메뉴
用于临床试验管线 / 竞争情报 / landscape analysis / KOL 识别 / 试验设计 benchmark。触发：临床试验 landscape、pipeline analysis、compete intelligence、竞争管线、这个靶点有谁在做临床、这个适应症的三期试验有哪些、找 KOL、principal investigator、endpoint benchmark、试验设计参考、market landscape、我要写一份 landscape 报告、这药在哪几个国家在做临床、投资人问 X 有哪些在跑的临床。禁用于：查单个 NCT 的方案——那用 ctgov_detail 直答。
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 | trial-landscape |
| description | 用于临床试验管线 / 竞争情报 / landscape analysis / KOL 识别 / 试验设计 benchmark。触发：临床试验 landscape、pipeline analysis、compete intelligence、竞争管线、这个靶点有谁在做临床、这个适应症的三期试验有哪些、找 KOL、principal investigator、endpoint benchmark、试验设计参考、market landscape、我要写一份 landscape 报告、这药在哪几个国家在做临床、投资人问 X 有哪些在跑的临床。禁用于：查单个 NCT 的方案——那用 ctgov_detail 直答。 |
面向两类用户：药企 / 投资人的竞争情报，学者的试验设计参考。共用一个流程，报告角度不同。
chembl_compound_search 拿 ChEMBL ID → ot_drug_details 拿 tradeNames / synonymshgnc_lookup_symbol 拿 symbol + alias（alias 一定要一起搜，同一靶点在不同厂商标签里名字不同）ols_search ontology=mondo 拿 MONDO ID + synonyms搜索时用 synonym 集合并集，不是只用规范名。
药物视角：ctgov_search intervention=<drug + synonyms>
靶点视角：先 ot_target_associated_diseases 拿疾病列表 → 逐疾病 ctgov_search intervention=（这个覆盖率会不完美，要在报告里明说）
竞争情报：ctgov_by_sponsor 按公司名拉全 pipeline
按 phase 分四行（Phase 1 / 2 / 3 / 4）× 按 status 分三列（recruiting / active / completed）。每格里放 NCT 数量 + 展开链接。
recruiting active completed
Phase 1 3 2 5
Phase 2 4 3 12
Phase 3 1 2 8
Phase 4 0 0 3
优先调用 ctgov_analyze_endpoints（基础 bio-trials pack）按 condition / intervention / phase 聚合 primary 与 secondary outcomes；如果只接入了 MCP shim，也可以用同等语义的 analyze_endpoints。不要再逐个 ctgov_detail 手工抽 endpoint，除非需要核对某个 NCT 的完整方案。产出"这个适应症里被用过的主要终点"清单：
按被用次数排序 —— 用户设计新试验时可参考惯例。
对 top-5 recruiting 的试验：
ctgov_detail 拿 locations 列表警告：不要仅凭出现次数评级"影响力"——用户可能拿去做 KOL 邀请，凭 CT.gov 挂名判断影响力风险很高。至多说"XX 教授在 5 个 recruiting 试验中挂 PI，可作为 KOL 候选"。
三段结构：
编 NCT ID = 死罪。CT.gov 的 NCT ID 特别容易被 LLM 幻觉，因为格式很规律（8 位数字）。任何 NCT ID 都必须从 ctgov_* 工具的输出里来，不能自己写。同理不允许伪造 PI 名字。
本工作流的结论一律不得省略五段面板：Known knowns / Known unknowns / Conflicts / Missing data / Next experiment。做法见 uncertainty-first skill —— 优先把结论拆成 claim 走 evidence_graph（每条 claim 自动绑证据等级 / 物种 / 样本量 / 疾病阶段 / 适用边界 / 反证），再把 claims 喂给 uncertainty_ledger 自动生成五段，补上工具挖不到的领域先验（extra 参数）后原样贴出。缺这五段，回答视为未完成——研究者要的正是被暴露的盲区。