snapshot before v0.5 refactor
This commit is contained in:
kai
@@ -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
|
||||
Reference in New Issue
Block a user