Files

T

kai 4a38f6bed1 snapshot before v0.5 refactor

2026-04-21 12:31:58 +08:00

5.9 KiB

Raw Blame History

name, description

name	description
source-quality	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：

作者/机构是否与被评估的公司/产品有商业关联？
资助声明（funding statement）里提到什么？
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）

{
  "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。

5.9 KiB Raw Blame History Unescape Escape