kai/deep_research
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

snapshot before v0.5 refactor

Browse Source
This commit is contained in:
kai
2026-04-21 12:31:58 +08:00
commit 4a38f6bed1
82 changed files with 15230 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.opencode/skills/citation-manager/SKILL.md
+166
View File
@@ -0,0 +1,166 @@
---
name: citation-manager
description: 引用管理规范。规定 [src_xxx] 编号体系、sources.jsonl 字段标准、跨章节去重规则、参考文献列表生成格式（GB/T 7714）。
---
# 引用管理规范
## 一、src_id 编号规则
### 全局唯一编号
`src_id` 在整个项目内**全局唯一**，格式：`src_XXX`（3 位数字，不足补零）。
- 由 dr-analyst 在首次引用时分配
- 按发现顺序递增：`src_001`, `src_002`, ...
- 跨章节引用同一来源时，使用**相同 ID**
### 分配流程
1. dr-analyst 发现一条新信源
2. 读取 `projects/<slug>/phase2/sources.jsonl`，找当前最大 ID
3. 分配下一个 ID（如当前最大为 `src_023`，下一个为 `src_024`）
4. 写入 sources.jsonl
### 草稿中的引用格式
行内引用：`数据或观点 [src_042]`
多来源：`数据或观点 [src_042][src_058]`
---
## 二、sources.jsonl 字段标准
每行一个 JSON 对象（JSONL 格式）：
```jsonl
{
"id": "src_001",
"tier": 1,
"score": 8.5,
"type": "journal",
"title": "论文标题",
"authors": ["Zhang S", "Li M"],
"year": 2024,
"venue": "Nature Medicine",
"impact_factor": 58.7,
"url": "https://doi.org/10.1038/...",
"doi": "10.1038/...",
"accessed_at": "2026-04-20",
"abstract": "2-3句摘要",
"key_data": {
"sample_size": 1200,
"primary_endpoint": "OS 改善 23%"
},
"used_in": ["ch02", "ch05.sec3"],
"conflict_of_interest": null,
"notes": "RCT 主要终点数据在 Table 2"
}
```
### type 字段枚举值
| 值 | 含义 |
|---|---|
| `journal` | 期刊论文（含综述） |
| `trial` | 临床试验（ClinicalTrials.gov 注册信息） |
| `regulatory` | 监管机构公告/审批文件 |
| `patent` | 专利文件 |
| `report` | 咨询/行业报告 |
| `disclosure` | 上市公司披露（年报/招股书/SEC）|
| `preprint` | 预印本（bioRxiv/medRxiv）|
| `news` | 专业媒体报道（Tier 3 用） |
### 必填字段
`id`, `tier`, `score`, `type`, `title`, `year`, `url`（或 `doi`）
---
## 三、去重规则
dr-pm 在 Phase 2 结束时执行去重：
```python
# 伪代码
seen_urls = {}
seen_dois = {}
unique_sources = []
for source in all_sources:
key = source.get("doi") or source.get("url")
if key not in seen_urls:
seen_urls[key] = True
unique_sources.append(source)
else:
# 合并 used_in 字段
existing = seen_urls[key]
existing["used_in"] = list(set(existing["used_in"] + source["used_in"]))
```
去重后，草稿文件里的 [src_xxx] 标注**不需要更改**，因为 ID 是全局分配的。
---
## 四、参考文献列表生成（GB/T 7714-2015）
dr-reporter 从 sources.jsonl 生成参考文献列表时，按以下格式：
### 期刊论文
```
[src_001] ZHANG S, LI M. 论文标题[J]. Nature Medicine, 2024, 30(5): 1234-1245. DOI: 10.1038/...
```
### 报告/白皮书
```
[src_042] McKinsey & Company. 报告标题[R]. McKinsey Global Institute, 2024.
```
### 监管文件
```
[src_018] FDA. NDA 申请审批公告[EB/OL]. (2024-03-15)[2026-04-20]. https://www.fda.gov/...
```
### 临床试验
```
[src_055] ClinicalTrials.gov. 试验名称 (NCT12345678)[EB/OL]. (2023-01-01)[2026-04-20]. https://clinicaltrials.gov/...
```
### 专利
```
[src_067] 发明人. 专利名称[P]. 专利号, 申请日.
```
### 排序规则
参考文献按在正文中**首次出现的顺序**排列，即 [src_001] 在最前，以此类推。
---
## 五、引用完整性检查（dr-chief-editor 用）
审校时检查：
1. 正文中所有 [src_xxx] 都在 sources.jsonl 里有对应记录
2. sources.jsonl 里所有 ID 在正文中都有引用（无孤立信源）
3. 所有 Tier 1 信源的 URL 或 DOI 格式正确
检查脚本（可用 bash 执行）：
```bash
# 提取正文中的所有 src_id
grep -oE 'src_[0-9]+' projects/<slug>/phase4/final.md | sort -u > /tmp/cited.txt
# 提取 sources.jsonl 中的所有 id
python3 -c "
import json
ids = []
with open('projects/<slug>/phase2/sources.jsonl') as f:
for line in f:
d = json.loads(line)
ids.append(d['id'])
print('\n'.join(sorted(ids)))
" > /tmp/registered.txt
# 找差集
diff /tmp/cited.txt /tmp/registered.txt
```
.opencode/skills/evidence-table/SKILL.md
+115
View File
@@ -0,0 +1,115 @@
---
name: evidence-table
description: 证据矩阵规范。规定每条核心结论必须有对应的证据记录，格式、字段、置信度分级和文件结构。dr-analyst 撰写初稿时使用，dr-verifier 追加反方证据时使用，dr-chief-editor 审校时作为核验基准。
---
# 证据矩阵规范
## 核心原则
**每条结论必须可追溯**。报告中每一个有 [src_xxx] 标注的观点，都必须在对应章节的 evidence 文件中有一行记录。
---
## 证据矩阵文件格式
文件路径：`projects/<slug>/phase2/evidence/chXX-evidence.md`
### 文件结构
```markdown
# 第 X 章 <标题> — 证据矩阵
生成时间：<datetime>
研究员：dr-analyst
字数统计：<N> 字 / 配额 <N> 字
---
## 核心结论证据表
| 结论 ID | 观点摘要（≤30字） | 支持证据 1 | 支持证据 2 | 置信度 | 备注 |
|---|---|---|---|---|---|
| C01 | <观点> | [src_001] <标题> Tier1 | [src_002] <标题> Tier2 | 高 | |
| C02 | <观点> | [src_003] <标题> Tier2 | **[待验证]** 仅 1 个来源 | 中 | 需补充 |
| C03 | <观点> | [src_004] <标题> Tier1 | [src_005] <标题> Tier1 | 高 | |
---
## 置信度说明
- **高**：2 个以上独立 Tier 1-2 信源支持，无重大反方证据
- **中**：只有 1 个 Tier 1-2 信源，或有轻微反方证据
- **低**：仅 Tier 3 信源，或有实质性反方证据
- **[待验证]**：找不到第 2 个独立信源，在正文明确标注
---
## 信源详情
<!-- 每条 [src_xxx] 的完整信息 -->
**[src_001]**
- 标题：
- 作者/机构：
- 年份：
- URL/DOI：
- Tier：1
- 评分：8.5
- 摘要（2-3句）：
**[src_002]**
...
---
## 反方证据（dr-verifier 填写）
<!-- dr-verifier 完成后追加以下内容 -->
### 验证摘要
- 核验结论数：X
- 发现反方证据：X 条
- 补足待验证：X 条
- 重大挑战：X 条
### 反方证据详情
#### 针对结论 C01：<观点摘要>
- 反方证据：<内容>
- 来源：[src_xxx] | Tier X
- 处理建议：保留并注明争议 / 修改措辞 / 删除
<!-- 如有重大挑战 -->
🚨 CRITICAL：<说明>
```
---
## 置信度分级标准
| 置信度 | 条件 | 正文处理方式 |
|---|---|---|
| 高 | ≥2 个独立 Tier 1-2 信源，无 CRITICAL 反方 | 直接陈述 |
| 中 | 1 个 Tier 1-2 信源，或有轻微反方 | 陈述 + "但部分研究认为..." |
| 低 | 仅 Tier 3，或有实质反方 | 必须加 "[待验证]" 标注 |
| [待验证] | 无法找到第 2 个独立来源 | 正文明确写 "该观点仅有 1 个来源支持，待验证" |
---
## 结论 ID 命名规则
- `C01`-`C99`：正向核心结论
- `F01`-`F09`：事实性陈述（不需要观点判断）
- `T01`-`T09`：趋势判断（通常需要时间序列数据支撑）
dr-analyst 在撰写草稿时，给每个有 [src_xxx] 的观点分配一个 ID，在草稿和 evidence 文件里保持一致。
---
## 硬性规则
1. 草稿中每个 [src_xxx] 必须在 evidence 文件里有对应行
2. 草稿中标注 `[待验证]` 的观点必须在 evidence 表里有对应行（置信度列写"低/待验证"）
3. dr-verifier 只能在"反方证据"段落追加，不能修改"核心结论证据表"
4. CRITICAL 标注的问题，dr-chief-editor 审校时必须明确处理（不能忽略）
.opencode/skills/length-budget/SKILL.md
+205
View File
@@ -0,0 +1,205 @@
---
name: length-budget
description: 报告字数预算分配与执行校验。规定综述/研究/投资/管理各类型的最低字数、章节配额算法、字数自检逻辑、不足时的补写策略。dr-plan 用于 Phase 1 分配配额，dr-pm 和 dr-analyst 用于 Phase 2 执行校验。
---
# 字数预算系统（硬性 KPI）
## 一、报告类型与字数下限
| 报告类型 | 最小字数 | 建议章节数 | 典型单章字数 |
|---|---|---|---|
| 综述类（领域全景、技术综述） | **10,000** | 8-10 章 | 1,000-1,250 |
| 研究类（深度专题、竞品研究） | **30,000** | 10-12 章 | 2,500-3,000 |
| 投资报告（赛道/公司分析） | **20,000** | 10-12 章 | 1,700-2,000 |
| 管理/工艺类（运营分析、SOP） | **15,000-25,000** | 9-11 章 | 1,700-2,200 |
**总字数 = 正文字数**，不含：摘要、目录、参考文献、附录。
---
## 二、章节配额分配算法（dr-plan 用）
### Step 1：确定总字数目标
- 综述类 → 12,000 字（下限 10,000，留 20% 缓冲）
- 研究类 → 35,000 字（下限 30,000）
- 投资类 → 22,000 字
- 管理类 → 18,000 字（按选定）
### Step 2：按章节重要性分层
```
P0 章（2-3 章）：核心论点章，字数配额 = 总字数 × 15-18% 每章
P1 章（3-5 章）：主干证据章，字数配额 = 总字数 × 8-12% 每章
P2 章（2-3 章）：辅助分析章，字数配额 = 总字数 × 5-8% 每章
引言+结论：每章 总字数 × 6-10%
```
### Step 3：验证总和
- 所有章节配额之和应等于总字数目标（±5%）
- 任意两章字数差距 **不超过 ±30%**（避免头重脚轻）
- 结论章必须 ≥ 总字数 10%
### Step 4：Section 分配
每章内：
- 每 section 最少 **800 字**（不够则合并 section）
- 章内 section 数量控制在 2-5 个
- 每个 section 下可分 sub-section（300-500 字）
### 示例（研究类 35,000 字 / 11 章）
| 章 | 定位 | 字数配额 | 占比 |
|---|---|---|---|
| 第 1 章 引言与边界 | intro | 2,100 | 6% |
| 第 2 章 核心观点（P0） | P0 | 5,250 | 15% |
| 第 3 章 机制剖析（P0） | P0 | 5,250 | 15% |
| 第 4 章 临床证据（P1） | P1 | 3,850 | 11% |
| 第 5 章 竞争格局（P1） | P1 | 3,500 | 10% |
| 第 6 章 产业链（P1） | P1 | 3,150 | 9% |
| 第 7 章 政策监管（P1） | P1 | 2,800 | 8% |
| 第 8 章 风险（P2） | P2 | 2,100 | 6% |
| 第 9 章 国际对比（P2） | P2 | 1,750 | 5% |
| 第 10 章 趋势判断 | P1 | 2,450 | 7% |
| 第 11 章 结论与建议 | conclusion | 2,800 | 8% |
| **合计** | | **35,000** | **100%** |
验证：
- ✅ 总和 = 35,000
- ✅ 最大（5,250）/ 最小（1,750）= 3 倍 → ❌ 超过 ±30% 了，需调整
- 调整：第 9 章升到 2,450（7%），从 P0 各降 400 → 验证通过
---
## 三、Phase 2 执行校验（dr-analyst/dr-pm 用）
### dr-analyst 交稿前自检
```
章节完成后，执行：
1. wc -w projects/<slug>/phase2/drafts/chXX.md
（中文字数用 Python：sum(1 for c in text if '\u4e00' <= c <= '\u9fff')）
2. 对照 framework.md 的 "字数配额"：
- 实际 / 配额 < 0.7 → 不合格，继续挖掘
- 0.7 ≤ 实际 / 配额 < 0.85 → 警告，最好补足
- 0.85 ≤ 实际 / 配额 ≤ 1.3 → 合格
- 实际 / 配额 > 1.3 → 超纲，考虑拆分或精简
```
### dr-pm 汇总校验
Phase 2 结束时：
```
1. 统计全文字数：Σ(chXX.md 字数)
2. 对照 manifest.json 的 target_words：
- 如果 < 下限（10000/30000/20000/15000）→ ❌ 强制返工
- 在下限 ±5% → ⚠️ 需用户确认是否放行
- 超出下限 ≥ 10% → ✅ 合格
3. 写入 manifest.json 的 phase2.word_stats
```
### 不足时的补写策略（重要）
**不要让 analyst 为凑字数注水！** 字数不足的应对顺序：
1. **检查证据覆盖**：该章观点是否有 ≥2 独立 Tier 1-2 信源？若无 → 检索补证据
2. **展开数据细节**：把表格里的数字展开成文字分析（趋势、拐点、对比）
3. **增加案例**：用 1-2 个具体公司/产品案例佐证抽象观点
4. **补反方证据**：把反方证据段落写详细（500-800 字）
5. **延伸推论**：对核心判断做 "若成立则..." 和 "若不成立则..." 分支讨论
6. **国际对比**：若原文只讲中国，加一段国际对比
7. **实在不行**：和 dr-pm 商量是否拆/并章节
---
## 四、字数计算工具（中英混排）
```python
def count_chinese_words(text: str) -> int:
"""中英混排字数统计。中文字符 1 字，英文单词 1 字。"""
import re
chinese_count = sum(1 for c in text if '\u4e00' <= c <= '\u9fff')
# 去掉所有中文字符后，按空格切英文
text_no_cn = re.sub(r'[\u4e00-\u9fff]', ' ', text)
english_words = len(re.findall(r'[A-Za-z]+(?:[-\'][A-Za-z]+)*', text_no_cn))
return chinese_count + english_words
```
使用：
```bash
python3 -c "
import sys, re
with open(sys.argv[1]) as f:
text = f.read()
cn = sum(1 for c in text if '\u4e00' <= c <= '\u9fff')
en = len(re.findall(r'[A-Za-z]+(?:[-\'][A-Za-z]+)*', re.sub(r'[\u4e00-\u9fff]', ' ', text)))
print(f'中文字数: {cn}, 英文词数: {en}, 总计: {cn+en}')
" projects/<slug>/phase2/drafts/ch01.md
```
### 不计入字数的部分
- 代码块 ```...```
- Markdown 表格线框（|---|）
- 引用块 `> `
- 标题的 `#` 符号
- 链接的 URL（`[文字](url)` 只计文字部分）
---
## 五、manifest.json 字段规范
```json
{
"slug": "glp1-obesity-2026",
"topic": "GLP-1 减重药物竞争格局与投资机会",
"type": "研究类",
"target_words": 35000,
"min_words": 30000,
"chapters_planned": 11,
"phase1": {
"approved": true,
"approved_at": "2026-04-20T10:00:00Z",
"framework_path": "projects/glp1-obesity-2026/phase1/framework.md",
"chapter_quotas": [
{"index": 1, "title": "...", "quota": 2100, "priority": "intro"},
{"index": 2, "title": "...", "quota": 5250, "priority": "P0"},
...
]
},
"phase2": {
"started_at": "...",
"progress": "7/11",
"chapters": [
{
"index": 1,
"draft_path": "projects/.../drafts/ch01.md",
"actual_words": 2180,
"quota": 2100,
"status": "completed",
"sources_count": 12,
"tbd_claims": 0
}
],
"word_stats": {
"total": 34820,
"target": 35000,
"gap_pct": -0.5,
"verdict": "合格"
}
}
}
```
---
## 六、硬规则总结
1. ✅ 综述 ≥10,000 字；研究 ≥30,000 字；投资 ≥20,000 字；管理 ≥15,000 字
2. ✅ 章节字数差距 ≤ ±30%
3. ✅ 每 section ≥800 字
4. ✅ 结论章 ≥ 全文 10%
5. ✅ Phase 2 每章完成自检字数
6. ✅ 不足下限强制返工
7. ❌ 禁止为凑字数注水（空洞形容词、套话、重复表述）
8. ❌ 禁止"打折"交稿
.opencode/skills/mckinsey-method/SKILL.md
+133
View File
@@ -0,0 +1,133 @@
---
name: mckinsey-method
description: 麦肯锡报告写作方法论。MECE 原则、SCQA 叙事结构、金字塔原理、"每个标题即一个观点"规则，以及 So What? 自检机制。dr-analyst 撰写初稿、dr-polisher 润色、dr-chief-editor 审校时必须遵循。
---
# 麦肯锡报告写作方法论
## 一、MECE 原则（章节划分的铁律）
**Mutually Exclusive, Collectively Exhaustive** — 互斥且穷尽。
### 章节划分自检
写完章节大纲后，逐一检查：
**互斥性**（每章内容不重叠）：
- 如果读者读完第 3 章，再读第 5 章，会不会觉得"刚才好像说过这个"？
- 如果是，说明两章有重叠，需要合并或重划边界
**穷尽性**（所有重要维度都覆盖）：
- 用同一个分析框架列出所有应该涵盖的维度
- 对照框架，检查有无遗漏
- 常用框架：
- 市场分析：需求侧 / 供给侧 / 竞争格局 / 监管环境
- 技术分析：技术原理 / 临床验证 / 产业化路径 / 壁垒
- 投资分析：市场空间 / 竞争壁垒 / 财务模型 / 风险
---
## 二、SCQA 叙事结构（每章开头）
每个 chapter 和重要 section 的第一段，用 SCQA 引入：
| 要素 | 作用 | 字数 |
|---|---|---|
| **S (Situation)** | 描述当前已知的背景事实（读者已接受的） | 1-2 句 |
| **C (Complication)** | 引入打破现状的张力或挑战 | 1-2 句 |
| **Q (Question)** | 由此引发的核心问题（可以是隐含的） | 1 句 |
| **A (Answer)** | 本章/section 的核心结论（先行答案） | 1-2 句 |
**示例（好的）**：
> GLP-1 受体激动剂已成为 2 型糖尿病的一线治疗选择，市场规模超过 200 亿美元[src_001]。然而，近期临床数据显示停药后体重反弹率高达 60%，挑战了其"长期治疗"的市场定位[src_002]。这一现象促使我们深入思考：GLP-1 药物究竟是一次性干预还是慢性病长期管理工具？本章认为，**GLP-1 的市场叙事正在从"减重药"向"代谢疾病管理平台"强制转型**，这一转型的成败将决定未来 5 年的市场格局。
**示例（差的）**：
> 本章将介绍 GLP-1 受体激动剂的基本情况，包括其作用机制、临床数据和市场前景。
---
## 三、金字塔原理（段落结构）
**结论先行，证据支撑。**
```
顶层：章节核心结论（标题即观点）
├── 支撑论点 1 → 数据/事实/案例
├── 支撑论点 2 → 数据/事实/案例
└── 支撑论点 3 → 数据/事实/案例
```
**纵向深入**：每个支撑论点都有更细的数据支撑。
**横向 MECE**：同层支撑论点之间互斥且穷尽。
### 段落写法模板
```
[结论句] 具体发现/判断。
[证据 1] 根据 <来源>，<数据/事实> [src_xxx]。
[证据 2] 进一步，<案例/对比> [src_xxx]。
[So What] 因此，<对上层论点的意义>。
```
---
## 四、标题即观点（强制规则）
**每一个 chapter 和 section 的标题必须是一个完整的判断句，而不是描述词。**
### 反例 vs 正例
| 反例（禁止） | 正例（要求） |
|---|---|
| 第 2 章 GLP-1 药物概述 | 第 2 章 GLP-1 的减重机制正在重塑代谢疾病的治疗范式 |
| 3.1 市场现状 | 3.1 中国 GLP-1 市场 2025 年已跨越 10 亿美元门槛，且增速仍在加速 |
| 4.2 竞争分析 | 4.2 诺和诺德与礼来的双寡头格局在 3 年内将被国产厂商打破 |
| 5.1 风险因素 | 5.1 医保覆盖缺失是 GLP-1 市场扩张的最大结构性瓶颈 |
**判断标准**：能不能把标题变成一个"对/错"或"同意/不同意"的命题？能则合格。
---
## 五、So What? 自检机制
每写完一个段落，问自己：**"所以呢？这对读者有什么意义？"**
- 如果答案是"没什么意义，只是客观描述"→ **要么删，要么补充 So What 句**
- So What 句通常放在段尾，1-2 句，明确点出这段内容对上层论点的贡献
**So What 句示例**：
- "这意味着，先发厂商在 2026 年之前建立的渠道优势将难以被后来者复制。"
- "因此，判断一个 GLP-1 管线的商业价值，给药频率比疗效终点更关键。"
- "上述趋势表明，当前的估值逻辑低估了国产厂商的长期竞争力。"
---
## 六、数据引用规范
| 类型 | 写法 | 示例 |
|---|---|---|
| 市场规模 | X 亿/XX 亿美元（YYYY 年）[src_xxx] | 120 亿美元（2024 年）[src_042] |
| 增长率 | CAGR XX%（YYYY-YYYY）[src_xxx] | CAGR 23%（2023-2030）[src_018] |
| 临床数据 | XX%（95% CI: X-X，p<0.001）[src_xxx] | 体重降低 15.2%（95% CI: 13.8-16.6，p<0.001）[src_007] |
| 成功率 | XX%（N=XXX）[src_xxx] | FDA 获批率 41%（N=127 项 NDA，2020-2024）[src_033] |
**禁止写法**：
- "市场规模巨大" → 必须写具体数字
- "研究表明" → 必须写是哪项研究（来源 ID）
- "近年来" → 必须写具体年份
- "有专家认为" → 必须写哪位专家（或删去该措辞，用数据代替）
---
## 七、常见 AI 写作坏习惯（一键检索）
润色或审校时，全文搜索以下词汇，逐一判断是否需要改写：
```
随着 | 不断 | 深入 | 值得注意 | 不难发现 | 显而易见
具有重要意义 | 发挥重要作用 | 显著 | 巨大 | 快速发展
在此背景下 | 综上所述 | 由此可见 | 总的来说
据报道 | 有研究表明 | 专家指出
```
每个命中项，问：有数据支撑吗？能删吗？能改得更具体吗？
.opencode/skills/pdf-reportlab/SKILL.md
+255
View File
@@ -0,0 +1,255 @@
---
name: pdf-reportlab
description: 用 ReportLab 生成专业中文 PDF 研究报告。包含思源宋体/黑体+霞鹜文楷的字体注册、集中样式管理、封面/目录/正文/参考文献多页模板、matplotlib 图表嵌入。dr-reporter 用于 Phase 4 出 PDF 稿；也可被用户直接调用渲染单章。
---
# ReportLab 中文 PDF 模板使用指南
## 一、为什么是 ReportLab
- **完全可控**：每个字号、行距、缩进都是代码说了算，不像 CSS/LaTeX 会被引擎意外改变
- **中文字体一次搞定**：`pdfmetrics.registerFont` 注册后全局可用，子集嵌入 PDF，分发无忧
- **速度快**：纯 Python，30,000 字报告 3-5 秒出稿（matplotlib 图表预渲染后）
- **图表质量高**：matplotlib 生成 300 DPI PNG 嵌入，比 LaTeX 的 pgfplots 快得多
- **样式集中**：用 `StyleSheet` 管理，避免你之前碰到的"中文字号不一"问题
---
## 二、项目模板入口
模板脚本：`.opencode/templates/report-template.py`
调用方式：
```bash
python3 .opencode/templates/report-template.py \
--input projects/<slug>/phase4/final.md \
--manifest projects/<slug>/manifest.json \
--output projects/<slug>/phase4/final.pdf \
--fonts-dir .opencode/templates/fonts
```
首次运行前必须：
```bash
bash .opencode/templates/fonts/download-fonts.sh
```
---
## 三、字体注册（模板已封装，此处仅说明原理）
```python
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
# 思源宋体 = 正文
pdfmetrics.registerFont(TTFont('SrcSerif', 'fonts/SourceHanSerifSC-Regular.otf'))
pdfmetrics.registerFont(TTFont('SrcSerif-Bold', 'fonts/SourceHanSerifSC-Bold.otf'))
pdfmetrics.registerFontFamily('SrcSerif', normal='SrcSerif', bold='SrcSerif-Bold')
# 思源黑体 = 标题/UI
pdfmetrics.registerFont(TTFont('SrcSans-Light', 'fonts/SourceHanSansSC-Light.otf'))
pdfmetrics.registerFont(TTFont('SrcSans-Medium', 'fonts/SourceHanSansSC-Medium.otf'))
pdfmetrics.registerFont(TTFont('SrcSans-Bold', 'fonts/SourceHanSansSC-Bold.otf'))
pdfmetrics.registerFont(TTFont('SrcSans-Heavy', 'fonts/SourceHanSansSC-Heavy.otf'))
# 霞鹜文楷 = 引文/摘要
pdfmetrics.registerFont(TTFont('Kai', 'fonts/LXGWWenKai-Regular.ttf'))
```
**关键**：`TTFont` 虽然类名含 "TT"，但也接受 `.otf`（OpenType），别犹豫。
---
## 四、样式表（集中管理，避免字号不一）
所有样式集中在模板的 `build_styles()` 函数：
| 样式名 | 字体 | 字号 | 行高 | 用途 |
|---|---|---|---|---|
| `body` | SrcSerif | 10.5 | 18 | 正文 |
| `body-bold` | SrcSerif-Bold | 10.5 | 18 | 术语 |
| `h1` | SrcSans-Bold | 18 | 28 | 章标题 |
| `h2` | SrcSans-Bold | 14 | 22 | section 标题 |
| `h3` | SrcSans-Medium | 12 | 18 | sub-section |
| `quote` | Kai | 10.5 | 18 | 引文、摘要 |
| `caption` | SrcSans-Medium | 9 | 13 | 图表标题 |
| `footnote` | SrcSerif | 9 | 13 | 脚注/参考文献 |
| `header-footer` | SrcSans-Light | 8 | 12 | 页眉页脚 |
| `cover-title` | SrcSans-Heavy | 32 | 42 | 封面大标题 |
**行高 = 字号 × 1.5~1.7**，不要用默认值。
---
## 五、报告 11 件套结构
模板会按以下顺序生成页面：
1. **封面页**（`PageTemplate: cover`）
- 主标题：`cover-title`
- 副标题：`h2`
- 作者、日期：`body`
- 单独版心，无页眉页脚
2. **免责声明**（`PageTemplate: normal`）
- 固定模板，来源 manifest.json 的 `disclaimer` 字段
3. **执行摘要**（Executive Summary）
- `quote` 样式，1-2 页
- 来源 final.md 的 `## 摘要` 段
4. **术语表**
- 两列表格，术语+解释
- 来源 final.md 的 `## 术语表` 段
5. **目录**
- 自动从 h1/h2 生成，支持超链接
6. **主体正文**
- 来源 final.md 的各 `## 第 N 章 ...` 段
- 页眉：左=主题缩写 / 右=章节名
- 页脚：居中页码
7. **结论与建议**
- final.md 的最后一章
8. **参考文献**
- 来源 `projects/<slug>/phase4/citations.bib` 或 `sources.jsonl`
- 按引用顺序编号，GB/T 7714 格式
- `footnote` 样式
9. **附录 A：数据表**（可选）
10. **附录 B：方法论说明**（可选）
11. **版本信息**
- 生成时间、版本号、生成者（dr-reporter）、字数统计
---
## 六、图表嵌入规范
**不要用 ReportLab 原生绘图**，全部预渲染为 PNG：
```python
# 在 dr-analyst / dr-reporter 阶段，用 matplotlib 出图
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
# 注册中文字体给 matplotlib
font_path = '.opencode/templates/fonts/SourceHanSansSC-Medium.otf'
fm.fontManager.addfont(font_path)
plt.rcParams['font.family'] = 'Source Han Sans SC'
plt.rcParams['axes.unicode_minus'] = False
fig, ax = plt.subplots(figsize=(6, 4), dpi=150)
# ...绘图代码
plt.savefig('projects/<slug>/phase4/figures/fig_01_market_size.png', dpi=300, bbox_inches='tight')
```
然后在 final.md 里用标准 Markdown 引用：
```markdown
![图 1：2020-2025 GLP-1 市场规模](figures/fig_01_market_size.png)
```
模板会自动：
- 按 Markdown 解析图片
- 用 `caption` 样式渲染标题
- 图表居中，宽度适配页宽
---
## 七、Markdown → ReportLab 的支持范围
模板支持以下 Markdown 元素：
| Markdown | ReportLab 渲染 |
|---|---|
| `# 标题` | h1（章标题，自动分页） |
| `## 标题` | h2（section，不分页） |
| `### 标题` | h3（sub-section） |
| `**粗体**` | `<b>` inline |
| `*斜体*` | `<i>` inline |
| `` `代码` `` | 等宽字体 inline |
| `> 引文` | `quote` 样式块 |
| `- 列表项` / `1. 项` | 项目符号列表 |
| `表格`（\| \| \|） | ReportLab Table，自动列宽 |
| `![caption](path)` | 图片 + caption |
| `[src_001]` | 上标引用链接到参考文献 |
| `---` | 分页符（`PageBreak`） |
**不支持**（请在 Markdown 里避免）：
- HTML 标签（除少数 inline）
- 数学公式（后续可加 matplotlib 渲染）
- 代码块高亮（只保留等宽显示）
---
## 八、manifest.json 的必需字段
```json
{
"slug": "glp1-obesity-2026",
"topic": "GLP-1 减重药物竞争格局与投资机会",
"subtitle": "2026 年产业深度研究",
"author": "Deep Research 系统 v0.1",
"date": "2026-04-20",
"type": "研究类",
"version": "1.0",
"disclaimer": "本报告基于公开信息与 AI 辅助研究生成，仅供参考，不构成投资建议。",
"cover_theme": "blue"
}
```
---
## 九、常见坑与对策
| 坑 | 对策 |
|---|---|
| 中文字号不一 | **集中 StyleSheet**，不在 Paragraph 里 inline 改 fontSize |
| 行距太挤 | 行高 = 字号 × 1.5~1.7，不要用默认 |
| 换行断错 | `wordWrap='CJK'` 必设 |
| 字体子集缺字 | 用完整版思源字体（非 subset 精简版） |
| 图片变形 | 先 matplotlib 出 300 DPI PNG，再 `Image(path, width=..., height=...)` |
| 页眉页脚重叠 | 用 `BaseDocTemplate` + `PageTemplate`，`Frame` 的 margin 留足 |
| 英文中文混排间距怪 | 思源系列自带 CJK metrics，间距会自适应，一般不用额外处理 |
| 生成慢 | matplotlib 图表预渲染，不要在 PDF 生成阶段现算 |
---
## 十、调用流程（dr-reporter 阶段）
```
1. 检查字体：ls .opencode/templates/fonts/*.otf | wc -l ≥ 6
2. 检查输入：projects/<slug>/phase4/final.md 存在
3. 检查配置：projects/<slug>/manifest.json 有必需字段
4. 执行：
python3 .opencode/templates/report-template.py \
--input projects/<slug>/phase4/final.md \
--manifest projects/<slug>/manifest.json \
--output projects/<slug>/phase4/final.pdf
5. 验证：
- PDF 打得开
- 文件大小 > 500KB（太小说明字体没嵌）
- 页数合理（30,000 字约 60-80 页）
6. 汇报：输出路径、页数、文件大小
```
---
## 十一、MVP 阶段注意
目前（MVP）`report-template.py` 是**基础版**，支持：
- 思源字体注册
- 标题 / 正文 / 引文 / 表格 / 图片
- 简单封面 + 目录
- 参考文献自动编号
**暂未实现**（Phase 4 能力阶段补齐）：
- 自动书签/大纲（PDF navigation pane）
- 交叉引用（"见第 3 章"自动跳转）
- 复杂页眉（左右对称排版）
- 附录 B 自动生成（方法论模板）
如需上述功能，在 manifest.json 里标 `"template_features": ["bookmarks", "xref", ...]`，未来版本会处理。
.opencode/skills/search-strategy/SKILL.md
+211
View File
@@ -0,0 +1,211 @@
---
name: search-strategy
description: 生物医药深度研究的统一检索策略。规定信源优先级金字塔、检索轮次、关键词策略、API 调用顺序，以及何时切换到专业信源。所有做信息收集的 agent（dr-searcher/dr-analyst/dr-verifier/dr-plan）必须加载此技能。
---
# 检索策略总纲（Deep Research 黄金法则）
## 一、信源优先级金字塔
**永远从上至下尝试，不要从 Tier 4 开始**：
```
╱ Tier 1 ╲ 最高权重
╱ (一手) ╲
╱──────────────╲
╱ Tier 2 ╲ 标准权重
╱ (权威二手) ╲
╱──────────────────╲
╱ Tier 3 ╲ 辅助权重
╱ (预印本/会议/券商) ╲
─────────────────────────
Tier 4 仅做发现入口
(通用搜索 + Wiki)
─────────────────────────
【黑名单】禁用
```
### Tier 1（优先使用，加权 1.2x）
- **论文**：PubMed、Cochrane、顶刊（NEJM/Lancet/Nature/Science/Cell/JAMA/NatMed）
- **监管**：FDA/EMA/NMPA/PMDA 官网、openFDA
- **临床试验**：ClinicalTrials.gov、ChiCTR、EU CTR
- **专利**：USPTO、EPO、CNIPA、Google Patents、PatentsView
- **披露**：SEC（10-K/10-Q/S-1）、港交所、沪深交易所年报
### Tier 2（可用，标准权重）
- **咨询**：McKinsey/BCG/Deloitte/IQVIA/Evaluate Pharma/Frost & Sullivan/沙利文
- **综述**：系统综述、Cochrane Review、Meta 分析
- **协会**：PhRMA、BIO、中国医药工业协会、中国医药创新促进会
- **专业媒体**：BioSpace、Endpoints News、FiercePharma、STAT、医药魔方、Insight 数据库
### Tier 3（辅助，需 Tier 1-2 支撑）
- **预印本**：bioRxiv、medRxiv、SSRN（必须标注"未同行评审"）
- **券商**：中金/中信/高盛/摩根士丹利生物医药（注意利益冲突）
- **会议**：AACR/ASCO/ASH/JPM Healthcare Conference 摘要
### Tier 4（仅做入口）
- Tavily / Brave / Exa 返回的普通网页 → **只用来发现 Tier 1-2 URL**，不做结论佐证
- Wikipedia → **只做术语理解**，结论不得引用
### 黑名单（禁用为证据）
- 百家号、头条号、大部分公众号自媒体
- 未署名行业博客
- Retraction Watch 标记的撤稿论文
- "据业内人士透露"类无来源文章
- >5 年的综述（机制研究可放宽）
---
## 二、检索 4 轮法则
对任何一个 section/chapter，**必须至少 4 轮检索**：
### 第 1 轮：Tier 1 直命中
- 先用**精确查询**去 PubMed / ClinicalTrials / openFDA 打
- 关键词用 MeSH Term（医学主题词）+ 布尔逻辑
- 例：`(GLP-1[MeSH] OR "glucagon-like peptide-1") AND (obesity[MeSH]) AND ("2023"[PDAT]:"2026"[PDAT])`
### 第 2 轮：Tier 2 综述扫描
- 去 McKinsey Insights / BCG / Deloitte 官网搜 industry-overview
- Evaluate Pharma / IQVIA 白皮书（通常需注册）
- 目标：获取市场规模、竞争格局、趋势判断
### 第 3 轮：反方/证伪检索
- 主动搜索与初步结论相反的关键词
- 例：研究"GLP-1 成为减重首选"→ 反方要搜 "GLP-1 limitations" "semaglutide side effects" "discontinuation rate"
- 至少 3-5 条反方证据
### 第 4 轮：Tavily/Brave/Exa 补漏
- 仅用于发现前 3 轮遗漏的 URL
- 发现后**必须**回溯到原始 Tier 1-2 来源（论文 DOI、监管公告原文）
- 不得直接引用搜索返回的二次报道
---
## 三、API 调用顺序（技术栈）
```
┌─────────────────────────────────────────────┐
│ Phase 1 初扫（dr-searcher 用） │
│ ├── tavily (MCP) — 快速宽扫 │
│ ├── brave (MCP) — 交叉验证 │
│ └── exa (MCP) — neural search │
│ │
│ Phase 2 深研（dr-analyst 用） │
│ ├── pubmed esearch/efetch (bash+curl) │
│ ├── clinicaltrials.gov API (bash+curl) │
│ ├── openfda API (bash+curl) │
│ ├── patentsview / google patents (bash) │
│ └── + Phase 1 的 3 个 MCP 继续用 │
│ │
│ Phase 2 反验（dr-verifier 用） │
│ └── 与 analyst 相同但查反向关键词 │
└─────────────────────────────────────────────┘
```
### Tavily MCP 调用模板
```
工具名：tavily_search
参数：
query: "<关键词>"
search_depth: "advanced" # 默认 basic，深度研究用 advanced
max_results: 10
include_domains: ["pubmed.ncbi.nlm.nih.gov", "nejm.org", "lancet.com"] # 锁 Tier 1
exclude_domains: ["baijiahao.baidu.com", "toutiao.com"] # 排黑名单
time_range: "year" # 或 "month"
```
### PubMed E-utils（bash 调用示例）
```bash
# 1. esearch 拿 PMID 列表
curl -s "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=GLP-1+obesity&retmax=20&api_key=$NCBI_API_KEY&retmode=json"
# 2. efetch 拿摘要
curl -s "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=pubmed&id=PMID1,PMID2&rettype=abstract&retmode=xml&api_key=$NCBI_API_KEY"
```
### ClinicalTrials.gov v2 API
```bash
curl -s "https://clinicaltrials.gov/api/v2/studies?query.term=semaglutide&pageSize=20&format=json"
```
### openFDA
```bash
curl -s "https://api.fda.gov/drug/event.json?search=patient.drug.medicinalproduct:semaglutide&count=patient.reaction.reactionmeddrapt.exact&limit=20"
```
---
## 四、关键词策略
### 中英双语必备
- 任何生物医药主题**必须同时用中英文检索**
- 中文关键词去找：中国监管（NMPA）、A股研报、医药魔方、Insight
- 英文关键词去找：PubMed、FDA、顶刊、欧美研报
### MeSH Term 优先于自由词
- PubMed 查询必须用 MeSH Term（医学主题词表）
- MeSH Term 能自动扩展同义词，召回更全
- 例：`obesity[MeSH]` 会自动包含 `adiposity`, `body weight, excess` 等
### 布尔逻辑 + 时间过滤
- 默认加 `("2023"[PDAT]:"2026"[PDAT])` 时间窗
- 机制研究可放宽到 10 年，新药/市场/政策必须近 3 年
### 反方关键词清单（备忘）
- `limitations` / `adverse events` / `side effects` / `discontinuation`
- `failed trial` / `FDA rejection` / `withdrawn`
- `conflict of interest` / `industry-funded`
- `retraction` / `replication failure`
---
## 五、每条信源的提取字段（标准化）
任何信源进 `sources.jsonl` 必须有以下字段：
```jsonl
{
"id": "src_001",
"tier": 1,
"score": 9.2,
"type": "journal" | "trial" | "regulatory" | "patent" | "report" | "news",
"url": "https://...",
"doi": "10.xxxx/...",
"title": "...",
"authors": ["...", "..."],
"year": 2025,
"venue": "NEJM",
"impact_factor": 176.0,
"accessed_at": "2026-04-20",
"abstract": "...",
"key_data": {
"market_size_2025": "12.3B USD",
"cagr": "23%"
},
"used_in": ["ch01", "ch03.sec2"],
"notes": "关键图表见 Fig 2"
}
```
---
## 六、失败兜底
- 某个 API 限流/超时：**等 5s 重试 3 次**，仍失败则跳过并在日志标注
- 某个信源 404：在 sources.jsonl 标 `"dead_link": true`，不删除（审计用）
- 关键数据查不到：**不要编造**，在正文写 "该数据暂未找到公开来源（截至 2026-04）"
---
## 七、硬规则总结
1. ✅ 每 section 至少 4 轮检索
2. ✅ 中英双语必查
3. ✅ PubMed 用 MeSH Term
4. ✅ 反方关键词必查
5. ✅ Tier 4 结果只做发现，不做佐证
6. ✅ 所有信源写入 sources.jsonl 并评分
7. ❌ 不得引用 Wikipedia 做结论
8. ❌ 不得编造数据、URL、DOI
9. ❌ 不得使用黑名单信源
.opencode/skills/source-quality/SKILL.md
+188
View File
@@ -0,0 +1,188 @@
---
name: source-quality
description: 信源质量评分系统（0-10 分制）与黑名单机制。规定每个信源入库前的评估维度、硬性淘汰规则、利益冲突检测。所有收集信源的 agent 都必须用此技能给每条信源打分后写入 sources.jsonl。
---
# 信源质量评分（0-10 分制）
## 一、评分维度（满分 10 分）
| 维度 | 满分 | 判断标准 |
|---|---|---|
| 权威性 | 3 | 期刊 IF、机构排名 |
| 时效性 | 2 | 发表时间 vs 主题 |
| 一手性 | 2 | 一手数据 > 综述 > 二次解读 |
| 可验证性 | 2 | 有 DOI/URL/原始数据 |
| 无利益冲突 | 1 | 厂商自发降权 |
### 维度 1：权威性（0-3 分）
| 分值 | 情形 |
|---|---|
| 3.0 | IF ≥ 30（NEJM/Lancet/Nature/Science/Cell/JAMA）、FDA/EMA/NMPA 官方、SEC 披露 |
| 2.5 | IF 10-30（NatMed/NatBiotech/BMJ/AnnOncol 等）、顶级咨询（MKS/BCG/Deloitte） |
| 2.0 | IF 5-10（JCO/CircRes/AJRCCM）、IQVIA/EvaluatePharma、系统综述 |
| 1.5 | IF 3-5、券商研报、行业协会白皮书 |
| 1.0 | IF 1-3、专业媒体（BioSpace/Endpoints News） |
| 0.5 | 预印本（bioRxiv/medRxiv）、会议摘要 |
| 0 | 自媒体、百家号、未署名博客 |
### 维度 2：时效性（0-2 分）
| 主题类型 | 满分年限 | 每老 1 年扣分 |
|---|---|---|
| 市场 / 监管 / 临床 | 3 年内 | -0.5 |
| 作用机制 / 基础研究 | 10 年内 | -0.2 |
| 政策法规 | **以最新版本为准** | 过时版本 0 分 |
| 历史追溯（有意为之） | 不限 | 不扣 |
### 维度 3：一手性（0-2 分）
| 分值 | 情形 |
|---|---|
| 2.0 | 一手数据（原始 RCT 论文、监管公告、年报原文、专利原文） |
| 1.5 | 系统综述 / Meta 分析 |
| 1.0 | 叙述性综述 / Review |
| 0.5 | 二次解读（新闻报道、券商改写） |
| 0 | 三次传播以上（"据报道"/"业内人士") |
### 维度 4：可验证性（0-2 分）
| 分值 | 情形 |
|---|---|
| 2.0 | 有 DOI + 原始数据可下载（如 ClinicalTrials 的 CSR 附件） |
| 1.5 | 有 DOI 或稳定 URL，全文可访问 |
| 1.0 | URL 稳定但需付费墙 |
| 0.5 | 仅有 URL，无唯一标识符 |
| 0 | URL 失效 / 404 / 无法验证 |
### 维度 5：利益冲突（0-1 分）
| 分值 | 情形 |
|---|---|
| 1.0 | 独立研究（学术机构、政府）、无资助声明冲突 |
| 0.5 | 有 industry funding 但已声明且方法独立 |
| 0 | 厂商自发报告 / 直接商业软文 |
| **-1**（惩罚） | 声明冲突但方法可疑、或对比实验明显偏向资助方 |
---
## 二、综合评分硬规则
| 评分 | 可用性 |
|---|---|
| 8.0+ | 可作为核心论据，单独支撑结论 |
| 6.0-7.9 | 可用，但结论需 ≥2 个独立信源 |
| 4.0-5.9 | 仅作为参考，**不得作为唯一支撑** |
| < 4.0 | **禁止**用于结论佐证，只能入发现库 |
---
## 三、黑名单（直接拒绝入库）
以下信源**无论评分多少都禁用**：
### 1. 明确劣质信源
- 百家号（baijiahao.baidu.com）
- 头条号（toutiao.com 非原创栏目）
- 知乎回答（除非作者本人为业内专家且有实名背书）
- 小红书、抖音笔记
- 未署名作者的 wordpress / medium 博客
### 2. 被撤稿论文
- 查询 Retraction Watch 数据库（https://retractionwatch.com/）
- Crossref API 检查论文状态：`https://api.crossref.org/works/<DOI>`
### 3. 明显软文/PR 稿
识别特征（命中任意 2 条即拒）：
- 标题含 "重磅发布" "首创" "引领" 等夸张词
- 通篇无具体数据，只有 CEO/专家口头引述
- 发布渠道是企业官网的"新闻中心"且无交叉第三方验证
- 仅讲优势不讲局限
### 4. 时效过期
- 综述 > 5 年（机制研究可放宽）
- 政策/监管 > 1 年（以最新版本为准）
- 市场数据 > 2 年
### 5. 维基百科
- **仅可作术语理解入口**
- 结论永不引用
- 如从 Wiki 发现了参考文献，**回溯到原始来源**再引用
---
## 四、利益冲突检测要点
### 常见利益冲突场景
- 药企赞助的 RCT 对自家产品评价极高 → 查对比剂、盲法、样本量
- 咨询公司报告引用自家客户数据 → 查 acknowledgment 段
- 行业协会报告涉及会员企业 → 查资助方名单
- 券商研报 + 该券商是相关公司的保荐人 → 查 IPO/承销记录
### 操作方法
每条信源入库前检查：
1. 作者/机构是否与被评估的公司/产品有商业关联？
2. 资助声明（funding statement）里提到什么？
3. 利益披露（disclosure）是否完整？
**发现强利益冲突**：评分 ≤ 3（等同废弃）；写入 `sources.jsonl` 的 `"conflict_of_interest": "..."` 字段。
---
## 五、评分执行流程（伪代码）
```
for each candidate_source in search_results:
# 1. 黑名单快筛
if is_blacklisted(candidate_source):
log("BLACKLIST: " + source.url); continue
# 2. 撤稿检查
if has_doi(source) and is_retracted(source.doi):
log("RETRACTED: " + source.doi); continue
# 3. 评分
score = 0
score += authority_score(source) # 0-3
score += recency_score(source, topic) # 0-2
score += primacy_score(source) # 0-2
score += verifiability_score(source) # 0-2
score += coi_score(source) # 0-1 or -1
# 4. Tier 加权
if source.tier == 1: score *= 1.2
# 5. 入库
if score >= 4.0:
append_to_sources_jsonl(source, score)
else:
log("LOW SCORE (" + score + "): " + source.url)
```
---
## 六、输出字段（写入 sources.jsonl）
```jsonl
{
"id": "src_042",
"score": 8.6,
"tier": 1,
"authority": 3.0,
"recency": 2.0,
"primacy": 2.0,
"verifiability": 2.0,
"coi": 1.0,
"conflict_of_interest": null,
"blacklist_checked": true,
"retraction_checked": true,
"notes": "NEJM 2025 原文，RCT 独立研究"
}
```
---
## 七、审计留痕
所有被**拒绝**的信源，也要写入 `projects/<slug>/phase2/rejected-sources.jsonl`（注明原因）。这是事后复盘的关键，不要静默丢弃。