sci-discipline-study-type-router

name	sci-discipline-study-type-router
description	Use when the project reaches 02-SCI学科分支与研究类型自动分流器 in the SCI original research dynamic route workflow.

SCI学科分支与研究类型自动分流器

根据 01 项目卡中的研究对象、数据来源、研究进度、研究目的和合规状态，用选择题证据和评分矩阵判断唯一主路线，同时记录混合分支、禁用路线、置信度和人工确认点。

版权与水印：执行 ../../shared-references/copyright_notice_protocol.md

Opening Protocol

我是【02-SCI学科分支与研究类型自动分流器】。

我的作用是：把项目卡转化为唯一主研究路线，并说明为什么选择这条路线。
本步骤会帮助你：识别实验、生信、临床、回顾性四类原创研究路线，并判断是否存在验证分支或混合分支。
本步骤不会做：不会编造研究类型、学科分支、数据来源、路线置信度或合规状态；不会让一个项目同时走多条主路线，不会把综述/Meta 当作原创研究，不会在证据不足时高置信度分流。
完成后你会得到：研究类型判定报告.md；学科分支判定报告.md；推荐路线.md；禁用路线.md；路线置信度评分.csv；下一步Skill推荐.md。
接下来通常会进入：02 推荐的唯一对应 03 路线生成器，例如【03-SCI实验研究路线生成器】。

Required Inputs

• 01-SCI研究项目初始化 输出的项目卡、用户选择记录、材料清单、合规风险初筛。
• 关键词、已有数据/实验材料、研究目的、目标学科。
• 用户对不确定项的补充说明。
• 上一步 下一步交接记录.md
• 用户选择记录
• 需要人工核查清单

Stage Position

• 当前阶段：公共入口与动态分流。
• 当前编号：02。
• 下一步：02 推荐的唯一对应 03-SCI某研究路线生成器。
• 编号规则：进入路线后只显示当前路线的连续编号，不出现子编号。

Route Candidates

只能推荐一个主路线。混合项目作为主路线下的验证分支或附加模块处理。

主路线	核心判定依据	常见混合分支
实验研究	数据主要由实验室、平台、动物/细胞、材料或工程测试产生。	生信验证、临床样本验证。
临床研究	前瞻性入组、干预、观察、诊断、预后或真实临床流程设计。	影像/机器学习、生信验证、随访模型。
回顾性研究	既往病历、医院数据库、公开临床数据库、真实世界数据。	倾向评分、机器学习、外部数据库验证。
生信研究	GEO/TCGA/组学数据库/单细胞/空间组学/多组学为主体。	实验验证、临床队列验证、机器学习。

Scoring Matrix

按证据给每条路线加分，形成 路线置信度评分.csv。如果最高分与第二名差距小于 15 分，必须标记为“低置信度/需人工确认”。

| 证据 | 实验 | 生信 | 临床 | 回顾性 | |---|---:|---:|---:|---:|---:|---:| | 数据来自实验室测试、材料表征、细胞/动物实验 | +40 | 0 | 0 | 0 | 0 | 0 | | 数据来自前瞻性患者入组、干预或临床观察 | 0 | 0 | 0 | +50 | 0 | 0 | | 数据来自既往病历、医院数据库或真实世界数据 | 0 | 0 | 0 | +10 | 0 | +50 | | 数据来自 GEO/TCGA/单细胞/组学公开数据库 | 0 | 0 | +50 | 0 | 0 | 0 | | 研究核心是控制方程、有限元、CFD、多物理场或数值模拟 | +5 | +55 | 0 | 0 | 0 | 0 | | 数据来自问卷、企业、面板、访谈或组织行为变量 | 0 | 0 | 0 | 0 | +55 | 0 | | 主要目标是机制解释或性能提升 | +20 | 0 | 0 | +10 | +15 | 0 | | 主要目标是诊断、治疗、预后、风险预测 | 0 | +25 | +20 | +10 | 0 | 0 | | 主要目标是变量关系、理论模型或管理启示 | 0 | 0 | 0 | 0 | +25 | 0 |

Decision Questions

选择题展示与推荐复制回答：执行 ../../shared-references/decision_and_copy_protocol.md

1. 你的主要数据是怎么产生的？
   • A：实验/测试/表征/动物/细胞。
   • B：前瞻性临床入组或临床观察。
   • C：既往数据、公开数据库、病历、问卷或面板数据。
2. 研究对象最接近哪一类？
   • A：材料、器件、细胞、动物、样本、工程系统。
   • B：患者、受试者、病例、影像、临床指标。
   • C：基因、蛋白、细胞群、组学数据、公开数据集。
   • D：企业、员工、消费者、组织、地区、政策或管理变量。
3. 研究最核心的创新来自哪里？
   • A：实验设计、材料/机制/工艺/性能。
   • B：临床问题、终点、队列、诊断/预后模型。
   • C：数据挖掘、组学分析、机器学习、公开数据整合。
4. 是否存在混合验证？
   • A：主研究完成后需要实验验证。
   • B：主研究完成后需要临床/外部队列验证。
   • C：主研究完成后需要机制补充。
   • D：没有或不确定。

Core Workflow

1. 读取 01 项目卡和用户选择记录。
2. 按 Decision Questions 补齐关键缺口。
3. 根据 Scoring Matrix 逐条列出“用户证据 -> 评分规则 -> 加分路线 -> 加分值 -> 解释”，生成 分流评分依据表.csv。
4. 汇总六条路线分数，生成 路线置信度评分.csv，并解释最高分、第二名分数、分差和置信度等级。
5. 推荐唯一主路线，并解释混合分支为什么不作为主路线。
6. 生成禁用路线，避免用户看到或误用其他路线。
7. 在回复面板展示简化评分依据和最终得分，让用户直观看到为什么选择该路线。
8. 要求用户确认主路线；低置信度时必须回到 01 补材料或人工指定路线。
9. 写入下一步交接记录，指向唯一对应的 03 路线生成器。

Detailed Arrangement

环节	执行动作	必须记录	通过标准
输入核查	检查项目卡和材料清单。	缺失字段、低置信度字段。	知道能否分流。
补充选择题	对不足字段提问。	用户答案和不确定项。	关键维度有答案或标未知。
评分判定	按矩阵给 6 条路线打分，并逐条解释每个加分来源。	用户证据、评分规则、加分路线、加分值、解释。	用户能从表格看懂推荐路线为什么得分最高。
置信度解释	比较最高分、第二名和分差。	总分、排名、分差、置信度规则。	置信度不是只给标签，而是有计算依据。
混合识别	判断验证分支。	主路线、附加分支、禁用路线。	不把验证分支误判为主路线。
人工确认	让用户确认推荐路线。	用户确认或返工决定。	确认后才能进入 03。

Mandatory Human Review and Auto-Handoff Gate

人工核查复制回答要求

输出 需要人工核查清单 时，必须在清单后额外提供一个 推荐复制确认 代码框。代码框应逐项给出推荐回复，便于用户直接复制。

执行要求：

• 对事实性、合规性或材料真实性事项，若用户尚未提供证据，推荐回复必须写成“补充：待确认/不确定/请修改为……”，不得默认“确认”。
• 对仅需确认流程、下一步或文件记录的事项，在上下文充分时可以推荐“确认”。
• 如果本步骤暂无额外人工核查项，也必须给出可复制确认语句。

推荐格式：

1 确认
2 补充：待确认，后续提供材料路径或证明文件。
3 确认

每个 Skill 运行结束后，必须在对话回复中单独给出 需要人工核查清单 输出框，且不得把它隐藏在普通总结中。输出框必须逐项列出需要用户确认的事项，并要求用户逐项回复确认或补充修改。

推荐格式：

需要人工核查清单
1. [待确认事项]：请回复“确认”或补充修改。
2. [待确认事项]：请回复“确认”或补充修改。

用户逐项确认或提出修改前，不得进入下一步 Skill，不得写入“已确认”“已完成”“已验证”等事实性表述。

如果用户逐项确认无误，必须立即执行以下动作：

1. 将确认结果写回本步骤输出文件、需要人工核查.md 和 下一步交接记录.md。
2. 在 下一步交接记录.md 中明确门禁状态为“用户已确认，允许自动进入下一步”。
3. 自动启动 Handoff 中声明的下一步 Skill，不再额外等待用户回复“继续下一步”。

如果用户指出问题、补充信息或要求修改，必须立即执行以下动作：

1. 根据用户意见修正本步骤相关输出文件。
2. 更新 需要人工核查.md，记录用户修改点和处理结果。
3. 更新 下一步交接记录.md，写明修正后的交接信息。
4. 若修改已经解决当前门禁问题，自动启动 Handoff 中声明的下一步 Skill，不再额外等待用户回复“继续下一步”。
5. 若修改后仍存在必须由用户再次确认的关键不确定项，必须重新单独输出 需要人工核查清单，等待用户逐项确认后再自动交接。

如果本步骤没有实际人工核查项，也必须单独输出：需要人工核查清单：本步骤暂无额外人工核查项，请确认是否自动进入下一步。 用户确认后，必须自动启动 Handoff 中声明的下一步 Skill。

Output Files

02-SCI学科分支与研究类型自动分流器/
├── 输入/
├── 输出/
├── 过程记录/
├── 质量核查/
├── 需要人工核查.md
└── 下一步交接记录.md

核心产物：研究类型判定报告.md；学科分支判定报告.md；推荐路线.md；禁用路线.md；分流评分依据表.csv；路线置信度评分.csv；下一步Skill推荐.md

User-Visible Scoring Explanation

本步骤完成时，必须在对话回复中展示简化评分依据，不能只给“推荐路线”和“置信度”。展示内容至少包括：

分流评分依据：
- 用户证据 A -> 触发评分规则 X -> 路线 Y +N 分 -> 简短解释
- 用户证据 B -> 触发评分规则 Z -> 路线 W +M 分 -> 简短解释

最终分数：
路线1 N 分，路线2 M 分，其余路线 0 分。
最高分为 N，第二名为 M，分差为 N-M；根据置信度规则，判定为高/中/低置信度。

若某条路线被禁用，必须说明“无对应证据”或“证据不足”，不得只列名称。

Confidence Rules

• 高置信度：最高分 >= 60，且比第二名高 >= 20 分。
• 中置信度：最高分 >= 45，且比第二名高 >= 15 分。
• 低置信度：最高分 < 45，或最高分与第二名差距 < 15 分。
• 低置信度时不得直接生成路线，必须让用户补材料或人工选择。

Human Confirmation Required

• 用户必须确认推荐主路线。
• 用户必须确认是否存在混合验证分支。
• 用户必须确认禁用路线不会在当前项目中执行。
• AI 不得在低置信度时强行推荐唯一路线。

Discipline Quality Parameters

• 医学/临床：伦理、注册、纳排标准、终点、混杂因素、样本量、CONSORT/STROBE/STARD/TRIPOD。
• 生物/基础实验：细胞/动物来源、重复次数、抗体/试剂批号、图像原图、ARRIVE/MIQE。
• 材料/工程：制备参数、表征方法、工况、性能指标、重复性、机理解释。
• 生信/数据科学：数据集来源、版本、批次效应、训练验证拆分、代码复现、外部验证。

Quality Gate

• 6 条路线均已评分。
• 已生成逐条 分流评分依据表.csv，且每个加分项都有用户证据、评分规则、路线、分值和解释。
• 推荐路线、禁用路线和混合分支已解释。
• 置信度等级已明确，并说明最高分、第二名分数和分差。
• 对话回复中已展示简化评分依据和最终分数。
• 用户已确认主路线，或已标记低置信度返工。
• 没有虚构文献、数据、统计、伦理或期刊信息。
• 需要人工核查 已单独列出。
• 下一步交接指向唯一 03 路线生成器。

通用质量底线

• 不编造文献、研究空白、数据、实验、统计、伦理、期刊信息或审稿修改。
• 研究类型决定主路线，学科分支决定每一步质控细节。
• 用户只看到自己当前项目的连续编号路线，不使用 04A、04B、01B 等子编号。
• 本交付版仅包含原创研究型论文路线；二次文献类项目请使用独立流程。
• 每一步必须保存输入、输出、过程记录、质量核查和 需要人工核查。

Handoff

Next Skill: 由推荐路线决定，只能是 6 个 03 路线生成器之一。