287 lines
12 KiB
Markdown
287 lines
12 KiB
Markdown
---
|
||
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、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：
|
||
|
||
```bash
|
||
uv run python scripts/search.py "<query>" --route scholar --num-results 10 --year-low 2023
|
||
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：
|
||
|
||
```bash
|
||
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。
|
||
- Tavily / Exa / 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：
|
||
|
||
```text
|
||
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）：
|
||
|
||
```text
|
||
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**：
|
||
```bash
|
||
uv run python scripts/search.py "dual-target siRNA GalNAc" --route patents --num-results 10
|
||
```
|
||
|
||
**学术论文**：
|
||
```bash
|
||
uv run python scripts/search.py "dual-target RNAi 2024" --route scholar --num-results 10 --year-low 2023
|
||
```
|
||
|
||
**新闻（时效性）**：
|
||
```bash
|
||
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）
|
||
```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"
|
||
```
|
||
|
||
---
|
||
|
||
## 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：
|
||
|
||
```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"
|
||
}
|
||
```
|
||
|
||
---
|
||
|
||
## 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
|