Claude 研究アシスタント化10プロンプト集｜PDF要約から卒業して論文・記事をリサーチに変える完全ガイド【2026年版】

本サイトは Google AdSense による広告が表示される場合があります。記事中で紹介している外部サービス・公式ドキュメントへのリンクには、運営の判断で参考情報として張ったもののみを含みます。掲載内容は公開時点の公式情報と運営者の解釈に基づきます。

Anthropic Claude · Research Workflow · 2026 Edition

毎日、PDF や論文や英語記事を Claude に放り込んで「要約して」とだけ打ち込んでいないだろうか。便利には違いない。ただ、それだけだと Claude の本当の働きはほとんど引き出せていない。Claude の真価は「資料を短くまとめる道具」ではなく「分野を地図化し、論点を抜き、証拠を疑い、自分の主張と構成にまで変換してくれる研究アシスタント」として使った瞬間に現れる。本記事では、その役割転換に必要な 10 個の実用プロンプトと、コンテンツ別の使い分けレシピを、コピペで動く形でまとめる。読了 25 分。

user@sinyblog:~/article ❯ 01_thesis.md結論｜Claude を研究アシスタントに変える1行ルール

先に結論だけ出しておく。Claude に依頼するべき指示は、要約ではなく 構造化 である。具体的には、次の 1 行を冒頭に置くだけで出力の質は別物に変わる^[1]。

この資料群を、研究アシスタントとして分析してください。分野全体の構造、主要な論点、根拠、反論、研究ギャップ、中心主張、執筆構成に変換してください。

— ADR-001: Claude Research Assistant Pattern / [1]

「要約」と「構造化」は何が違うのか。要約は情報を短くする操作で、入力に対する出力は 同じ次元の縮小コピー に過ぎない。一方の構造化は、入力を「問い・主張・証拠・反論・限界・ギャップ・中心メッセージ・アウトライン」という別の軸に組み替える操作で、出力は 思考の材料に直接使える形 になる。本記事で扱う 10 プロンプトは、すべてこの「構造化」の各工程に対応している。

user@sinyblog:~/article ❯ 02_problem.mdなぜ「要約して」だけでは弱いのか

たとえば 30 ページの調査レポートを Claude に渡して「要約して」と打つと、十中八九 600〜1500 字の整った文章が返ってくる。読みやすい。しかし、その出力からは、次のような 意思決定に必要な情報 がほとんど抜け落ちている。

• レポート著者が立てている前提のうち、どれが 暗黙の仮定 なのか
• 使われている統計のサンプルサイズ・選択バイアスはどの程度か
• 同じテーマの別レポートと、どこで一致し、どこで矛盾しているのか
• 未解決のまま残されている問いはどれか
• 自分の記事・企画・論文で、この資料はどの主張の どの位置 で引用すべきか

これらは「短くまとめる」操作の延長線上には現れない。要するに、要約は 読むのが楽になる 効果はあっても、考えるのが楽になる 効果は薄い^[1]。一方、本記事で扱うプロンプトは「Claude に思考の前処理を分担させる」ことを目的にしている。地図を描かせる、論点を切り出させる、対立構造を可視化させる、アウトラインに落とさせる――いずれも、人間が一番時間を消費する工程である。

user@sinyblog:~/article ❯ 03_map.md10プロンプト早見表

本論に入る前に、10 個全体の見取り図を出しておく。順番は「調査の上流から下流」に並べてある。普段の作業では、ここから自分のタスクに合うものだけ抜き取って使えばよい。

以下、それぞれを 「目的 → どんなコンテンツに使うか → コピペ用プロンプト → 期待される出力 → 使うときのコツ」 の 5 ブロックで解説していく。プロンプト本文は全部、コピーボタンから一発で取れるようにしてある。

user@sinyblog:~/article ❯ 04_literature_map.md1. 文献マップ作成｜分野全体を俯瞰する

目的

論文・PDF・Web 記事・社内メモを 5〜20 本まとめて読み込ませて、テーマ全体の見取り図を作る。1 本ずつ読み始める前に「どこに重要な論点が固まっていて、どこが対立軸で、どこが空白なのか」を先に把握する。^[1]

どんなコンテンツに使うか

• 業界キャッチアップ：例) 「2026 年の AI コーディング支援ツール」を扱う記事を書きたいので、Cursor・Claude Code・Copilot・Codex の公式ドキュメントと主要レビュー記事 12 本を一気に投げる。
• 研究調査の初日：例) 大学院のゼミ発表で「LLM の評価指標」を扱うことになり、関連サーベイ論文 6 本＋ベンチマーク論文 4 本を投げる。
• 新規事業のスキャン：例) 「シニア向け健康家電」の市場調査で、白書 2 本＋業界誌記事 8 本＋競合 IR 資料 4 本を投げる。

コピペ用プロンプト

あなたは博士課程レベルの研究アシスタントです。
これから、あるテーマに関する論文・PDF・メモ・Web ページ・リンクを渡します。

以下の観点で文献マップを作成してください。

- 主要な研究クラスターを 5 つに分類する
- 各クラスターが何を主張しているか
- 重要な著者・論文・資料
- 各クラスターが一致している点
- 各クラスターが対立している点
- まだ未解決の問い
- 最後に、この分野全体がどう整理できるかを簡単なマップ（箇条書きまたは Mermaid のフローチャート）として示す

目的は、個別資料の要約ではなく、分野全体の構造を把握することです。
テーマ：「ここに自分のテーマを書く（例：2026 年の AI コーディング支援ツール）」

期待される出力

クラスター 5 つの分類表、各クラスターの代表資料、一致点と対立点のリスト、未解決の問い、最後に簡易マップ（テキスト or Mermaid）。読み終えた瞬間に「この記事ではこのクラスター B と D の対立に焦点を当てよう」と決められる粒度になっている。

使うときのコツ

user@sinyblog:~/article ❯ 05_dissect.md2. 論文・資料の分解｜重要1本を骨まで読む

目的

1 本の論文・ホワイトペーパー・公式ブログを、博士課程の学生が研究セミナーで発表するときの精度で分解する。表面的な要約ではなく、問い・主張・手法・証拠・限界・貢献まで取り出す^[1]。

どんなコンテンツに使うか

• 引用する 1 本を決めたとき：例) Anthropic の Claude 4.6 System Card を記事の核に使う前に、貢献と限界を切り出しておく。
• 取材代わりに読む長文：例) 40 ページの IPA 白書を、社内勉強会の前日に 1 時間で読み解く。
• 競合プロダクトの仕様書：例) ライバルの製品ホワイトペーパーを、営業資料に取り込めるレベルで分解する。

コピペ用プロンプト

この資料を、博士課程の学生が研究セミナーに向けて準備するように分析してください。

以下の項目に分けて整理してください。

1. 中心的な研究質問
2. 主張・結論
3. 使用されている方法
4. データセット、情報源、参照資料
5. 最も強い証拠
6. 最も弱い仮定
7. 限界
8. この資料が何に貢献しているか
9. 今後の研究や検証で確認すべきこと
10. 記憶しやすい 5 行要約

単なる要約ではなく、この資料がどのような問いに答え、どのような根拠で主張しているのかを明確にしてください。
資料：「ここにファイル名／URL／タイトルを書く」

期待される出力

10 項目に整理されたカルテのような出力。特に項目 6（最も弱い仮定）と項目 9（今後検証すべきこと）が、自分の記事に独自性を入れる入口になる。「論文の言っていること」ではなく「論文が前提にしているが論証していないこと」が見える。

使うときのコツ

user@sinyblog:~/article ❯ 06_claims.md3. 主張構造の抽出｜論点と証拠を切り出す

目的

資料を「言っていること」ではなく「どういう論理で主張しているか」で読み直す。主張・証拠・推論・想定反論・強度を抜き出し、各主張に 1〜10 の強さを採点させる^[1]。

どんなコンテンツに使うか

• 論争のあるブログ記事：例) Hacker News で賛否が割れている「Claude Code vs Cursor」スレッドをそのまま投げて、両派の主張と弱点を抽出する。
• 社内提案書のレビュー：例) 経営会議に上げる新規事業提案書を投げて、主張の強度が低い箇所を炙り出してから上司に出す。
• 競合 IR 資料：例) 競合の決算説明会資料を投げて、「強気の主張」と「裏付けが弱い主張」を分離する。

コピペ用プロンプト

これらの資料を読み、主要な主張をすべて抽出してください。

各主張について、以下の形式で整理してください。

- 主張：
- 使われている証拠：
- その主張を支える推論：
- 想定される反論：
- 主張の強さ（1〜10 で評価）：
- その主張をさらに強くするには何が必要か：

注意：
要約しないでください。目的は、資料の知的構造を抽出することです。
資料群：「ここにタイトル一覧 or URL 一覧を書く」

期待される出力

「主張 N」が縦に積まれたカード型の出力。1 主張あたり 5〜7 行で構成されており、特に「主張の強さ」と「強くするために必要な追加証拠」のセットが、自分の記事で 補強取材すべき方向 を示す。

使うときのコツ

user@sinyblog:~/article ❯ 07_gaps.md4. 研究ギャップ探索｜書く価値のある問いを見つける

目的

既存資料を読み込ませて「まだ語られていない領域」「古くなった前提」「弱い方法論」「矛盾」を炙り出し、新しい記事テーマや研究テーマの候補をランク付きで提案させる^[1]。

どんなコンテンツに使うか

• ブログのネタ枯渇対策：例) 「Claude Code 解説記事」を 10 本書いた後、Google 検索上位の同テーマ記事 20 本を投げて、誰も書いていない切り口を 10 個出してもらう。
• 卒論・修論のテーマ決め：例) ゼミで読んだサーベイ論文 5 本を投げて、教員のお墨付きが取れそうな未解決問いを抽出する。
• 新規事業の機会探索：例) ある業界の白書 3 本＋競合各社 IR 5 本を投げて、「市場が前提にしているが弱い仮定」を可視化する。

コピペ用プロンプト

あなたは博士課程の指導教員です。
これらの資料をレビューし、研究ギャップを特定してください。

以下の観点で整理してください。

- すでに十分研究・議論されている領域
- まだ十分に研究・議論されていない領域
- 古くなっている前提
- 弱い方法論
- 見落とされている対象者・ユーザー層・集団
- まだ答えが出ていない因果関係の問い
- 資料同士の矛盾
- 新しい論文・記事・レポートにできそうな機会

最後に、独自性と実現可能性の観点から、研究質問または記事テーマを 10 個提案し、順位付けしてください。
テーマ：「ここに自分の関心領域を書く」

期待される出力

「すでに飽和した領域」と「まだ空白の領域」の対比、そして空白を埋めるテーマ候補 10 個（独自性スコア・実現可能性スコア付き）。ここから 1 つ選ぶだけで、検索で被らない切り口の記事を 1 本確保できる。

使うときのコツ

user@sinyblog:~/article ❯ 08_compare.md5. 情報源比較表｜引用候補を選別する

目的

複数の資料を横並びにして、主張・証拠の種類・方法論・強み・弱み・バイアス・引用すべき箇所・自分の記事での使いどころまで一覧化する^[1]。

どんなコンテンツに使うか

• 1 本の記事に複数資料を使うとき：例) Wirecutter 級のレビュー記事を書くために、海外メディア・国内メディア・公式仕様書・ユーザーレビューをまとめて比較する。
• ホワイトペーパーや調査レポート執筆：例) 業界調査会社 3 社のレポートを比較し、自社レポートでどれを一次ソースとして引くか決める。
• 論文の文献レビュー章：例) Related Work セクションで取り上げる 8〜15 本を、強みと弱みで表組みにする。

コピペ用プロンプト

これらの情報源を、構造化された比較表にしてください。

表の列は以下にしてください。

- 情報源
- 主な主張
- 証拠の種類
- 方法論
- 強み
- 弱み
- バイアスまたは限界
- 最も重要な引用・洞察
- 自分の研究・記事でどう使えるか

表のあとに、最も信頼できる、または有用性が高い情報源を 3 つ選び、その理由を説明してください。
資料群：「ここにタイトル＋著者＋URL を一覧で書く」

期待される出力

横スクロールで読める比較表＋「最も信頼できる 3 本」のショートリスト。記事を書きながら「ここは資料 A を引く、ここは資料 C を引く」と即決できる粒度になる。

使うときのコツ

user@sinyblog:~/article ❯ 09_thesis.md6. 中心主張の構築｜素材を1文の主張に変える

目的

調査済みの資料群と自分のメモから、記事・論文・レポートの「中心主張」を 1 文に凝縮する。可能性のある中心主張を 5 本作らせ、最も鋭い版を選ばせ、そこに対する反論と必要な追加証拠まで出させる^[1]。

どんなコンテンツに使うか

• ブログ記事のリードを決めたいとき：例) Anthropic 関連の解説記事で、何度書き直してもリードが平板になる。資料群と仮タイトルを投げて 1 文を作らせる。
• 講演・LT のテーマを 1 行に絞るとき：例) 30 分セッションのアブストラクトを 200 字以内に収めるための核を作る。
• 提案書のエグゼクティブサマリー：例) 役員向け 1 枚資料の冒頭一文を、調査メモを根拠に置きながら作る。

コピペ用プロンプト

これらの論文・メモ・Web ページ・資料をもとに、強い中心主張を作るのを手伝ってください。

以下を出してください。

- 可能性のある中心主張を 5 つ
- その中で最も強いバージョン
- その主張を支える論点
- 想定される反論
- 追加で必要な証拠
- この文章で主張すべきではないこと
- 最終的に洗練された中心主張を 1 文で表現したもの

中心主張は、具体的で、議論の余地があり、資料に裏付けられたものにしてください。
テーマ：「ここに記事のタイトル仮置きを書く」
読者：「ここに想定読者像を書く（例：Claude Code を試したいエンジニア）」

期待される出力

候補 5 本、最も鋭い版、その論点リスト、想定反論、追加証拠、書かない範囲、そして最終 1 文。最後の 1 文がそのまま記事のリード冒頭に置けることが多い。

使うときのコツ

user@sinyblog:~/article ❯ 10_methodology.md7. 方法論の批判的検証｜統計を鵜呑みにしない

目的

研究や調査の方法論を批判的に評価し、その結論をどの程度信用してよいかを 3 段階（信頼してよい／部分的に信頼できる／懐疑的に見るべき）で判断させる^[1]。

どんなコンテンツに使うか

• 調査レポートを記事に引くとき：例) 「Z 世代の 80% が AI を使っている」のような強いキャッチがある調査記事を、サンプルサイズと選択バイアスから検証する。
• PR リリースの引用：例) メーカーが出した「業界初」「効率 30% 改善」リリースを、測定条件と比較対象から疑う。
• ベンチマーク論文：例) LLM 性能比較論文を、評価データセット・サンプル数・指標の選び方の観点で検証する。

コピペ用プロンプト

この研究・調査の方法論を評価してください。

以下の観点で確認してください。

- サンプルサイズ
- データの品質
- 使用されている変数
- 前提条件
- 因果関係の主張
- 測定上の問題
- 選択バイアス
- 一般化可能性
- 代替説明の可能性

最後に、この研究結果をどの程度信頼すべきかを次の 3 段階で判定し、理由も説明してください。

- 信頼してよい
- 部分的に信頼できる
- 懐疑的に見るべき

対象：「ここに資料名と該当ページ・該当章を書く」

期待される出力

9 観点での弱点指摘＋ 3 段階の信頼度判定。これにより「キャッチーな数字をそのまま記事に書いてよいか」を踏み止まれる。たとえば「N=120 のオンラインアンケートで、母集団が同社メールマガジン購読者のみ」と分かれば、「日本全体の傾向」とは書けないと判断できる。

使うときのコツ

user@sinyblog:~/article ❯ 11_bibliography.md8. 注釈付き参考文献リスト｜資料を再利用できる形にする

目的

調査した資料を、URL とタイトルだけのリストではなく「3 文要約・主な貢献・限界・自分のテーマとの関連性・自分の記事での使い方」まで含めた 再利用可能な参考文献データベース として整理する^[1]。

どんなコンテンツに使うか

• 連載記事のソース管理：例) 「Claude シリーズ」を 10 本連載する想定で、調査済み資料を Notion DB に流し込める形式で整理する。
• 卒論・修論の文献リスト：例) 50 本を超える参考文献を、章別の使い分けまで含めて整理する。
• 社内ナレッジ化：例) 部署内の調査資産を、後任が引き継いだ初日に読める形に変える。

コピペ用プロンプト

これらの資料から、注釈付き参考文献リストを作成してください。

各資料について、以下を整理してください。

- 書誌情報（著者・タイトル・媒体・年・URL を分かる範囲で）
- 3 文の要約
- 主な貢献
- 重要な限界
- 自分のテーマとの関連性
- 自分の論文・記事でどのように使うべきか

文体は、読みやすく整った学術的なスタイルにしてください。
出力は Markdown 表 + 各資料の補足ブロックの 2 段構成でも構いません。
資料群：「ここにタイトル・著者・URL を一覧で書く」

期待される出力

整った参考文献ブロックが資料の本数だけ並ぶ。Notion / Obsidian にコピペすればそのまま DB の 1 レコードになる。「自分の記事でどう使うか」が言語化されている点が普通の参考文献リストと違う。

使うときのコツ

user@sinyblog:~/article ❯ 12_debate.md9. 論点ディベート｜賛否を多面的に可視化する

目的

複数資料の論点を、賛成・反対・中間の 3 人の専門家ディベートとして可視化する。証拠・前提・解釈・影響・限界の 5 観点で議論させ、最後にバランスの取れた結論を出させる^[1]。

どんなコンテンツに使うか

• 規制・倫理絡みの題材：例) 「生成 AI の著作権」「自治体の AI 監視カメラ導入」など賛否が割れるテーマで、片側だけの記事にならないように対立構造を先に作る。
• 製品レビューの強気評価を相対化：例) 自分のレビュー記事の前段に、Pro / Con / Neutral の専門家視点を作って読者の偏りを抑える。
• 社内意思決定の議事録代わり：例) 経営会議に上げる前に、推進派・慎重派・現実派の論点を Claude に演じさせてリスクを潰す。

コピペ用プロンプト

これらの資料をもとに、専門家同士のディベートを作成してください。

3 人の専門家の声を設定してください。

1. 中心的な主張を強く支持する専門家
2. その主張に異議を唱える専門家
3. 中間的な立場を取る専門家

この 3 人に、以下の観点で議論させてください。

- 証拠
- 前提
- 解釈
- 影響
- 限界

最後に、最もバランスの取れた結論を示してください。
論点：「ここで議論させたい命題を 1 文で書く（例：自治体は生成 AI を窓口業務に導入すべきだ）」

期待される出力

3 人の発言が交互に並ぶ脚本風の出力＋最後の調停文。「賛成派の中で最も鋭い論拠」と「反対派の中で最も鋭い論拠」が並ぶので、自分の記事で偏った主張に流れていないか確認する材料になる。

使うときのコツ

user@sinyblog:~/article ❯ 13_outline.md10. 調査からアウトライン化｜書き始められる構成にする

目的

これまでに集めた資料・メモ・調査結果を、すぐに書き始められる記事・論文・レポートのアウトラインに変換する。タイトル候補・問い・中心主張・導入の切り口・セクション構成・各章の証拠・反論章・結論・不足調査・最終チェックリストまで一気に出させる^[1]。

どんなコンテンツに使うか

• 記事執筆の直前：例) 調査メモは溜まっているのに書き出せないとき、メモ全体を投げて「明日から本文を書ける」状態に変える。
• 講演スライドの設計：例) 30 分 LT の骨子を、台本付きで作ってもらう。
• 連載記事の全体設計：例) 連載 10 本ぶんの各回タイトル・問い・サマリーを 1 回で組む。

コピペ用プロンプト

これまでに渡したすべての資料を使って、完成度の高い研究アウトラインを作成してください。

以下の構成で整理してください。

1. タイトル（候補 3 つ）
2. 研究質問または記事の問い
3. 中心主張
4. 導入の切り口
5. セクションごとの構成（H2 単位）
6. 各セクションで使う主要な証拠（資料 ID で指定）
7. 反論を扱うセクション
8. 結論
9. まだ不足している調査
10. 書き始める前の最終チェックリスト

このアウトラインを見れば、すぐに本文を書き始められるレベルにしてください。
媒体：「ここに媒体名と文字数目安を書く（例：sinyblog 8000〜12000 字）」
読者：「ここに想定読者を書く」

期待される出力

H2 単位の章構成＋各章で引く証拠＋反論章＋不足調査＋執筆前チェックリスト。「9. まだ不足している調査」は特に重要で、執筆途中で「ここのデータが足りない」と気づくのを 書き始める前に 終わらせられる。

使うときのコツ

user@sinyblog:~/article ❯ 14_recipes.md使い分けレシピ｜目的別の組み合わせ4種

10 個を毎回全部使う必要はない。むしろ、目的別に 3〜4 個を選んで連結するのが現実的な運用になる^[1]。代表的な 4 レシピを並べておく。

レシピ A｜軽いブログ記事を書く（4 ステップ）

1. ① 文献マップ作成 — 資料 5〜10 本を投げて分野の地図を作る
2. ② 主張構造の抽出 — その中から重要な 2〜3 本の論点を切り出す
3. ③ 中心主張の構築 — 記事のリード一文を確定する
4. ④ 調査からアウトライン化 — H2 単位の構成と各章の証拠割付を出す

レシピ B｜深い調査記事・ホワイトペーパーを書く（8 ステップ）

1. ① 文献マップ作成 — 資料 15 本前後で全体像を作る
2. ② 情報源比較表 — 引用候補を 5〜8 本に絞る
3. ③ 論文・資料の分解 — 核となる 1〜2 本を骨まで読む
4. ④ 主張構造の抽出 — 中核資料の主張を強度付きで取り出す
5. ⑤ 方法論の批判的検証 — 強気の数字を一段落としておく
6. ⑥ 論点ディベート — 賛否を可視化して偏りを抑える
7. ⑦ 中心主張の構築 — ここまでの整理で 1 文に絞る
8. ⑧ 調査からアウトライン化 — 媒体・文字数指定で構成を確定する

レシピ C｜新しい切り口を探す（3 ステップ）

1. ① 文献マップ作成 — 競合記事や既存研究の見取り図を作る
2. ② 研究ギャップ探索 — まだ語られていない領域・古い前提を 10 個出す
3. ③ 中心主張の構築 — そのうち 1 つを記事の中心主張に育てる

レシピ D｜資料の信頼性を疑う（4 ステップ）

1. ① 論文・資料の分解 — 対象資料の中身を構造化する
2. ② 情報源比較表 — 別資料と並べて主張の独自性を確認する
3. ③ 方法論の批判的検証 — 9 観点で疑う
4. ④ 論点ディベート — 賛成・反対・中間の論点で残った疑問を洗う

user@sinyblog:~/article ❯ 15_pitfalls.md運用上の注意点｜幻覚・出典・再現性

このパターン群は強力だが、生成 AI 全般の弱点をそのまま継承する。最低限、以下 4 点は運用ルールとして固定しておきたい^[2]。

① 引用情報は一次資料で再照合する

Claude は著者名・刊行年・ページ番号・DOI など、メタ情報の幻覚を起こすことがある。特に「8. 注釈付き参考文献リスト」の出力をそのまま記事の脚注や論文の References に貼るのは厳禁。必ず原資料に戻ること。

② 「主張の強度」「信頼度判定」は内部メモに留める

「3. 主張構造の抽出」の 1〜10 スコアや、「7. 方法論の批判的検証」の 3 段階判定は、自分の編集判断の材料に留める。これを記事中で「Claude は 8 点と評価しました」と書くと、根拠のない権威付け＋責任の AI 委任に見えるため、媒体としての信頼度が下がる。

③ ディベートに実在の人物名を出させない

「9. 論点ディベート」では、Claude がしばしば実在の研究者名・大学名を当てはめる。これは捏造に該当しうる。プロンプトに「実在の人物名は使わず、A 教授・B 研究員のように匿名で」と必ず明示する。

④ 再現性のために「資料 ID」を割り当てる

同じプロンプトでも、文脈に入っている資料の順序や呼び方が変わると Claude の出力は揺れる。Project にファイルを置く時点で、各資料に S01 S02 のような短い ID を割り当てておくと、後続プロンプトの中で「S02 の主張 3 を再分析して」のような指示が通り、議論の再現性が一段上がる。

user@sinyblog:~/article ❯ 99_summary.mdまとめ

長くなったので、最後に 3 行で畳んでおく。

1. Claude を「要約ツール」ではなく「研究アシスタント」として使う。1 行のメタ指示（資料群を研究アシスタントとして分析し、構造・論点・証拠・反論・ギャップ・中心主張・構成に変換せよ）を冒頭に置くだけで、出力は別物になる。
2. 10 個のプロンプトは「研究ワークフローの道具箱」。地図化・分解・論点抽出・問いの発見・比較・主張設計・批判的検証・資料管理・対立可視化・アウトライン化の 10 工程に対応する。毎回全部使う必要はなく、目的別の 3〜4 個で十分動く。
3. Claude の出力は「思考の材料」までに留める。引用情報は一次資料で照合、強度評価は内部メモ、実在人物名は使わせない、AI 出力は必ず自分の言葉に書き直す――この 4 点を運用ルールに固定しておけば、調査・執筆の生産性が一段上がる。

本記事の出発点になった設計ドキュメント（ADR-001）の中心メッセージはこうだ。「Claude 活用の本質は PDF 要約ではない。複数の情報源を読み込ませ、分野の地図化・論点抽出・証拠評価・ギャップ発見・主張設計・アウトライン作成までを一連の知的作業として支援させることにある。」^[1] 今日から、Claude へのプロンプトを「要約して」ではなく「研究アシスタントとして分析して」に置き換えるところから始めてみてほしい。