リサーチ
テーマを指定して調査を実行し、結果を Vault に保存する機能です。 テーマ候補の登録・提案も行えます。
CLI で実行する
テーマは必須です。--context で背景や理由、--output-style で長さ(short / medium / long)を指定できます。
uv run -m obsidian_ai_hub --research-agent --theme "Local-first AI tools" \
--context "Compare options for personal knowledge management" \
--output-style medium
調査モードは --research-mode で指定します(既定は auto)。
| モード | 内容 |
|---|---|
auto | ルーターが自動選択 |
internal | 内省 |
web | Web 検索 |
deep | ディープリサーチ(GPT Researcher) |
project | コードベース調査。--project-id が必要。対象リポジトリを読み取り専用でコード調査し、その調査結果を GPT Researcher の最終調査に渡す二段階処理を行います |
auto は、テーマ候補の theme / direction / why_now と有効な Git プロジェクト候補(プロジェクト画面で project_path が有効なリポジトリとして設定されているもの)だけを元に判断します。承認コメント・活動・既存テーマ・Vault 検索結果などの収集コンテキストはモード判定に使いません。テーマが登録済みの Git プロジェクトに強く関連すると判断した場合、そのコードベースを読み取り専用で調査することがあります。その場合は自動で project が選ばれ、対象プロジェクトがテーマとジョブに保存されます。関連が弱い、または候補が複数ある場合は internal / web / deep のいずれかになります。コードベース調査が失敗した場合、他のモードへは切り替えず、そのジョブは失敗になります。
project モード(および auto で project が選ばれた場合)では、二段階で処理を行います。第1段階で Coding CLI が対象リポジトリを読み取り専用でコード調査し、その調査結果のみを唯一の追加コンテキストとして第2段階の GPT Researcher に渡し、最終レポートを作成します。
project経路では--context、活動ログ、Vault 検索結果、既存テーマなどの収集コンテキストは一切使用されません。- GPT Researcher に渡される追加根拠は Coding CLI のコード調査結果のみです。
- 最終稿として保存・表示されるのは GPT Researcher のレポートのみで、生のコード調査結果は DB・Vault・レポート付録へ保存されません。
- Markdown の frontmatter には
source: coding-agent+gpt-researcherが記録されます(DB のジョブ mode は互換性維持のためprojectのままです)。 - 第1段階(Coding CLI)または第2段階(GPT Researcher)のいずれかで失敗(例外または空出力)した場合、後続処理や Vault 保存・候補テーマ自動承認は行われず、ジョブは
failedになります。再実行は第1段階から行われます。
非 project モードでは、収集コンテキスト(承認コメント・活動・既存テーマ・Vault 検索結果)をモード決定後に一度だけ収集し、最終レポート生成に渡します。保存用タイトルは theme のみを元に生成します(why_now・承認コメント・収集コンテキスト・調査プロンプト本文は使いません)。レポートは <title>_<job_id>.md として Vault へ保存されます。
テーマ候補に追加します(任意で方向性を指定)。
uv run -m obsidian_ai_hub --add-research-theme --theme "Local-first AI tools" \
--direction "Compare privacy and offline capabilities"
直近 30 日のノートからテーマ候補を 3 件生成します。
uv run -m obsidian_ai_hub --suggest-research-theme
--research-agent、--add-research-theme、--suggest-research-theme は相互に排他的です。
Web UI で実行する
リサーチ 画面(/research)で、ステータス・テーマ・direction で絞り込み、
新規リサーチ から実行します。
モーダルの モード 選択肢:
- 自動(router)
- 内省 (internal)
- ウェブ検索 (web)
- ディープリサーチ (deep)
- コードベース調査 (project) — 対象プロジェクト を選びます。有効な Git リポジトリのみ選べます。
実行はバックグラウンドで進み、完了すると「調査・保存・承認が完了しました」と通知されます。 つまり Web UI からのリサーチは、調査・保存・承認まで自動で行います(画面に個別の承認操作はありません)。
一覧を見る
一覧では、調査ジョブの状態を日本語バッジ(実行待ち / 実行中 / リサーチ済み / 失敗)で表示します。 ジョブがないテーマには未リサーチと表示します。 リサーチ済みの行は、入力したテーマの代わりに生成タイトルを見出しに表示し、元のテーマは副行に併記します。 リサーチ済みの行には、調査モード(内省 / ウェブ検索 / ディープリサーチ / コードベース調査)のバッジも表示します。
結果を見る
詳細パネルには次が表示されます。
- テーマ・ステータス・種別・confidence
- direction、why_now
- 重複情報(重複先へのリンク)、関連テーマ
- 調査メタ情報のカード(状態・モード・生成タイトル・生成日時・source・output_style)
- 結果 Markdown の本文(先頭のメタ情報行は除いて表示します)
操作:
- HITLで回答 — ステータスが候補かつ
originが自動提案でhitl_run_idがある場合のみ表示されます。 - 再実行 — 直近のジョブが失敗した場合のみ表示されます。
テーマ候補の提案との関係
--suggest-research-theme は Task Agent にジョブを投入し、最適なテーマを選んで
HITL の提案候補として登録します。候補は 確認待ち 画面で回答・承認します。
Task Agent 側のテーマ提案では、テーマ名ではなく Task ID を冪等キーとし、1 Task につき最大 1 件を登録します。
設定
research:
default_output_style: long
context:
lookback_days: 7
max_notes: 3
vectorsearch_dir: /path/to/your/vectorsearch
vectorsearch_mcp_script: mcp_jw_publication_search.py
deep:
gpt_researcher:
retriever: tavily,mcp
fast_llm: openai:gpt-5.6-terra
smart_llm: openai:gpt-5.6-sol
strategic_llm: openai:gpt-5.6-terra
ディープリサーチ(GPT Researcher)を使うには、TAVILY_API_KEY などの資格情報が必要です。
retriever に mcp を含めると、Web 検索に加えて vectorsearch_dir 配下の MCP サーバー
(vectorsearch_mcp_script、既定 mcp_jw_publication_search.py)によるローカル知識ベース検索を
併用します。相対パスは vectorsearch_dir を基準に解決されます。