隔離の原理

各ロールは、自分の責務範囲に含まれる記憶ファイルのみを読み書きでき、他ロールの内部状態を見ることはできません。この設計の核心的な利点は文脈汚染を防ぐことです。たとえば Paper Writer は Experiment Driver の途中のデバッグ結果を見ず、Literature Scout は実験データを見てしまうことで文献評価に先入観が入りません。

ロール間の通信は、2 つの「共有領域」を通じて行われます：

tasks.json         ← すべてのロールが読み書きし、タスク完了状態を記録
project_truth.md   ← すべてのロールが追記し、プロジェクト全体の進捗を記録

自動状態同期

最も重要な設計詳細：Conductor は各サブタスクが完了するたびに、この 2 つの共有ファイルを自動で更新し、あなたが手動でリマインドする必要はありません。

サブタスク完了
  → Conductor が tasks.json の該当タスクを done に自動マーキング
  → Conductor が project_truth.md に進捗ログを追記
    → 次回のセッションでこれらのファイルが読み込まれ、中断地点から自動で再開

---

34 個の研究スキル：早見表

Oh My Paper には 34 個の研究スキルが内蔵されており、研究プロセス全体をカバーします。カテゴリごとに整理してありますので、必要に応じて探せます：

文献系

• paper-finder — 複数データベースでの論文検索
• paper-analyzer — 論文の主要な貢献の抽出
• paper-image-extractor — PDF から図表を抽出
• research-literature-trace — ある論文の引用チェーンを追跡
• biorxiv-database — BioRxiv 専用検索
• dataset-discovery — 関連データセットの発見

調査・創造系

• inno-deep-research — 深掘り研究モード
• gemini-deep-research — Gemini の深掘り研究統合
• inno-code-survey — コード実装の調査
• inno-idea-generation — イノベーション案を一括生成
• inno-idea-eval — イノベーション案を多面的に評価
• research-idea-convergence — 最良の方向へ収束

実験系

• inno-experiment-dev — 実験コード生成
• inno-experiment-analysis — 実験結果の分析
• research-experiment-driver — 反復型実験の管理
• remote-experiment — リモート GPU 実験ループ

執筆系

• inno-paper-writing — 汎用の論文章
• ml-paper-writing — ML/AI 向けの論文
• scientific-writing — 学術執筆の規範
• inno-figure-gen — 図表生成
• inno-reference-audit — 引用形式の監査
• research-paper-handoff — Agent 間の引き継ぎ規約

計画・レビュー系

• inno-pipeline-planner — パイプライン計画
• research-pipeline-planner — 研究フェーズの計画
• inno-paper-reviewer — 論文品質の評価
• inno-prepare-resources — 準備リソースのチェックリスト
• inno-rclone-to-overleaf — Overleaf 同期

デモ・提案系

• making-academic-presentations — 学術報告の PPT
• inno-grant-proposal — 資金申請書

Agent スケジューリング系

• claude-code-dispatch — Claude Code のサブタスクをディスパッチ
• codex-dispatch — Codex を並列処理でディスパッチ

分野特化系

• academic-researcher — 汎用の学術研究
• bioinformatics-init-analysis — バイオインフォマティクス分析
• research-news — 研究分野の最新動向の追跡

スキルは必要に応じてロードされます。/omp:survey を実行すると Claude は関連するスキルを自動で推奨します。また skills/ ディレクトリにカスタムスキルを追加しても構いません。

---

典型的なワークフロー：完全デモ

AI 分野の論文を例に、5 フェーズのパイプラインを最初から最後まで一通り回します。

Step 1：プロジェクト初期化

# 研究ディレクトリへ移動
cd ~/research/my-paper

# Claude Code で：
/omp:setup
# 出力：.pipeline/ が作成され、SessionStart hook が登録された

Step 2：文献調査

# Claude Code で：
/omp:survey
# → Claude が「あなたの研究方向は何ですか？」と尋ねる
# → 入力：LLM reasoning、chain-of-thought prompting
# → Claude が ArXiv/Semantic Scholar を自動検索
# → 関連する 20 件以上の研究を survey/literature_bank.md に整理
# → 調査要約を出力し、追加が必要か確認

Step 3：イノベーション案の生成

/omp:ideate
# → Claude が literature_bank.md を読み込む
# → 潜在的なイノベーション案を 8 個生成
# → 各案を novelty / feasibility / impact の 3 観点でスコアリング
# → 2 つの方向に収束し、research_brief.json に書き込む

Step 4：実験設計と実行

/omp:experiment
# → Claude が research_brief.json を読み込む
# → 実験計画を設計（ベースライン、比較手法、評価指標）
# → 実験コードを experiment/ ディレクトリに生成
# → ローカル評価を実行し、指標結果を解析
# → 結果を experiment_ledger.md に書き込む

リモート GPU ノードで実行する必要がある場合：

# リモート計算ノードを設定（experiment/ ディレクトリ内に compute-config.json を作成）
{
  "host": "gpu-server.example.com",
  "user": "researcher",
  "key_path": "~/.ssh/id_rsa",
  "remote_dir": "/home/researcher/experiments"
}

# Claude Code で：
/omp:experiment
# → Claude が compute-config.json を検出
# → remote-experiment のスキルを使用
# → rsync でコードをリモートへ → SSH 実行 → 結果をローカルへ回収
# → 指標（metrics）を自動解析し、experiment_ledger.md に書き込む

Step 5：論文の章執筆

/omp:write
# → Claude が experiment_ledger.md + literature_bank.md を読み込む
# → Introduction / Method / Experiment 各章の .tex を生成
# → 図表を生成（Matplotlib スクリプト）し、paper/figures/ にコンパイル
# → 引用の監査：.bib ファイルの形式をチェック

Step 6：査読（ピアレビュー）

/omp:review
# → Claude が Reviewer ロールとして全文を読み進める
# → 論理の一貫性、手法説明の明瞭さ、実験比較の十分性を確認
# → review_log.md を出力し、修正提案を列挙
# → 提案に基づいて直したら、再度 /omp:review を実行し、通るまで繰り返す

Step 7：Overleaf へ同期

# skills/ ディレクトリで Overleaf 同期を設定
# inno-rclone-to-overleaf スキルを使用
# Claude がローカルの paper/ ディレクトリを Overleaf のプロジェクトへ自動同期

---

リモート実験：詳細

GPU 計算が必要な実験では、Oh My Paper はリモート実験の一連のループを完全にサポートします。

アーキテクチャの流れ

ローカルで計画
  → 実験コードを生成
    → rsync でリモートへ同期
      → リモートノードに SSH ログイン
        → GPU 上で実験を実行
          → metrics のログを回収
            → ローカルで指標を解析
              → 閾値に達したか判断
                → 反復最適化 / 実験終了

リモートノードの設定

experiment/ ディレクトリに compute-config.json を作成します：

{
  "host": "your-gpu-server.com",
  "user": "researcher",
  "ssh_key": "~/.ssh/id_rsa",
  "remote_workspace": "/home/researcher/omp-experiments",
  "max_iterations": 5,
  "success_threshold": {
    "accuracy": 0.92,
    "latency_ms": 200
  }
}

リモート実験の実行

# Claude Code で：
/omp:experiment
# → compute-config.json を検出
# → 自動実行：コード同期 → SSH 実行 → 結果回収
# → 指標が未達の場合は、自動で超パラメータを調整して再実行（最大 max_iterations 回）
# → 最終結果を experiment_ledger.md に書き込む

---

Codex タスクの委譲

もしある実験で、大量の繰り返しコード生成が必要になる場合（例：異なる超パラメータ設定を 10 セット実行するなど）、Conductor にタスクを Codex へ委譲して並列処理できます。

/omp:delegate
# → Conductor が現在のタスクコンテキストを読み取る
# → 完全なコンテキスト付きの Codex prompt を生成
# → 新しいターミナルに codex "..." をそのまま貼り付けて実行
# → Codex が独立したターミナルで実行
# → 終了後、agent_handoff.md に CODEX_DONE 信号を書き込む
# → Conductor が信号を検知し、結果を自動で読み取って tasks.json を更新

この設計のメリット：Claude Code と Codex を別々のターミナルで同時に動かせるため、ローカルの Claude Code は占有されません。文献整理などの別作業も並行して進められます。

---

よくある問題のトラブルシュート

Q1：/omp:setup を実行したのに、Claude Code を開いてもロール選択の表示が出ない

原因：SessionStart hook が正しく登録されていない。

確認手順：

1. プロジェクトディレクトリに .claude/settings.json が存在するか確認
2. そのファイルに hooks 設定セクションが含まれているか確認

cat .claude/settings.json
# 「hooks»: { "SessionStart": [...] } があるか確認

もし無い場合は、/omp:setup をもう一度実行して初期化し、さらに Claude Code を完全に再起動してください。

---

Q2：プラグインのインストールは成功したのに、/omp:survey などのコマンドで「未認識のコマンド」と表示される

原因：プラグインが正しく読み込まれていない、または Claude Code の再起動が必要。

解決手順：

# 1. アンインストールして再インストール
/plugin uninstall omp
/plugin install omp@oh-my-paper

# 2. Claude Code を完全に再起動（すべてのウィンドウを閉じる）

# 3. プラグイン状態の確認
/plugin

---

Q3：Literature Scout が見つける論文が少なく、検索範囲を広げたい

原因：初期キーワードが具体的すぎて、検索結果が絞られている。

解決方法：

/omp:survey を実行するときに、複数の同義語や上位語を提示する：
入力：「LLM reasoning, chain-of-thought, CoT, deliberate reasoning, LLM planning」
※「LLM reasoning」だけではなく

また skills/paper-finder.md に追加のデータベースソース（ACL Anthology、ICLR 公式ページなど）を記述できます。

---

Q4：Paper Writer が生成した実験記述と、実際の結果が一致しない

原因：Experiment Driver と Paper Writer の間で、最新の experiment_ledger.md がタイムリーに同期されていない。

解決方法：

毎回の実験反復が終わったら、Paper Writer が作業を始める前にまず /omp:plan を実行して Conductor にグローバル状態を同期させます。Paper Writer が最新結果を読めるようにします：

/omp:plan
# → Conductor が現在の tasks.json 状態を表示
# → experiment タスクが done にマークされているか確認
# → その後、/omp:write を実行

---

Q5：リモート実験の rsync 同期が失敗し、「permission denied」と表示される

原因：SSH キーの権限が正しくない、またはリモート側のディレクトリが存在しない。

確認手順：

# 1. ローカルの SSH キー権限を確認
chmod 600 ~/.ssh/id_rsa

# 2. SSH 接続テスト（パスワードなし）
ssh -i ~/.ssh/id_rsa [email protected] "echo ok"

# 3. リモートディレクトリが存在することを確認
ssh [email protected] "mkdir -p /home/researcher/omp-experiments"

# 4. compute-config.json の remote_workspace パスが正しいか確認

---

Q6：Codex を委譲した後、Conductor がずっと CODEX_DONE 信号を待っている

原因：Codex が終了した後に agent_handoff.md へ正しく書き込まれていない。

解決方法：

1. Codex を実行したターミナルが正常に終了しているか確認
2. .pipeline/memory/agent_handoff.md の末尾に手動で 1 行追加：

CODEX_DONE
result: [Codex の出力結果を記入]

1. その後、Claude Code で現在のワークフローを続行

---

追加の読み物と、次のステップ

1. スキルのカスタム拡張

Oh My Paper は、プロジェクトのローカル skills/ ディレクトリにカスタムスキルを追加できます。作成形式は以下のとおり：

---
name: my-custom-skill
description: 特定の研究分野向けのカスタム分析プロセス
stage: survey  # 任意：survey | ideation | experiment | write | review
---

# スキルタイトル

## 実行手順
1. コンテキストファイルを読み取る ...
2. 特定のタスクを実行 ...

登録後、/omp:survey などのコマンドを実行すると、Claude が関連するカスタムスキルを自動で推奨します。

2. マルチ Agent 協業の発展

複数の研究方向を同時に進めている場合は、別々のサブディレクトリでそれぞれ /omp:setup を実行し、各サブプロジェクトに独立した .pipeline/ と Agent チームを用意します。Conductor ロールは、サブプロジェクト横断で全体の概要と調整を担当します。

3. Overleaf 協業ワークフロー

inno-rclone-to-overleaf スキルでローカルの論文を Overleaf に同期した後、メンターに Overleaf 上で直接コメントや修正提案を付けてもらえます。修正が終わったら、再度ローカルへ同期します。手動でアップロード／ダウンロードする必要はありません。

4. 他の LLM バックエンドに接続

Oh My Paper 自体は Claude Code だけに依存しますが、実験フェーズでは、比較評価のために別の LLM を設定できます。experiment/ ディレクトリにモデル設定ファイルを作成します：

# experiment/model_configs.py
llm_configs = {
    "claude-sonnet": {"provider": "anthropic", "model": "claude-3-5-sonnet"},
    "gpt-4o": {"provider": "openai", "model": "gpt-4o"},
    "gemini-pro": {"provider": "google", "model": "gemini-1.5-pro"},
}

そして実験コード内で、これらの設定を参照して横断的な比較を行います。

5. 最新の研究動向を追跡

research-news スキルで定期的に ArXiv の最新コミットをスキャンし、研究テーマに関連する新しい仕事を抽出して literature_bank.md を自動更新できます。cron の定期実行タスクと組み合わせれば、毎週自動で文献調査ライブラリを更新できます。