kai/deep_research
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
b3050260b23a652a29ee4ada438facf9531eea6c
deep_research/platform_adapters/opencode/skills/search-strategy/SKILL.md
T

12 KiB
Raw Blame History

name, description
name description
search-strategy 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：Exa/Tavily/Brave 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
  • 章节级 evidence packet 优先用 scripts/search.py --route evidence，让 Exa highlights 进入 source-quality 和 evidence-table。
  • Tavily Research 只用于 Phase 1 初扫、薄弱章节补证据和 Phase 3 回炉；输出必须存盘、评分、去重后再转成 candidate evidence。

三、强制工具入口（v0.12）

所有 agent 做联网检索时，优先调用项目内 Python 网关，不要直接把 Tavily / Brave / Exa MCP 当成主路径：

uv run python scripts/search.py "<query>" --route scholar --num-results 10 --year-low 2023
uv run python scripts/search.py "<query>" --route evidence --num-results 10 --json --trace
uv run python scripts/search.py "<query>" --route patents --num-results 10
uv run python scripts/search.py "<query>" --route news --num-results 10 --time-range m
uv run python scripts/search.py "<query>" --route general --num-results 10
uv run python scripts/search.py "<query>" --profile china_market --num-results 10 --trace
uv run python scripts/ground.py "<query>" --model google/gemini-3.1-flash-lite-preview --json

也可以按研究场景跑 profile：

uv run python scripts/search.py "<query>" --profile biomed_literature --num-results 10 --year-low 2023
uv run python scripts/search.py "<query>" --profile patent_heavy --num-results 10

原因：

  • Python 网关在 repo 内，可被 OpenCode / Codex / Gemini CLI / Claude Code 共同复用。
  • --route patents 固定优先 Serper + Google Patents，避免专利检索被 Tavily 普通网页结果替代。
  • --route scholar 固定优先 Serper Scholar，避免论文检索只停留在通用网页摘要。
  • 专用 route（scholar/patents/news）默认 --strict-specialized，Serper 异常时应显式失败，不允许静默降级。
  • Exa evidence route 是 packet 候选证据发现主路径；Tavily / Brave 只作为 gap-fill 或 MCP 兜底，不作为文献/专利主路径。

每个检索小结必须写明实际使用过的 route，例如：

Routes used: scholar, patents, general

如果由于缺 key 或 API 错误无法调用 Serper，必须在输出中明确写（且建议重新执行，不直接进入正文证据）：

Serper unavailable: <原因>; fallback used: general site:patents.google.com

四、API 调用顺序（技术栈，v0.11 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：

uv run python scripts/search.py "dual-target siRNA GalNAc" --route patents --num-results 10

学术论文：

uv run python scripts/search.py "dual-target RNAi 2024" --route scholar --num-results 10 --year-low 2023

新闻（时效性）：

uv run python scripts/search.py "Arrowhead ARO-DIMER-PA clinical trial" --route news --num-results 10 --time-range w

Tavily MCP 调用模板（兜底，不作为主路径）

仅当 scripts/search.py 不可用，或需要 MCP 特有能力时使用。通用网页结果必须回溯到 Tier 1-2 原始来源。

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）

# 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

curl -s "https://clinicaltrials.gov/api/v2/studies?query.term=semaglutide&pageSize=20&format=json"

openFDA

curl -s "https://api.fda.gov/drug/event.json?search=patient.drug.medicinalproduct:semaglutide&count=patient.reaction.reactionmeddrapt.exact&limit=20"

五、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

六、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：

{
  "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"
}

七、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）"

八、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. ✅ 文献检索必须优先 scripts/search.py --route scholar
  8. ✅ 专利检索必须优先 scripts/search.py --route patents
  9. ❌ 不得引用 Wikipedia 做结论
  10. ❌ 不得编造数据、URL、DOI
  11. ❌ 不得使用黑名单信源
Reference in New Issue View Git Blame Copy Permalink