메뉴
用于把模糊、开放式的科研问题先"编译"成结构化研究任务书，再开始检索。触发：这个靶点还有没有价值、X 在 Y 里值不值得做、帮我看看这个方向、这个药还能治什么、有没有新靶点、这个基因和这个病有什么关系、我想研究 X 但不知道从哪下手、帮我把问题理清楚、research question、把这个课题拆一下、这个方向可行吗、值得立项吗。禁用于：已经非常具体、可直接检索的单点查询（"查 PMID 12345 是不是真的"、"aspirin 对 COX-1 的 IC50"）——那些直接答或直接进对应工具就行。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
用于给一个 outcome 的证据确定性做 GRADE 评级、产出 Summary of Findings (SoF) 表。触发：证据确定性、certainty of evidence、GRADE、证据质量分级、这个结论有多可靠、SoF 表、summary of findings、要不要下推荐、指南证据分级、quality of evidence、能不能信这个结论、证据强度、evidence certainty、把证据评个级。也用于"这个疗法的证据到底有多强"、"帮我给这几个结局评 GRADE"、"这条推荐的证据基础可靠吗"。禁用于：单纯核对某个 PMID 真伪（那用 evidence-audit / evidence_verify）。
Use for cross-modal target discovery from an unmet clinical need, combining literature, genetics, druggability, clinical trials, single-cell, and spatial evidence in one auditable context.
Design executable biomedical experiments from literature gaps or hypotheses, including testability, power, protocol, reagents, cost, preregistration, and failure modes.
Persist and query biomedical causal triples from BioCSSwitch conversations, literature checks, and debate outputs.
用于任何**可能含患者数据 / 临床原始记录 / 医疗档案**的场景，强制先做 PHI 检测再决定去向。触发：患者、病历、病案、临床数据、EHR、EMR、住院记录、门诊记录、handover note、progress note、discharge summary、SOAP、真实世界数据、RWD、reidentification、identifiable data、真实病人、我这里有一段病历、这是一份体检报告、帮我看一下这份 CT 报告、我上传一份门诊记录、患者档案、患儿、受试者数据、subject-level data、临床原始表、GCP 数据、eCRF、我要处理 HIPAA、PHI、脱敏、去标识化、我们医院的数据。也在提到 sensitive_mode / 敏感模式 / 隐私模式 时触发。禁用于：公开文献 / 已发表数据 —— 那些不含 PHI，扫描是浪费时间。
Use when the user opts into a local research-interest model, wants personalized paper/preprint/trial updates, saves or rejects research suggestions, asks for a proactive briefing, or wants workflow prediction across sessions.
| name | question-compiler |
| description | 用于把模糊、开放式的科研问题先"编译"成结构化研究任务书，再开始检索。触发：这个靶点还有没有价值、X 在 Y 里值不值得做、帮我看看这个方向、这个药还能治什么、有没有新靶点、这个基因和这个病有什么关系、我想研究 X 但不知道从哪下手、帮我把问题理清楚、research question、把这个课题拆一下、这个方向可行吗、值得立项吗。禁用于：已经非常具体、可直接检索的单点查询（"查 PMID 12345 是不是真的"、"aspirin 对 COX-1 的 IC50"）——那些直接答或直接进对应工具就行。 |
用户抛来的往往是一句模糊的话——"EGFR 在 GBM 里还有没有新靶点价值"。直接去检索是错的：没定义研究对象、终点、纳排、证据门槛，搜出来的东西无法收敛。这个 skill 强制你先把问题编译成结构化任务书，和用户确认后再动手。
compile_research_question，把结果读给用户，不要跳过直接搜。gaps 和 intervention.needs_user_input 是硬性待办。在缺口未澄清前，只能做探索性预检索，不能下结论。needs_user_input / candidate。你要么用 disambiguate 归一，要么问用户——绝不自己填一个"看起来对"的基因/疾病。recommended_toolchain 走到最后，结论一定要经 evidence_graph + uncertainty_ledger（见 evidence-audit / uncertainty-first skill）。Step 1：编译。调 compile_research_question(question=用户原话)。你会拿到：
研究对象 / 疾病（含本体提示）/ 分子 / 干预 / 终点 / 数据库 / 排除标准 / 证据门槛 / 推荐工具链 / 推荐 skill / gaps。
Step 2：把任务书读给用户 + 逐条确认 gaps。用一段结构化清单呈现，然后针对 gaps 和 intervention 逐条问。典型追问：
Step 3：归一化不确定实体。对 candidate 置信度的基因/疾病，调 disambiguate(term, context) 确认；把本体提示（MONDO/EFO）落实为真实 ID。
Step 4：交接到 workflow skill。按 recommended_skill 进入对应模式（target-discovery / lit-review / trial-landscape ...），把编译好的任务书作为该 skill 的输入，不用再让用户重述。
Step 5：执行 + 审计 + 暴露不确定性。按 toolchain 跑；结论走 evidence_graph；最后必出 uncertainty_ledger 五段面板。
用户："EGFR 在 GBM 里还有没有新靶点价值"
编译后你应当回：
我把这个问题编译成了任务书，请先确认几处再开搜：
- 研究对象：EGFR（基因/蛋白，高可信）× Glioblastoma（GBM, MONDO:0018177）
- 问题原型：靶点验证（target-validation）
- 终点：遗传学关联 / 功能依赖性(DepMap) / 成药性 / 临床先例
- 数据库：Open Targets · PubMed · ClinicalTrials.gov · ChEMBL · UniProt
- 证据门槛：需功能基因组学 + 临床关联双线证据；只有 text-mining co-mention 不足以说"有价值"
- 待你确认：① 干预方式？（EGFR-TKI 在 GBM 已多次失败，你问的是小分子、抗体、ADC[depatux] 还是 CAR-T？这决定结论）② 只看成人 GBM 还是含儿童 / IDH-mut 亚型？
确认后我按 target-discovery 流程执行，结论会给证据图 + 不确定性面板。
注意这里主动带出了"EGFR-TKI 在 GBM 屡次失败"这个领域先验——这正是编译阶段该逼出来的盲区。
用户同样问 EGFR/GBM，你直接：pubmed_search("EGFR glioblastoma") 返回 20 篇摘要总结完事。
问题：没定义"新靶点价值"指什么终点、没区分干预方式、没设证据门槛、没暴露"EGFR-TKI 已失败"这个关键反例——用户拿到的是一堆文献，不是一个能立项的判断。
candidate，别当成已确认。用 compiler_capabilities 可查当前覆盖范围。bio-compiler MCP 不可用（工具列表没有 compile_research_question），退化为手工按本 skill 的 Step 2 清单逐项和用户过一遍，同样不许跳过结构化直接搜。