메뉴
所有科研工作流的收尾强制标准——每次给出研究性结论前，必须暴露不确定性五段面板：Known knowns / Known unknowns / Conflicts / Missing data / Next experiment。触发：任何文献综述、靶点发现、老药新用、临床试验分析、组学分析、机制假设、证据审计的结论阶段；也用于"帮我找盲区"、"这个结论还缺什么"、"有哪些没搞清楚的"、"下一步该做什么实验"、"这个方向的未知数"。这是一个横切标准，其它 workflow skill 收尾时都要引用它。
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 | uncertainty-first |
| description | 所有科研工作流的收尾强制标准——每次给出研究性结论前，必须暴露不确定性五段面板：Known knowns / Known unknowns / Conflicts / Missing data / Next experiment。触发：任何文献综述、靶点发现、老药新用、临床试验分析、组学分析、机制假设、证据审计的结论阶段；也用于"帮我找盲区"、"这个结论还缺什么"、"有哪些没搞清楚的"、"下一步该做什么实验"、"这个方向的未知数"。这是一个横切标准，其它 workflow skill 收尾时都要引用它。 |
研究者最需要 AI 帮的，不是"告诉我已知的"，而是帮我看见我没看见的盲区。所以本项目的所有科研工作流，结论阶段一律强制输出五段"不确定性面板"。没有这五段的研究性回答，视为未完成。
如果启用了 bio-audit，不要凭感觉写五段——用工具把可派生的部分自动挖出来：
evidence_graph（每条 claim 绑证据 + 物种 + 样本量 + 阶段 + 冲突 + 反证 + 适用边界）。evidence_graph 的 claims 直接喂给 uncertainty_ledger，它会：
extra 参数并进去。uncertainty_ledger 直接返回渲染好的 Markdown，原样贴进答复末尾。
结论：EGFR 在 GBM 中仍有靶点价值，建议进一步研究。
问题：全是 Known knowns 的口吻，没有边界（哪种干预？成人还是儿童？），没暴露"EGFR-TKI 在 GBM 反复失败"这个 Conflict，没说缺什么数据，"进一步研究"不是可执行的 Next experiment。
正确收尾至少是：
Known knowns：EGFR 在 ~57% GBM 中扩增/突变（EGFRvIII），关联证据等级=功能基因组学+人类样本 [PMID..]；适用边界：成人原发 GBM。 Known unknowns：EGFRvIII 特异性疗法能否穿过血脑屏障并维持疗效，尚无定论。 Conflicts：多项 EGFR-TKI III 期（如 depatux-m）在 GBM 未达 OS 终点 [NCT..]，与"靶点有价值"存在张力——价值可能不在 TKI 而在 ADC / 疫苗 / CAR-T。 Missing data：缺 EGFRvIII CAR-T 在初诊（而非复发）人群的前瞻数据；多数失败试验未按 EGFR 状态分层。 Next experiment：EGFRvIII+ 初诊 GBM 中，CAR-T 联合检查点抑制 vs 标准放化疗的随机 II 期，主终点 PFS，按 MGMT 甲基化分层。