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

v0.10: add native Codex adapter for deep research

Browse Source
This commit is contained in:
kai
2026-04-24 10:48:14 +08:00
parent c93fce5078
commit 77df1838b1
48 changed files with 3354 additions and 48 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.agents/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
```
.agents/skills/en-zh-translation/SKILL.md
+267
View File
@@ -0,0 +1,267 @@
---
name: en-zh-translation
description: 生物医药英译中规范。专有名词双语对照策略、术语表管理、断句重构原则、数字与标点转换、去翻译腔。dr-translator 必读。
---
# 英译中规范（生物医药专业报告）
## 你的身份
你是生物医药专业报告的翻译编辑，不是机器翻译。目标：译文读起来**像母语中文写作者的原创**，不是"翻译腔"。
---
## 一、整体原则
### 1. 忠实于内容，不忠实于句式
英文长句拆成中文短句。英文习惯的 "X, which is Y, was Z" 嵌套结构，中文应断为两到三句。
**反例（翻译腔）**：
> 这种药物，它是 GLP-1 受体激动剂家族中的一员，被证明在降低 HbA1c 方面是有效的。
**改写**：
> 这种药物属于 GLP-1 受体激动剂家族，能有效降低 HbA1c。
### 2. 不保留英文的被动语态
英文被动 → 中文主动（或不提主语）。
- "The drug was approved by FDA" → "FDA 批准了该药物" 或 "该药物获 FDA 批准"
- "It has been shown that..." → 直接说"研究显示..."或"数据显示..."
### 3. 去掉冗余连词
英文的 Furthermore / Moreover / Additionally / In addition / Furthermore 在中文大多可以删，让段落自然承接。
---
## 二、专有名词双语对照策略
### 首次出现原则
专有名词**首次出现**时用"中文（英文）"格式，之后只用中文或英文单独一致使用：
- 首次：`糖苷水解酶 101 家族（GH101 family）`
- 之后：`GH101 家族` 或 `糖苷水解酶 101 家族`（选一种风格用到底）
### 行业惯例优先
以下术语在行业中**中英混用是标准做法**，不要强制翻译：
- 直接保留英文：FDA, EMA, NMPA, FEV1, BEC, sST2, CAT, SGRQ, BLA, NDA, IND, ICH, CMC, CDMO, CDMO, GH101, IgG, mAb, ADC, BsAb, GLP-1, PD-1, CAR-T, HbA1c, IL-4, IL-5, IL-13, IL-33, ST2, Th2, ILC2s
- 中英并列的术语：抗体偶联药物（ADC）、单克隆抗体（mAb）、慢性阻塞性肺疾病（COPD）
### 动词/形容词类翻译
这类不保留英文：
| 英文 | 中文 |
|---|---|
| significant | 显著（需跟数据）|
| substantial | 大幅 |
| demonstrate | 表明 / 显示 |
| exhibit | 表现出 |
| propose | 提出 |
| investigate | 研究 |
| establish | 建立 / 确立 |
| confirm | 证实 |
| underscore | （直接删，见 humanizer-cn） |
| highlight | （直接删或改为"指出"） |
---
## 三、数字与单位转换
### 数字表达
- 英文 "12,000" → 中文 "12,000"（保留千分位逗号）
- 英文 "1.2 billion USD" → 中文 "12 亿美元"
- 英文 "3.5 million patients" → 中文 "350 万名患者"
- 英文 "23%" → 中文 "23%"
### 量词
数字后面中文要加量词：
| 英文 | 中文 |
|---|---|
| 12 studies | 12 项研究 |
| 3 companies | 3 家公司 |
| 5 patents | 5 项专利 |
| 20 patients | 20 名患者 |
| 1.2 billion | 12 亿 |
| 3 years | 3 年 |
| 6 months | 6 个月 |
### 时间格式
- "2024" → "2024 年"
- "2020-2025" → "2020-2025 年"（用半角连字符）
- "Q4 2025" → "2025 年第 4 季度" 或 "2025 Q4"
- "March 2024" → "2024 年 3 月"
### 百分比
- "30%" → "30%"
- "up to 60%" → "最高 60%"
- "approximately 40%" → "约 40%"
---
## 四、标点转换
### 必须转为中文标点的情况
中文段落中，句内标点必须是**中文全角标点**：
| 英文 | 中文 |
|---|---|
| `,` | `，` |
| `.` | `。` |
| `;` | `；` |
| `:` | `：` |
| `?` | `？` |
| `!` | `！` |
| `"..."` | `"..."` |
| `'...'` | `'...'` |
| `(...)` | `（...）` |
| `—` | `——`（中文全角破折号是两个连一起）|
| `...` | `……`（中文省略号六个点）|
### 保留英文标点的情况
- 英文术语、代码、URL 内部的标点
- 行内引用的英文原文
- 数据单位前后：`3.2 mg/kg`（数字和单位之间用英文斜杠）
---
## 五、句子结构重构
### 英文长句→中文短句
**原文**：
> The observation that sST2 levels, which have been validated as a prognostic biomarker in heart failure and included in ACC/AHA guidelines, are elevated in COPD patients during acute exacerbations suggests a potential cross-disease mechanism.
**烂翻译**：
> sST2 水平（它已被验证为心力衰竭的预后生物标志物并被纳入 ACC/AHA 指南）在 COPD 患者急性加重期间升高的观察结果，提示了潜在的跨疾病机制。
**好翻译**：
> sST2 已是心力衰竭领域的预后生物标志物，纳入 ACC/AHA 指南多年。COPD 患者在急性加重期间 sST2 水平升高，提示这两类疾病可能共享同一条炎症通路。
### 修饰语位置
英文习惯把修饰语放后面（of / which / that 从句），中文要前置或拆句。
- "the company that pioneered O-glycosidase commercialization in 1990" → "1990 年率先实现 O-糖苷酶商业化的那家公司"（前置）
- 或拆句："NEB 公司在 1990 年率先将 O-糖苷酶商业化"
---
## 六、段落重构
### 英文段落首句原则
英文学术/商业写作的段落一般首句即论点（Topic sentence），后面是论据。翻译时保留这一结构，不要打乱。
### 段落长度调整
- 英文习惯长段（150-200 词 / ≈ 250-330 字）
- 中文如果一段超过 400 字，读起来累。超过 400 字应考虑拆段。
- 拆段原则：按子论点拆，不要机械按句数拆
---
## 七、翻译后校对清单
译完后自己过三遍：
### 第 1 遍：准确性
- 所有数字、日期、百分比、来源 ID `[src_xxx]` 完全一致？
- 所有专有名词首次出现有中英对照？
- 没有错译、漏译？
### 第 2 遍：流畅性
- 有没有"的"字过多？（`X 的 Y 的 Z 的 W` 这种链式改为"X 下的 Y 中的 Z"）
- 有没有翻译腔？（"...的话"、"...的话说"、"对于...来说"、"在...方面"）
- 句子长度是否有节奏变化？全长句或全短句都不行
- 读一遍念出来，是否自然？
### 第 3 遍：humanizer-cn 禁用词
加载 `skill:humanizer-cn`，扫一遍中文禁用词清单：
- 跃迁 / 赋能 / 落地 / 格局 / 生态 / 痛点 / 风口 / 闭环 / 抓手 / 颠覆 / 引领 / 重塑 / 赛道 / 范式 / 底层逻辑 / 本质上 / 从根本上
- AI 套话：随着、不断、深入、值得注意、不难发现、具有重要意义、综上所述、由此可见
---
## 八、特殊情况处理
### 原文是咨询报告风格
保留咨询报告的语感：观点前置、数字支撑、对比结构。不要为了"接地气"而口语化。
### 原文包含表格
表格翻译时：
- 表头翻译
- 单元格数字保留原格式
- 专有名词保留英文（节省宽度）
- 表格标题用 `表 X-Y：<内容>（数据来源：[src_xxx]）`
### 原文包含图表
图表标题和说明翻译；图表本身（如果是 matplotlib 生成的 PNG）可能需要 dr-reporter 用中文字体重新生成。
### 原文包含 SCQA 式段落（如 Executive Summary）
SCQA 结构保留（因为这是麦肯锡式叙事），但不要标注 "S/C/Q/A"字样，按 `mckinsey-method skill` 要求写成融合式。
---
## 九、术语表维护
dr-translator 在翻译过程中维护项目级术语表：
```
projects/<slug>/phase4/glossary.json
{
"GH101 family": "糖苷水解酶 101 家族",
"endoglycosidase": "内切糖苷酶",
"O-glycosylation": "O-糖基化",
"Core 1": "核心 1 型",
...
}
```
这个术语表会作为 final report 里的"术语表（Glossary）"章节，双语对照呈现。
---
## 十、输出要求
### 文件命名
- 英文稿：`projects/<slug>/phase4/final_en.md`
- 中文稿：`projects/<slug>/phase4/final_zh.md`（dr-translator 产出）
- 中文稿润色后：仍然 `final_zh.md`（dr-polisher 原地修改）
- PDF 主稿：`final.pdf`（中文）
- PDF 英文参考版：`final_en.pdf`
- DOCX 主稿：`final.docx`（中文）
### 交付汇报
翻译完成后向调用者返回：
```
翻译完成
英文源：projects/<slug>/phase4/final_en.md (X words)
中文译：projects/<slug>/phase4/final_zh.md (X 字)
膨胀率：X%（预期 1.4 倍）
术语表：projects/<slug>/phase4/glossary.json (X 条)
翻译质检：humanizer-cn 禁用词 X 项（已清理）
下一步：等待 dr-polisher 做最终润色
```
.agents/skills/evidence-table/SKILL.md
+157
View File
@@ -0,0 +1,157 @@
---
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>
```
---
## 正文中反方证据段落的写作规范（v0.8 新）
### 标题必须观点化，不能叫 "反驳证据 / Counter-Evidence"
**问题诊断**：v0.7 发现每章末尾 dr-analyst 会机械地写 `## 反驳证据`，标题重复而空洞，读者看了没有信息增益。
**新规则**：正文反方证据段落的标题必须：
1. **用二级 H2 或三级 H3 标题**（统一层级，禁止用加粗段冒充标题）
2. **包含具体判断**，不要用"反驳证据" / "反方证据" / "Counter-Evidence" 这种模板化命名
3. 至少要回答：**"对前述论点的哪一方面提出了什么挑战？"**
### 可接受的命名示例
| ✗ 不推荐 | ✓ 推荐 |
|---|---|
| 反驳证据 | 另一种声音：管线虚胖还是真实进展？ |
| Counter-Evidence | 需要补充判断的副作用：汇聚偶联收率可能被高估 |
| 反方观点 | 反例：Codexis ECO 并非所有情境都优于 SPOS |
| Counter Arguments | 值得警惕的数据：临床前到 IND 的衰减率 |
### 段落结构模板（推荐）
```markdown
## <观点化标题>
虽然上文论证了 <核心观点>，但以下证据提示需要**有限度地**接受这一判断：
1. **<反方论点 1>**：<具体数据或案例> [src_xxx]。影响评估：<说明>
2. **<反方论点 2>**：<具体数据或案例> [src_xxx]。影响评估：<说明>
综合而言，核心结论仍成立，但需在 <某个具体维度> 上留出缓冲。
```
### 禁止的写法
- 单独用 **加粗段** 冒充反方证据标题（`**反方证据：** ...`）
- 反方证据后不做整合判断，只是堆数据
- 在每个小节末尾都加反方证据（只在章末加一次即可；若小节级别有重大挑战，写在小节正文里即可）
---
## 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）
.agents/skills/humanizer-cn/SKILL.md
+356
View File
@@ -0,0 +1,356 @@
---
name: humanizer-cn
description: 去除 AI 味的中英双语写作规则。基于 Wikipedia Signs of AI Writing + blader/humanizer + 生物医药中文报告特化经验。dr-polisher 必读；dr-editor-in-chief 和 dr-translator 也应遵循。
---
# Humanizer（中英双语去 AI 味规范）
## 你的任务
拿到文稿后，**按以下流程处理**：
1. **扫描**全文，识别所有 AI 模式（下述 28 条）
2. **重写**问题段落，保留原意，换掉 AI-ism
3. **注入人味**：不只是删除坏模式，要加入真正的个性
4. **做最后一遍自问**：问自己"这段里还有什么显得是 AI 写的？"逐条修正
---
## 核心原则
> **避免 AI 模式只是一半工作。没有灵魂的干净文字和 slop 一样明显。好的写作背后有真人。**
---
## 英文规则（Phase 2/3 工作语言）
### 1. 过度渲染"意义/遗产/更宏大趋势"
**禁用词**：stands/serves as, is a testament/reminder, pivotal/crucial/key moment, underscores importance, reflects broader, symbolizing enduring, contributing to, setting the stage for, marking a shift, key turning point, evolving landscape
**反例**：
> The Institute was established in 1989, marking a pivotal moment in the evolution of regional statistics and reflecting broader decentralization trends.
**改写**：
> The Institute was established in 1989 to collect regional statistics independently from the national office.
### 2. 空泛归因 / Weasel Words
**禁用词**：Industry reports suggest, Observers have cited, Experts argue, Some critics argue, several sources, It has been noted
**反例**：
> Experts believe this river plays a crucial role in the regional ecosystem.
**改写**：
> A 2019 survey by the Chinese Academy of Sciences found that this river supports 12 endemic fish species.
### 3. -ing 短语堆砌（伪深度）
**禁用模式**：highlighting/underscoring/emphasizing/ensuring/reflecting/contributing to/cultivating/fostering/encompassing/showcasing
**反例**：
> The architect chose blue, green, and gold, symbolizing Texas bluebonnets, reflecting the community's deep connection to the land.
**改写**：
> The architect chose blue, green, and gold to reference local bluebonnets and the Gulf coast.
### 4. 高频 AI 词汇
**禁用**：Actually, additionally, align with, crucial, delve, emphasizing, enduring, enhance, fostering, garner, highlight (v), interplay, intricate, key (adj), landscape (abstract), pivotal, showcase, tapestry, testament, underscore, valuable, vibrant
### 5. 规避 "is/are"（Copula Avoidance）
**禁用模式**：X serves as Y / X stands as Y / X marks Y / X represents Y / X boasts / X features / X offers
**反例**：
> Gallery 825 serves as LAAA's exhibition space and boasts over 3,000 square feet.
**改写**：
> Gallery 825 is LAAA's exhibition space, with 3,000 square feet.
### 6. 负向平行（Negative Parallelism）
**禁用**：It's not just X, it's Y / Not only X but Y / more than just
### 7. 三段式（Rule of Three）
不为凑数拼三项。"The event features keynote sessions, panel discussions, and networking opportunities" → "The event includes talks and panels with informal networking between sessions."
### 8. 同义词循环（Elegant Variation）
避免在连续句子里对同一概念使用"the protagonist / the main character / the central figure / the hero"。一个叫法用到底即可。
### 9. 伪范围（False Ranges）
**禁用**：from X to Y 当 X 和 Y 不在同一量纲上。
"Our journey has taken us from the Big Bang to the cosmic web, from star formation to dark matter" → "The book covers the Big Bang, star formation, and dark matter."
### 10. 被动/无主语片段
"No configuration file needed" → "You do not need a configuration file."
"The results are preserved automatically" → "The system preserves the results automatically."
### 11. 破折号过度使用
长破折号每章不超过 3 处。绝大多数情况下可以用逗号、句号或括号改写。
### 12. 内联粗体列表（Inline-header bullets）
**反例**：
- **Speed:** Code generation is significantly faster.
- **Quality:** Output quality has been enhanced.
- **Adoption:** Usage continues to grow.
**改写为段落**：
> The tool speeds up code generation substantially and improves output through better training. Adoption has grown alongside these improvements.
### 13. 标题 Title Case
**禁用**：## Strategic Negotiations And Global Partnerships
**改为**：## Strategic negotiations and global partnerships
### 14. Emoji 装饰
禁止在标题、段落开头用 emoji（🚀 💡 ✅）。
### 15. Curly Quotes
"这种引号" 改为普通 "straight quotes"。
### 16. Chatbot 残留
**禁用**：I hope this helps, Of course!, Certainly!, You're absolutely right!, Would you like..., Let me know, Here is a..., Great question!
### 17. 知识截止声明
**禁用**：as of [date], up to my last training update, While specific details are limited, based on available information
### 18. 谄媚语气
**禁用**：Great question! You're absolutely right! That's an excellent point.
### 19. Filler 短语
| 禁用 | 改为 |
|---|---|
| In order to achieve this goal | To achieve this |
| Due to the fact that | Because |
| At this point in time | Now |
| In the event that | If |
| Has the ability to | Can |
| It is important to note that | （直接删） |
### 20. 过度 Hedging
"It could potentially possibly be argued that..." → "The policy may..."
### 21. 通用正向总结
**禁用**：The future looks bright. Exciting times lie ahead. A major step in the right direction.
**改为**：具体说清楚下一步做什么。
### 22. 连字符成对词过多
AI 对常用词对几乎 100% 加连字符（third-party, cross-functional, data-driven, decision-making, well-known, high-quality, real-time, long-term, end-to-end）。人类用得不那么整齐。选择性去掉连字符。
### 23. 权威套话
**禁用**：The real question is, at its core, in reality, what really matters, fundamentally, the deeper issue, the heart of the matter
这些都是 AI 假装切穿表象直达真相的套路，删掉后真相还是在那里。
### 24. Signposting 预告
**禁用**：Let's dive in, let's explore, let's break this down, here's what you need to know, without further ado
直接进入内容，不要预告。
### 25. 标题后重复一遍标题内容
```
## Performance
Speed matters.
When users hit a slow page, they leave.
```
删掉 "Speed matters"。
### 26. 过度 boldface
不要在每一句里加粗 **这个** 和 **那个**。一段里粗体超过 2 处，说明你没认真思考该强调什么。
---
## 中文规则（Phase 4 翻译后适用）
中文有一套自己的 AI 味。以下是核心禁用清单。
### CN-1：AI 高频词（见到即替换）
| 禁用词 | 替换策略 |
|---|---|
| 跃迁 / 跃升 / 跃上 | 改为"升至 / 提升到" |
| 赋能 | 改为"帮助 / 支持 / 推动" |
| 落地 | 改为"实施 / 推行 / 执行" |
| 格局 | 具体说清楚是"竞争格局"还是"市场格局" |
| 生态 / 生态圈 | 少用，具体说"上下游企业" |
| 深度 / 深度的 | 少用，改为具体描述 |
| 痛点 | 改为"问题 / 困难" |
| 风口 | 直接说"市场机会" |
| 闭环 / 打通闭环 | 改为"完成了完整流程" |
| 抓手 | 删掉，直接说动作 |
| 颠覆 / 颠覆性 | 少用，过度戏剧化 |
| 引领 / 引领性 | 改为具体的"率先做了..." |
| 重塑 / 重构 | 改为"改变 / 改组" |
| 赛道 | 改为"细分领域 / 市场" |
| 范式 | 改为"方式 / 模式" |
| 底层逻辑 | 改为"根本原因 / 核心机制" |
| 本质上 / 从根本上 | 直接删除，讲具体内容 |
### CN-2：AI 套话（整句清除）
**禁用**：
- "随着 X 的不断发展"
- "在 X 背景下 / 在这一背景下"
- "值得注意的是"
- "不难发现"
- "显而易见"
- "毫无疑问"
- "具有重要意义"
- "发挥了重要作用"
- "起到了 X 的作用"
- "综上所述"
- "由此可见"
- "总的来说"
- "据报道"
- "有研究表明 / 有专家认为"（除非说出具体是哪项研究/哪位专家）
### CN-3：规避"是"的冗余句式（AI 极高频）
| 禁用 | 改为 |
|---|---|
| X 标志着 Y | X 是 Y / 从此 Y 成立 |
| X 代表着 Y | X 是 Y |
| X 构成 Y | X 是 Y |
| X 成为 Y | 直接用 "X 是 Y" |
| X 跃升为 Y | X 升到 Y |
| X 彰显着 Y | X 说明 Y |
| X 体现了 Y | X 说明 Y / X 显示 Y |
### CN-4：三段式堆砌（Rule of Three）
中文 AI 特别爱拼三段：
- "短期、中期、长期"
- "需求侧、供给侧、政策侧"
- "技术、资本、市场"
- "硬实力、软实力、巧实力"
不为凑数拼三段。如果只有两个要点就说两个，四个就说四个，节奏自然一些。
### CN-5：空洞形容词（必须跟数据）
- 巨大 → "250 亿美元"
- 快速 → "CAGR 23%"
- 显著 → "降低 40%（p<0.001）"
- 强劲 → "增速高于同行 8 个百分点"
- 显著领先 → "领先第二名 30% 市场份额"
无数据形容词直接删。
### CN-6：破折号规范
- 中文用全角破折号 `——`（两个连接起来）
- 每章不超过 3 处
- 多数情况可改为逗号、括号、句号
### CN-7：负向平行
**禁用**：
- "不仅...更..."
- "不仅仅是...，更是..."
- "不是...而是..."
- "不只是...，还是..."
偶用可以，成段出现必改。
### CN-8：过度书面腔 / 翻译腔
- "使...得以..." → "让 X 能 Y"
- "通过...方式 / 通过...的方式" → "用 X / 以 X"
- "对于 X 而言" → "X 的..."
- "在 X 方面" → 具体说哪方面
- "就 X 来说" → 删
### CN-9：内联粗体小标题（每段开头都加粗）
**反例**：
- **技术层面**：xxx
- **商业层面**：xxx
- **风险层面**：xxx
改为叙述段落。保留加粗的前提是：真的是关键强调，而不是装饰。
### CN-10：章节标题 / 小节标题禁止用符号开头
禁止：🚀 / ✅ / 💡 / ⚠️ 等 emoji 开头。如果是正式提示标志，在正文中用文字表述。
---
## 注入人味（Add Soul）
干净但没灵魂的文字和 AI slop 一样明显。合格的报告要有：
### 有立场
不要只报告事实——对事实有判断。"定价策略存在风险"比"定价策略有利有弊"好。
### 节奏变化
短句。再长一些的句子慢慢把意思讲清楚。混着用。
### 承认不确定
真人会说"我不确定"，AI 不会。允许出现"这个趋势能否持续还需观察"、"目前数据尚不足以做判断"这种诚实表达。
### 具体而非抽象
- "用户体验有待改善" → "首次打开页面要 8 秒，用户很可能就离开了"
- "存在风险" → "最大风险是 NEB 可能用专利诉讼拖延 18-24 个月"
### 有节制的第一人称
研究报告一般不用"我"，但是"我们认为 / 本报告认为"比"一般认为"好。
---
## 最后的自审流程
写完一段后，问自己三个问题：
1. **这句话是真人会说的吗？** 读出来听听看是否拗口做作
2. **能更具体吗？** 任何抽象词都问能否换成数据/案例
3. **删掉这句会失去什么？** 如果没损失，删
---
## Process Summary（给调用 agent 的操作清单）
拿到一份待润色的稿子后：
1. **扫描并标记**：全文搜索上述禁用词和模式
2. **逐段重写**：按规则替换
3. **检查节奏**：段落长短、句子长短是否有变化
4. **删减冗余**：空话 / 套话 / 无数据形容词
5. **核对格式**：没有 emoji、粗体不过度、标题 sentence case、破折号节制
6. **So What 检验**：每段都得有价值
7. **最后一遍自问**：这段还有哪里像 AI？针对性再改一轮
---
## 参考
- Wikipedia: Signs of AI writing (WikiProject AI Cleanup)
- blader/humanizer SKILL v2.5.1
- 9MW1911 综合战略报告（中文风格参考）
.agents/skills/length-budget/SKILL.md
+172
View File
@@ -0,0 +1,172 @@
---
name: length-budget
description: 报告字数预算分配与执行校验。支持 4 种字数模式（自动/简明/详细/深度），英中互换规则（英文词数 ≈ 中文字数 × 0.7），章节配额算法与补写策略。Phase 1 用于设定预算，Phase 2/4 用于自检。
---
# 字数预算系统
## 一、四种字数模式（Phase 1 访谈时选择）
用户在 /dr-init 访谈时选定其中一种，写入 manifest.word_budget_mode：
| 模式 | 中文字数目标 | 英文词数目标 | 章节数 | 适用场景 |
|---|---|---|---|---|
| `auto` | 按类型默认 | 按类型默认 | 8-12 | 不明确时默认 |
| `concise` | 8,000-12,000 | 5,600-8,400 | 6-8 | 高管一阅即过 |
| `detailed` | 20,000-35,000 | 14,000-24,500 | 10-12 | 标准专业报告 |
| `deep` | 50,000-80,000 | 35,000-56,000 | 12-15 | 深度研究/行业专著 |
**auto 模式的默认字数**（按报告类型）：
| 报告类型 | 中文字数 | 英文词数 | 章节数 |
|---|---|---|---|
| 综述 | 12,000 | 8,400 | 8-10 |
| 研究 | 35,000 | 24,500 | 10-12 |
| 投资 | 22,000 | 15,400 | 10-12 |
| 管理/工艺 | 18,000 | 12,600 | 9-11 |
**字数只是参考，以把问题讲清楚为第一优先**。过少则内容单薄，过多则注水。目标区间±20% 内都可接受。
---
## 二、英文-中文字数换算
**核心换算率**：1 个英文词 ≈ 1.4-1.5 个中文字
Phase 2 产出英文，Phase 4 翻译为中文后字数会自然膨胀约 40%。预算时：
- Phase 2 英文稿：按英文词数目标 × 1.0 写
- Phase 4 中文稿：英文词数 × 1.4 应落在中文字数目标的 ±15% 内
自动换算工具：
```python
def en_words_to_zh_chars(en_words: int) -> int:
return int(en_words * 1.4)
def zh_chars_to_en_words(zh_chars: int) -> int:
return int(zh_chars / 1.4)
```
---
## 三、章节配额分配（dr-plan 在 Phase 1 用）
### 三层优先级
```
P0（核心章，2-3 章）：每章 = 总字数 × 13-16%
P1（主干章，3-5 章）：每章 = 总字数 × 8-11%
P2（辅助章，2-3 章）：每章 = 总字数 × 5-7%
引言 / 结论章：各 = 总字数 × 6-8%
```
### 约束
- 章节字数差距 ≤ ±30%（防止头重脚轻）
- 结论章 ≥ 总字数 × 10%
- 每节 ≥ 600 字（英文 ≥ 420 词），不足则合并节
### 示例：30,000 字研究报告分配
| 章 | 定位 | 中文配额 | 英文配额 |
|---|---|---|---|
| 第 1 章 引言 | intro | 1,800 | 1,260 |
| 第 2 章 核心论点 | P0 | 4,500 | 3,150 |
| 第 3 章 机制剖析 | P0 | 4,500 | 3,150 |
| 第 4 章 临床证据 | P1 | 3,300 | 2,310 |
| 第 5 章 竞争格局 | P1 | 3,000 | 2,100 |
| 第 6 章 产业链 | P1 | 2,700 | 1,890 |
| 第 7 章 政策监管 | P1 | 2,400 | 1,680 |
| 第 8 章 风险 | P2 | 1,800 | 1,260 |
| 第 9 章 国际对比 | P2 | 1,500 | 1,050 |
| 第 10 章 趋势判断 | P1 | 2,100 | 1,470 |
| 第 11 章 结论与建议 | conclusion | 2,400 | 1,680 |
| **合计** | | **30,000** | **21,000** |
---
## 四、Phase 2 执行校验
dr-analyst 每章交稿前自检，dr-pm 每批校验。
### 英文字数统计
```bash
# 英文词数
wc -w projects/<slug>/phase2/drafts/chXX.md
```
### 中文字数统计（未来用）
```python
def count_chinese_words(text: str) -> int:
import re
cn = sum(1 for c in text if '\u4e00' <= c <= '\u9fff')
text_no_cn = re.sub(r'[\u4e00-\u9fff]', ' ', text)
en = len(re.findall(r"[A-Za-z]+(?:[-'][A-Za-z]+)*", text_no_cn))
return cn + en
```
### 校验逻辑
```
1. 读 chXX.md 统计英文词数
2. 对照 framework 中该章配额
3. 判断：
实际/配额 < 0.7 → 不合格，继续挖掘证据补写
0.7 ≤ 比值 < 0.85 → 警告，建议补足
0.85 ≤ 比值 ≤ 1.3 → 合格
比值 > 1.3 → 超纲，考虑精简或拆分
```
---
## 五、字数不足的正确补救路径
**绝对禁止为凑数注水**（"在此背景下"、"随着...的不断发展"等空话）。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
6. **国际对比**：若原文只讲中国，加一段国际对比
---
## 六、manifest 字段规范
```json
{
"word_budget_mode": "detailed",
"target_words_zh": 30000,
"target_words_en": 21000,
"min_words_zh": 24000,
"chapter_quotas_en": [
{"index": 1, "title": "...", "en_words": 1260, "priority": "intro"},
{"index": 2, "title": "...", "en_words": 3150, "priority": "P0"}
]
}
```
---
## 七、Phase 4 翻译后中文字数校验
翻译完成后：
1. 读 final_zh.md，按中英混排规则统计字数
2. 对照 manifest.target_words_zh
3. 落在 ±15% 区间内 → 合格
4. 不合格 → dr-polisher 在润色时适度扩展/压缩
---
## 八、硬规则
1. ✅ auto 模式按类型默认，其他模式按用户选择
2. ✅ 章节字数差距 ≤ ±30%
3. ✅ 结论章 ≥ 全文 10%
4. ✅ Phase 2 英文稿每章自检，不足 70% 配额必须补
5. ✅ Phase 4 中文稿整体字数校验在 ±15% 内
6. ❌ 禁止为凑数注水（AI 套话、重复表述）
7. ❌ 禁止对字数"打折"交稿
.agents/skills/mckinsey-method/SKILL.md
+177
View File
@@ -0,0 +1,177 @@
---
name: mckinsey-method
description: 顶级咨询公司（麦肯锡/BCG/德勤）研究报告写作方法论。金字塔原理、MECE、观点型标题、证据-数据-案例三要素、So What 自检。SCQA 仅用于 Executive Summary 和各章引入段，严禁每节机械套用。所有写作类 agent（dr-analyst/dr-editor-in-chief/dr-polisher）必读。
---
# 顶级咨询报告写作方法论（精炼版）
## 核心定位
本文档是报告写作的**唯一风格准则**。读过 9MW1911 综合战略报告吗？那是目标风格。读起来像咨询公司资深合伙人在跟董事会讲话，不像 AI 生成的综述。
---
## 一、金字塔原理（Pyramid Principle）
**结论先行，论据支撑，论据之间 MECE。**
```
章标题（= 一句判断）
↓
章首 2-3 段：直接给出本章结论 + 核心逻辑
↓
节 2.1（= 支撑论点 1）
节首 1 段：本节论点 + 核心证据
数据/事实/案例（带 [src_xxx]）
So What：这意味着什么
↓
节 2.2（= 支撑论点 2）
...
```
**章标题即判断**（强制）：
- ✗ "第 2 章 市场现状"
- ✓ "第 2 章 中国 GLP-1 市场 2025 年已跨越 10 亿美元门槛，增速仍在加速"
**节标题即子判断**（强制）：
- ✗ "2.1 竞争格局"
- ✓ "2.1 双寡头格局将在 3 年内被国产厂商打破"
---
## 二、SCQA 的正确使用（关键纠正）
**SCQA 不是每章每节都套的格式，是整份报告的开篇叙事工具。**
### 允许使用的位置（仅以下三处）
1. **Executive Summary 开头**（最重要）：用 SCQA 引出报告核心命题
2. **第 1 章引言**：用 SCQA 建立整份报告的分析框架
3. **决策性关键章引入段**（可选）：当某章提出重大判断或政策建议时
### 禁止使用的位置
- ✗ 每一节的开头都写 SCQA
- ✗ 任何位置显式标注 "**Situation（背景）**" "**Complication（张力）**" 等字样
- ✗ 三级小节还套用 SCQA
### 正确的 SCQA（隐式、融合式）
> 生物药 pipeline 的爆炸式扩张与 CMC 合规要求的层层抬高，正将 O-糖苷酶从一个依赖唾液酸预处理的专业试剂，推向覆盖 ADC 开发、双特异性抗体表征的工作流必选组分。然而，30 年来主导市场的 NEB 经典产品，对唾液酸化底物无活性这一根本局限始终未被突破。这就引出了一个核心问题：当下一代工程酶在 2019-2024 年集中商业化、市场标准正在重构时，后来者的进入窗口是否真实存在？本报告认为，窗口存在，但持续时间不超过 36 个月。
（这段里有 S/C/Q/A 四个要素，但没有任何显式标注，读起来像一段自然的论述。）
### 错误的 SCQA（显式标注式）
> **Situation（背景）**：生物药 pipeline 扩张...
> **Complication（张力）**：NEB 经典产品局限...
> **Question（问题）**：窗口是否存在？
> **Answer（答案）**：本章认为...
（这种写法是典型的 AI 套路，在最终报告里绝对禁止出现。）
---
## 三、MECE（章节划分铁律）
**Mutually Exclusive, Collectively Exhaustive — 互斥且穷尽。**
自检：
- 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"？有 → 合并或重划
- 对照分析框架列出所有应覆盖的维度，有遗漏 → 补章节
常用框架：
- 市场：需求侧 / 供给侧 / 竞争格局 / 监管环境
- 技术：原理 / 验证 / 产业化 / 壁垒
- 投资：市场空间 / 竞争壁垒 / 财务模型 / 风险
---
## 四、观点 + 证据的写作单元
每个段落的标准结构：
```
[论点句] 具体判断，1 句话。
[证据 1] 根据 <具体来源>，<数据> [src_xxx]。
[证据 2] 进一步，<案例/对比> [src_xxx]。
[So What] 这意味着 <对上层论点的意义>。
```
### 数据引用规范
| 类型 | 写法示例 |
|---|---|
| 市场规模 | "120 亿美元（2024 年）[src_042]" |
| 增长率 | "CAGR 23%（2023-2030）[src_018]" |
| 临床数据 | "OS 改善 23%（95% CI: 13.8-16.6，p<0.001，N=1,200）[src_007]" |
| 成功率 | "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，用数据代替）
---
## 五、So What 自检（每段都做）
每写完一段，问自己："所以呢？这对读者有什么意义？"
- 答案是"只是客观描述" → **要么删，要么补 So What 句**
- So What 句通常放段尾，1-2 句，明确点出这段内容对上层论点的贡献
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。"
---
## 六、报告整体结构（11 件套）
参考 9MW1911 综合战略报告的组织方式：
1. **封面**：主标题 + 副标题 + 保密标识 + 编制日期
2. **Executive Summary / 执行摘要**（≈800 字）：SCQA 开篇 + 核心结论 4 条 + 关键行动优先级
3. **Abstract / 摘要**（500-600 字）：独立一页，叙事式，面向广义读者
4. **Glossary / 术语表**（双语对照）
5. **Table of Contents / 目录**
6. **正文章节**（8-15 章）
7. **结论与建议章**
8. **附录**（2-5 个，如 CMC、临床对比、合并症分析）
9. **参考文献**（[src_xxx] 编号格式）
10. **免责声明**
11. **版本信息**
---
## 七、章节写作 Checklist（每章完成后自检）
- [ ] 章标题是观点型判断，不是"概述/现状/背景"
- [ ] 章首 2-3 段给出结论和逻辑
- [ ] 各节互斥且穷尽（MECE）
- [ ] 每节标题也是观点型判断
- [ ] 每个数字/事实后接 [src_xxx]
- [ ] 每段末尾有 So What 句
- [ ] 没有显式标注 "S/C/Q/A"
- [ ] 没有"巨大/快速/显著/强劲"等无数据形容词
- [ ] 没有"本章定位/字数配额/研究员"等调度元数据
- [ ] 没有占位符 [待验证]（除非确实找不到第二个信源）
---
## 八、严禁出现的写作坏习惯（humanizer 已列，此处精简）
**AI 套话**：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
**规避 "是" 的冗余结构**（AI 高频）：标志着 / 代表着 / 构成 / 成为 / 跃升为 → 直接用 "是"
**三段式堆砌**：不要为凑数硬拼"需求侧 / 供给侧 / 政策侧"、"短期 / 中期 / 长期"
**破折号过用**：长破折号每章不超过 3 处
**负向平行**：不要"不仅...更..."、"不是...而是..."（偶用可，成段出现不可）
完整规则见 `skill:humanizer-cn`。
.agents/skills/output-hygiene/SKILL.md
+266
View File
@@ -0,0 +1,266 @@
---
name: output-hygiene
description: 报告输出卫生检查。禁止词清单（调度元数据、占位符残留、待验证标注）、格式异常检测、参考文献完整性校验。dr-polisher 在润色最后一步必跑；dr-reporter 出稿前复查一次。
---
# 输出卫生清单（Output Hygiene Checklist）
## 目的
拦截"调度元数据"和"中间产物残留"进入最终报告。9MW1911 那份报告之所以干净，是因为过滤掉了一切过程性内容，只留最终成品。
---
## 一、禁止出现在最终报告正文中的字样（元数据黑名单）
以下字符串在 final.md / final_zh.md / final_en.md 里**一旦出现即为缺陷**，dr-polisher 必须清除：
### A. 调度元数据
- `章节定位`
- `字数配额`
- `研究员：dr-analyst`
- `研究员：dr-searcher`
- `生成时间：2026-`（Year-MM 生成日期只在版本信息页出现一次）
- `P0 核心章` / `P1` / `P2`（这些是内部分级，不给读者看）
- `dr-plan` / `dr-pm` / `dr-analyst` / `dr-verifier` / `dr-chief-editor` / `dr-editor-in-chief` / `dr-polisher` / `dr-reporter` / `dr-translator`
- `Phase 1` / `Phase 2` / `Phase 3` / `Phase 4`（除非在"方法论说明"附录讨论研究流程时）
### B. 占位符残留
- `[由 dr-reporter 自动生成]`
- `[待填]` / `[TBD]` / `[TODO]`
- `<slug>` / `<topic>` / `<N>` / `<X>` 等模板占位符
- `{{ ... }}` / `${...}` 变量语法残留
### C. 中间产物引用
- `参考信源：[src_101] –[src_120] （详见 sources.jsonl ch02 条目）`
- `详见 phase2/evidence/chXX-evidence.md`
- `详见 sources.jsonl`
- `本章信源索引：...（详见 ...）`
- `⚠️ 待验证` / `⚠️ [待验证]`（这是过程性标注；如必须保留某个"存疑观点"的提示，应改为正式语言如"该数据仅有 X 个来源支持，建议人工核实"）
### D. 研究思路泄漏
- `研究思路：`
- `核心研究问题：`
- `初步假设：`
- `预期信源：`
- `预期篇幅：`
这些是 framework.md 里给 dr-analyst 看的规划信息，不能出现在读者版。
### E. Agent 交付汇报语
- `产出：` / `完成后返回：`
- `任务：` / `硬性要求：`
- `必读 skill：`
- `章节小结：` （改为自然段落收尾）
---
## 二、格式异常检测
### F. SCQA 显式标注（已禁止的机械模式）
以下组合**不应在最终报告中成对出现**（用 grep 扫）：
- `**Situation（背景）**` + `**Complication（张力）**`
- `**S（背景）**` + `**C（挑战）**` + `**Q（问题）**` + `**A（答案）**`
- `Answer-First` 显式标注
- `**核心结论（Answer-First）**`
SCQA 要写得隐式融合（见 mckinsey-method skill）。
### G. 三级以上嵌套标题乱用
正文正式章节标题不要超过 3 级：
- `# 第 X 章` （报告级）
- `## X.Y 节` （章内节）
- `### X.Y.Z 小节` （节内小节）
禁止 `####` `#####` `######`。如果需要 4 级以上，重新组织结构。
### H. 引用格式不统一
所有引用统一 `[src_XXX]` 格式（3 位数字）。禁止混用：
- `[src_1]`（没补零）
- `[source_001]`（变形）
- `(src_001)`（圆括号）
- `[ref_1]` / `[r1]`（其他简写）
### I. 中英文标点混用
中文正文里的标点应是**中文标点**：
- `，` 不是 `,`
- `。` 不是 `.`
- `；` 不是 `;`
- `：` 不是 `:`
- `"..."` 不是 `"..."`（除了直接引用英文）
- `（...）` 不是 `(...)`
例外：行内英文术语、代码、URL、数据单位前后保持英文标点合理。
### J. Emoji（强制禁用）
**正文与表格中严禁使用任何 emoji / 彩色符号**：
禁用清单（但不限于）：
`✅ ❌ ✔ ✖ 🔶 🔷 ⭐ 🟢 🔴 🟡 🟠 ⚠️ ⚠ 💡 📌 🔑 📊 📈 📉 🔥 ✨ 🎯 🎉 ➔ ➜`
**原因**：PDF 使用的思源字体子集不包含这些字符的 glyph，渲染为空白方框（□）。
**替代写法**：
- 表格标记"有/无"：用 `✓` `×`（思源字体支持）或中文字 `是` / `否`
- 强调状态：用 `◆` `●` 等几何符号（字体支持）
- 警示：用 `注：` `警告：` `※` 等文字前缀
- 重点：用 **粗体** 或引用块，不用 emoji
扫描命令：
```bash
python3 -c "
import re
txt = open('final_zh_polished.md').read()
pat = re.compile(r'[\u2700-\u27BF]|[\U0001F300-\U0001F9FF]|[\u2B00-\u2BFF]')
hits = [(i, m.group()) for i, m in enumerate(pat.finditer(txt))]
print(f'emoji 命中：{len(hits)} 处')
for i, c in hits[:10]:
print(f' 位置 {i}: {c!r} (U+{ord(c):04X})')
"
```
---
## 三、参考文献完整性校验（最关键）
dr-reporter 出稿前**必须**执行：
```bash
# 1. 从 final.md 提取所有引用的 src_id
grep -oE '\[src_[0-9]+\]' projects/<slug>/phase4/final.md | sort -u > /tmp/cited.txt
# 2. 从 citations.md / sources.jsonl 提取所有已登记的 src_id
grep -oE 'src_[0-9]+' projects/<slug>/phase4/citations.md | sort -u > /tmp/registered.txt
# 或从 sources.jsonl
python3 -c "
import json
with open('projects/<slug>/phase2/sources.jsonl') as f:
for line in f:
d = json.loads(line)
print(d['id'])
" | sort -u > /tmp/registered.txt
# 3. 差集：cited 里有但 registered 里没有 → 严重错误
comm -23 /tmp/cited.txt <(sed 's/[][]//g' /tmp/registered.txt) > /tmp/missing.txt
# 4. 反向差集：registered 有但从未被 cited → 孤立信源，可剔除
comm -13 /tmp/cited.txt <(sed 's/[][]//g' /tmp/registered.txt) > /tmp/orphan.txt
```
### 处理规则
- 有 missing 信源（引用了但无记录）→ **致命错误**，dr-reporter 拒绝出稿，抛回上游排查
- 有 orphan 信源（有记录但未被引用）→ 警告，从 citations.md 剔除
- final.md 里的"参考文献"段落**必须包含完整的编号清单**，不能是 `[由 dr-reporter 自动生成]` 之类的占位符
- 如果 final.md 的参考文献段落是占位符 → 读 citations.md 内容回填
---
## 四、标题规范
### 章标题
- 观点型判断句，不是"概述/现状/背景"
- 长度 15-40 字（中）/ 10-25 词（英）
- 不以动词开头（如"分析/探讨/研究"），改为判断句
**反例**：
- 第 2 章 分析中国 GLP-1 市场的现状
- 第 3 章 探讨 NEB 产品的竞争优势
**正例**：
- 第 2 章 中国 GLP-1 市场 2025 年已跨越 10 亿美元门槛
- 第 3 章 NEB 的 30 年专利丛林将在 2028 年后开始瓦解
### 节标题
- 同样要求观点型
- 长度 10-25 字 / 8-15 词
- 禁止 `2.1 背景 / 2.2 现状 / 2.3 趋势` 这种模板化结构
---
## 五、图表与数据卫生
### 表格
- 表头第一行要有单位（金额 USD / 百分比 % / 年份等）
- 所有数据有来源标注（行内 [src_xxx] 或表脚注）
- 避免超过 10 列宽表（PDF 会被截断）
### 图表标题
格式：`图 X-Y：<内容描述>（数据来源：[src_xxx]）`
### 数字规范
- 阿拉伯数字 + 中文量词：`12 项研究` / `3.2 亿元`
- 大数字三位分节：`12,000` 而非 `12000`
- 百分比带 `%`，不写"百分之十二"
- 时间范围用连字符：`2020-2025 年` 不是 `2020 至 2025 年`
---
## 六、自动化检查脚本（dr-polisher / dr-reporter 必跑）
```python
# hygiene_check.py
import re, sys
BLACKLIST_ZH = [
"章节定位", "字数配额", "研究员：dr-",
"P0 核心章", "P1 主干章", "P2 辅助章",
"Phase 1", "Phase 2", "Phase 3", "Phase 4",
"dr-plan", "dr-pm", "dr-analyst", "dr-verifier",
"dr-chief-editor", "dr-editor-in-chief", "dr-polisher",
"dr-reporter", "dr-translator",
"[由 dr-reporter 自动生成]", "[待填]", "[TBD]", "[TODO]",
"详见 phase2/", "详见 sources.jsonl",
"本章信源索引", "⚠️ 待验证", "⚠️ [待验证]",
"**Situation（背景）**", "**Complication（张力）**",
"**Question（问题）**", "**Answer（答案）**",
"**S（背景）**", "**C（挑战）**",
"Answer-First", "核心结论（Answer-First）",
"研究思路：", "核心研究问题：", "初步假设：",
"预期信源：", "预期篇幅：",
"硬性要求：", "必读 skill：", "产出：",
]
path = sys.argv[1]
text = open(path, encoding='utf-8').read()
issues = []
for pattern in BLACKLIST_ZH:
if pattern in text:
count = text.count(pattern)
issues.append(f" × '{pattern}' 出现 {count} 次")
if issues:
print(f"{path} 存在 {len(issues)} 项卫生问题：")
for i in issues:
print(i)
sys.exit(1)
else:
print(f"{path} 输出卫生检查通过")
sys.exit(0)
```
---
## 七、硬规则
1. ✅ dr-polisher 润色的最后一步跑 hygiene_check
2. ✅ dr-reporter 出稿前再跑一次 hygiene_check + 参考文献完整性校验
3. ✅ 任何禁止词残留都必须修正，不能"放过一马"
4. ✅ 参考文献段落必须包含完整编号清单，不允许占位符
5. ❌ 禁止把"⚠️ 待验证"这种过程标注留到读者版
6. ❌ 禁止三级以上嵌套标题
.agents/skills/pdf-reportlab/SKILL.md
+303
View File
@@ -0,0 +1,303 @@
---
name: pdf-reportlab
description: 用 ReportLab 生成专业中文 PDF 研究报告。集中样式管理、紧凑分页（widows/orphans/keepWithNext）、颜色层次、封面保密标识、页眉页脚简洁化。基于 9MW1911 综合战略报告的编排参考。
---
# ReportLab 中文 PDF 模板使用指南（v0.5）
## 一、为什么是 ReportLab
- **完全可控**：每个字号、行距、颜色由代码说了算，不被引擎意外改动
- **中文字体一次搞定**：`pdfmetrics.registerFont` 注册后全局可用，子集嵌入 PDF，无授权问题
- **分页规则精确**：支持 widows/orphans、keepWithNext、splitByRow 等避免孤行/寡行
- **图表嵌入高质量**：matplotlib 300 DPI PNG，速度快
- **样式集中在 StyleSheet**：避免字号不一
---
## 二、模板入口
脚本：`.opencode/templates/report-template.py`
调用：
```bash
uv run python .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
```
首次使用前：
```bash
bash .opencode/templates/fonts/download-fonts.sh
```
---
## 三、字体注册（7 个字重）
```
SrcSerif-Regular 思源宋体 Regular 正文
SrcSerif-Bold 思源宋体 Bold 正文粗体
SrcSans-Light 思源黑体 Light 页眉页脚
SrcSans-Medium 思源黑体 Medium 三级标题/图表
SrcSans-Bold 思源黑体 Bold 一二级标题
SrcSans-Heavy 思源黑体 Heavy 封面大标题
Kai 霞鹜文楷 Regular 摘要/引文
```
---
## 四、样式表（StyleSheet，集中管理）
| 样式名 | 字体 | 字号 | 行高 | 颜色 | 备注 |
|---|---|---|---|---|---|
| `body` | SrcSerif | 10.5 | 18 | `#1a1a1a` | 正文，首行缩进 21pt |
| `body-bold` | SrcSerif-Bold | 10.5 | 18 | `#1a1a1a` | 行内加粗 |
| `h1` | SrcSans-Bold | 18 | 28 | `#1e3a8a` | 章标题，前强制分页 |
| `h2` | SrcSans-Bold | 14 | 22 | `#2c5282` | 节标题 |
| `h3` | SrcSans-Medium | 12 | 18 | `#374151` | 小节标题 |
| `quote` | Kai | 10.5 | 18 | `#4b5563` | 引文 |
| `caption` | SrcSans-Medium | 9 | 13 | `#6b7280` | 图表标题 |
| `footnote` | SrcSerif | 9 | 13 | `#374151` | 脚注/参考文献 |
| `header-footer` | SrcSans-Light | 8 | 12 | `#9ca3af` | 页眉页脚 |
| `cover-title` | SrcSans-Heavy | 28 | 40 | `#0f172a` | 封面主标题 |
| `cover-subtitle` | SrcSans-Medium | 15 | 24 | `#475569` | 封面副标题 |
| `cover-confidential` | SrcSans-Bold | 11 | 16 | `#dc2626` | 封面保密标识（红色）|
| `cover-meta` | SrcSerif | 11 | 18 | `#334155` | 封面元信息 |
| `summary` | SrcSerif | 11 | 20 | `#1a1a1a` | 执行摘要 |
---
## 五、分页规则（关键升级点）
### 章（h1）
- `pageBreakBefore=1`（每章新起一页）
- `keepWithNext=1`（标题和下一段不分离）
### 节（h2）
- **禁止单独触发分页**
- `keepWithNext=1`（标题紧跟内容）
### 小节（h3）
- 同 h2，`keepWithNext=1`
### 段落
- `widows=2, orphans=2`（避免寡行/孤行）
- 每段之间 `spaceBefore=6, spaceAfter=6`
### 表格
- `TableStyle` 中启用 `splitByRow=True`（长表格按行分页）
- `repeatRows=1`（表头在分页后重复）
- 单元格 padding 统一 4-6pt
### 摘要/术语表/目录/参考文献
- 每个独占起始页（用 `PageBreak`）
---
## 六、封面模板（参考 9MW1911）
封面独立一页，无页眉页脚，布局：
```
（上 30% 空白）
主标题（cover-title，黑色，居中）
副标题（cover-subtitle，深灰，居中）
（中部 40% 空白）
[机密 | 仅供 XX 内部决策使用] （cover-confidential，红色，居中）
（下部 20%）
类型：研究类
作者：Deep Research 系统 / <公司名>
编制日期：YYYY 年 M 月
版本：v1.0
```
字段来源：
- `manifest.report_title` / `report_subtitle`
- `manifest.confidentiality` （如 "机密 | 仅供迈威生物内部决策使用"）
- `manifest.author` / `manifest.date` / `manifest.version`
---
## 七、页眉页脚（简洁化）
### 页眉
左边：报告简称（从 `manifest.report_title` 取前 15 字）
右边：章节名（动态，从当前 h1 内容取）
底线：`#e5e7eb` 浅灰分隔线
### 页脚
居中：页码（格式 `— X —`）
字号：8pt，`#9ca3af` 浅灰
### 特殊页
- 封面：无页眉页脚
- 免责声明：无页眉，仅页脚
- 其他（摘要/术语表/目录/正文/附录/参考文献）：有页眉页脚
---
## 八、报告结构（11 件套）
ReportLab 按以下顺序组装：
1. **封面**（cover PageTemplate）
2. **免责声明**（normal PageTemplate，单页）
3. **Executive Summary / 执行摘要**（summary PageTemplate，1-2 页）
4. **Abstract / 摘要**（normal，单页）
5. **Glossary / 术语表**（normal）
6. **Table of Contents / 目录**（TOC，自动生成）
7. **正文各章**（normal，每章 h1 强制分页）
8. **结论与建议**（正文的一部分）
9. **附录**（normal）
10. **参考文献**（bibliography PageTemplate，footnote 样式）
11. **版本信息**（normal，单页）
---
## 九、Markdown 支持范围
| Markdown | ReportLab 渲染 |
|---|---|
| `# 第 X 章 ...` | h1（新起一页，深蓝色）|
| `## X.Y ...` | h2（节，蓝色，不分页）|
| `### X.Y.Z ...` | h3（小节，深灰）|
| `**粗体**` | inline `<b>` |
| `*斜体*` | inline `<i>` |
| `` `代码` `` | 等宽字体 |
| `> 引文` | quote 样式（楷体，浅底色）|
| `- 项` / `1. 项` | 项目符号列表 |
| 表格 `\| \| \|` | Table，自动列宽 + splitByRow |
| `![caption](path)` | 图片 + caption 样式 |
| `[src_001]` | 上标引用 |
| `---` | 分页符 |
**不支持**：HTML 标签、数学公式、代码块高亮。
---
## 十、图表嵌入
不用 ReportLab 原生绘图，全部预渲染为 PNG：
```python
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
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=300)
# ...
plt.savefig('projects/<slug>/phase4/figures/fig_01_XXX.png', dpi=300, bbox_inches='tight')
```
Markdown 中引用：`![图 1-1：2020-2025 GLP-1 市场规模（数据来源：[src_042]）](figures/fig_01_XXX.png)`
---
## 十一、manifest 必需字段
```json
{
"slug": "...",
"report_title": "自研 O-糖苷酶立项可行性研究报告",
"report_subtitle": "对标 NEB 与 Merck 经典产品的技术路径、IP 壁垒与差异化战略",
"confidentiality": "机密 | 仅供内部决策使用",
"author": "Deep Research 系统",
"date": "2026-04-21",
"version": "1.0",
"type": "研究类",
"disclaimer": "本报告基于公开信息与 AI 辅助研究生成，仅供参考..."
}
```
---
## 十二、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 |
| 换行断错 | `wordWrap='CJK'` 必设 |
| 表格被截断 | `splitByRow=True, repeatRows=1` |
| 标题孤行（页末一个标题后直接新页）| `keepWithNext=1` |
| 段落寡行（末段只剩一行在下页）| `widows=2, orphans=2` |
| 图片变形 | 先 matplotlib 出 300 DPI PNG，再 `Image(path, width=..., kind="proportional")` |
| 生成慢 | matplotlib 图表预渲染，不要在 PDF 生成阶段现算 |
| 参考文献丢失 | dr-reporter 出稿前检查：读 citations.md，确认内容已写入 final.md |
---
## 十三、dr-reporter 调用流程
```
1. 环境检查
- 字体 ≥6 个 OTF 文件
- final.md 存在
- manifest.json 有必需字段
2. 回填参考文献（关键步骤，修复 v0.4 的 bug）
- 读 citations.md 内容
- 在 final.md 中找到"## 参考文献"段落
- 如果段落内容是占位符（如 "[由 dr-reporter 自动生成]" 或为空）
→ 替换为 citations.md 的完整内容
- 写回 final.md
3. 图表检查
- 扫描 final.md 中所有 ![...](path) 图片引用
- 验证每个 path 在 figures/ 目录下存在
- 缺失图片 → 警告并继续，但汇报中注明
4. 生成 PDF
uv run python .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
5. 生成 DOCX（可选）
pandoc projects/<slug>/phase4/final.md \
--from markdown --to docx \
--output projects/<slug>/phase4/final.docx \
--toc --toc-depth=3
6. 验证
- PDF 文件大小 > 500KB（太小说明字体没嵌）
- PDF 页数合理（按字数估算）
- "参考文献"章节存在且非空
7. 汇报
```
---
## 十四、输出卫生检查（必跑）
生成 PDF 前：
```bash
# 加载 skill:output-hygiene
python3 .opencode/templates/hygiene_check.py projects/<slug>/phase4/final.md
```
禁止词残留 → 抛回 dr-polisher 再润色一轮。
.agents/skills/search-strategy/SKILL.md
+246
View File
@@ -0,0 +1,246 @@
---
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，v0.8 更新）
**按"查询类型"路由到最合适的 API**，而不是一律走通用搜索。
```
┌──────────────────────────────────────────────────────────────┐
│ 查询类型 首选 备选 │
├──────────────────────────────────────────────────────────────┤
│ 专利 Serper Patents Google Patents 爬页 │
│ (site:patents.google.com) │
│ │
│ 学术论文 Serper Scholar PubMed E-utils │
│ (带引用数/年份/期刊) (原始数据库) │
│ │
│ 新闻 / 行业动态 Serper News Tavily │
│ (时效性敏感) │
│ │
│ 临床试验 ClinicalTrials.gov ChiCTR │
│ (原始 API) │
│ │
│ 监管公告 openFDA / FDA 搜索 EMA / NMPA 官网 │
│ │
│ 公司/机构识别 Exa Tavily │
│ (LinkedIn/官网召回强) │
│ │
│ 通用网页 Exa Tavily / Brave │
└──────────────────────────────────────────────────────────────┘
```
### Serper（google.serper.dev）使用模板
**专利检索**：
```python
from scripts.lib.search_client import SearchClient
with SearchClient() as c:
hits = c.patents("dual-target siRNA GalNAc", num_results=10)
```
**学术论文**：
```python
hits = c.scholar("dual-target RNAi 2024", num_results=10, year_low=2023)
# hits[i].snippet 里包含引用数和期刊信息
```
**新闻（时效性）**：
```python
hits = c.news("Arrowhead ARO-DIMER-PA clinical trial", time_range="w") # 最近一周
```
### Tavily MCP 调用模板（通用网页 - Phase 1 初扫）
```
工具名：tavily_search
参数：
query: "<关键词>"
search_depth: "advanced"
max_results: 10
include_domains: ["pubmed.ncbi.nlm.nih.gov", "nejm.org", "lancet.com"]
exclude_domains: ["baijiahao.baidu.com", "toutiao.com"]
time_range: "year"
```
### 何时用哪个
- **专利相关问题**（"谁拥有技术 X"、"FTO 自由度分析"）→ `c.patents()`，**永远先走 Google Patents**
- **需要引用数排序的论文**（"找影响力最大的 N 篇"）→ `c.scholar()`
- **近期新闻**（"2025 年 Q4 交易"、"上月 IND 批准"）→ `c.news(..., time_range="m")`
- **快速概念验证 / 术语理解** → `c.search()`（通用）
### 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
.agents/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。