ddi

name	ddi
description	北京躬富科技有限公司（Beijing Kongfoo Tech Co., Ltd.）开发的科学智能体E.Copi（壹克蒎），科研人员只需输入研究问题或候选药物组合，系统即可自动实例化具备不同专业背景的专家智能体（如药理学、药代动力学、生物信息学等），并通过动态知识流机制，精准分配最相关的分子结构、生物医学网络、临床与文本证据，协同完成药作机制推理与风险评估。最终，生成观点清晰、语言生动的中文双人对谈播客，以降低知识的理解和传播的认知成本。 使用此技能当用户需要：进行药物发现研究、分析候选药物组合、评估药物作用机制、进行药理学风险评估、生成科学播客内容、多学科协同科学推理、生物医学知识整合、或任何需要多专家智能体协作的科学研究任务。即使用户没有明确提到"E.Copi"或"科学智能体"，只要涉及复杂科学问题的多角度分析，都应使用此技能。
compatibility	All tools

E.Copi 科学智能体系统

概述

E.Copi（壹克蒎）是北京躬富科技有限公司开发的先进科学智能体系统，专门为药物发现和生物医学研究设计。系统采用多智能体架构，能够根据输入的研究问题或候选药物组合，自动实例化不同专业背景的专家智能体，通过动态知识流机制协同工作，最终生成易于理解的中文双人对谈播客。

核心功能

1. 多专家智能体实例化

系统能够根据研究问题的性质，自动实例化以下专业领域的专家智能体：

• 药理学专家：分析药物作用机制、靶点识别、信号通路
• 药代动力学专家：评估ADME（吸收、分布、代谢、排泄）特性
• 生物信息学专家：处理分子结构数据、基因表达、蛋白质互作网络
• 毒理学专家：评估安全性、副作用、风险因素
• 临床医学专家：分析临床试验数据、患者群体、疗效指标
• 计算化学专家：进行分子对接、构效关系分析、虚拟筛选

2. 动态知识流机制

系统采用智能知识分配策略：

• 分子结构知识流：SMILES格式、3D构象、理化性质
• 生物医学网络知识流：蛋白质互作网络、代谢通路、基因调控网络
• 临床证据知识流：临床试验数据、真实世界证据、病例报告
• 文本证据知识流：科学文献、专利信息、监管文件

3. 协同推理与风险评估

专家智能体通过以下步骤协同工作：

1. 问题解析：分解研究问题为可处理的子问题
2. 知识检索：从各领域知识库中检索相关信息
3. 证据整合：跨领域证据的综合分析
4. 机制推理：基于证据的药物作用机制推断
5. 风险评估：多维度安全性评估和风险预测

4. 中文双人对谈播客生成

最终输出为生动有趣的中文播客，包含：

• 主持人：引导讨论、提出问题、总结观点
• 专家嘉宾：各领域专家轮流发言，展示专业见解
• 对话结构：问题引入 → 专家分析 → 观点交锋 → 共识达成 → 总结展望
• 语言风格：专业但不晦涩，生动有趣，适合科研人员和非专业人士

工作流程

步骤1：输入解析

用户提供以下任一输入：

• 研究问题（如："探究二甲双胍对癌症治疗的作用机制"）
• 候选药物组合（如："阿司匹林+氯吡格雷的协同作用"）
• 分子结构（SMILES格式）
• 特定疾病或靶点

步骤2：智能体实例化

基于输入内容，系统自动判断需要的专家类型并实例化相应智能体。例如：

• 癌症药物研究 → 药理学 + 生物信息学 + 临床医学专家
• 联合用药评估 → 药理学 + 药代动力学 + 毒理学专家

步骤3：知识流分配

系统根据专家需求分配相关知识：

1. 分子结构知识：化学数据库查询、理化性质计算
2. 网络分析知识：通路富集分析、网络拓扑分析
3. 临床证据知识：临床试验检索、疗效安全性数据
4. 文献证据知识：PubMed检索、专利分析

步骤4：协同推理会议

各专家智能体进行虚拟会议，包括：

• 开场陈述：各专家介绍专业视角
• 证据展示：分享各自领域的发现
• 交叉质询：专家间提问和辩论
• 共识形成：达成一致结论或明确分歧点

步骤5：风险评估矩阵

创建多维风险评估：

• 有效性风险：作用机制不确定性、靶点特异性
• 安全性风险：毒性、副作用、药物相互作用
• 开发风险：合成难度、制剂稳定性、专利情况
• 临床风险：患者群体适应性、给药方案复杂性

步骤6：播客脚本生成与制作

生成中文双人对谈播客：

1. 生成播客脚本：创建包含主持人引导和各专家发言的对话脚本
2. 调用ListenHub API：使用listenhub技能脚本生成音频播客
3. 在回复中内嵌播放音频：不直接发链接，而是将生成的音频在回复消息中直接播放（见下方「播客音频在回复中内嵌播放」）

ListenHub集成

E.Copi系统与ListenHub播客生成平台深度集成，用于将分析结果转换为高质量的中文双人对谈播客。

脚本使用规范

重要：必须通过listenhub技能的脚本与ListenHub API交互，禁止直接调用API。

1. 查找脚本路径：

   # 使用glob模式查找listenhub脚本目录
   find **/skills/ecopi-free/scripts -name "*.sh" 2>/dev/null | head -1
   

   Where $SCRIPTS = resolved path to **/skills/ecopi-free/scripts/

2. 获取可用说话人（播客音色）：

   $SCRIPTS/get-speakers.sh --language zh
   

3. 生成播客：

   $SCRIPTS/create-podcast.sh \
     --query "【E.Copi科学播客】{研究主题}" \
     --language zh \
     --mode deep \
     --speakers {说话人ID1},{说话人ID2} \
     --source-text "{详细分析内容}"
   

播客内容结构

提供给ListenHub的source-text应包含：

1. 研究背景：问题重要性、研究现状
2. 专家分析：各领域专家观点（标记为"药理学专家："等）
3. 关键发现：主要作用机制、新颖见解
4. 风险评估：安全性、有效性、开发风险
5. 未来方向：后续研究建议、临床转化路径

播客音频在回复中内嵌播放

重要：生成好的播客不要只发链接给用户，而应让音频在回复消息中直接可播。流程如下。

1. 等待播客就绪：调用 create-podcast.sh 后，用 listenhub 的 check-status.sh --episode <episode-id> --type podcast --wait 轮询直至成功；从成功响应中取得 audioUrl 或 audioStreamUrl。
2. 下载到本地：用 curl 等将音频下载到本地文件，例如 /tmp/ecopi-podcast-<episode-id>.mp3（或脚本输出所指定的路径），确保扩展名为 mp3/wav 等客户端支持的格式。
3. 在回复中播放：任选其一（视运行环境/客户端支持情况选用）：
   • send 工具 + asVoice：在消息工具配置中发送音频文件，并标记为语音：

     {
       "action": "send",
       "filePath": "/path/to/audio.mp3",
       "asVoice": true
     }
     

   • MEDIA 指令：在回复给用户的 AI 文案中，用 MEDIA: 前缀加本地文件路径，让客户端将音频附在消息中播放：

     MEDIA: /path/to/audio.mp3
     

     可在同一回复中先写说明文字，再写 MEDIA: <路径>。

若运行环境不支持上述两种方式，再退回提供播客链接作为备选。

输出文件

系统生成以下输出文件：

1. 综合分析报告 (ecopi_analysis_report.md)

• 执行摘要
• 问题背景
• 专家组成与分工
• 知识流分配图谱
• 机制推理过程
• 风险评估矩阵
• 结论与建议

2. 播客脚本 (ecopi_podcast_script.md)

• 完整的中文对话脚本
• 角色分配（主持人、各领域专家）
• 时间标记
• 重点强调部分
• 适合直接用于ListenHub的格式化文本

3. 播客音频（在回复中内嵌播放）

• 不向用户单独提供播客链接；将音频在回复消息中直接播放
• 播客标题和描述、持续时间可在文案中说明

4. 知识流可视化 (knowledge_flow.png)

• 专家智能体交互网络
• 知识分配路径图
• 证据来源映射

使用示例

示例1：新药作用机制研究

用户输入："请分析雷帕霉素类似物在自身免疫疾病治疗中的潜在机制"

E.Copi响应：

1. 实例化专家：药理学专家 + 免疫学专家 + 临床医学专家
2. 知识分配：
   • mTOR信号通路文献综述
   • 自身免疫疾病临床试验数据
   • 雷帕霉素类似物分子对接模拟
3. 输出：
   • 机制分析报告（mTOR调节在自身免疫中的作用）
   • 风险评估矩阵（免疫抑制风险、感染风险）
   • 中文播客（在回复中内嵌播放）："免疫调节新策略：从雷帕霉素到精准治疗"

示例2：联合用药评估

用户输入："评估PD-1抑制剂与CTLA-4抑制剂在黑色素瘤治疗中的协同作用与风险"

E.Copi响应：

1. 实例化专家：肿瘤学专家 + 免疫学专家 + 毒理学专家
2. 知识分配：
   • 免疫检查点抑制剂作用机制
   • 黑色素瘤临床试验meta分析
   • 联合用药毒性谱比较
3. 输出：
   • 协同效应分析报告
   • 风险收益评估（免疫相关不良反应风险）
   • 中文播客（在回复中内嵌播放）："免疫治疗双雄会：PD-1与CTLA-4的协同作战"

示例3：中药现代化研究

用户输入："研究黄连素治疗2型糖尿病的多靶点作用机制"

E.Copi响应：

1. 实例化专家：药理学专家 + 代谢病学专家 + 计算化学专家
2. 知识分配：
   • 黄连素已知靶点文献挖掘
   • 糖尿病相关通路分析
   • 分子对接预测新靶点
3. 输出：
   • 多靶点机制网络图
   • 中药现代化科学依据
   • 中文播客（在回复中内嵌播放）："古老智慧新解读：黄连素的降糖密码"

技术要求

必需工具

• 文件读写：生成报告、脚本、可视化文件
• 网络搜索：检索最新科学文献和临床数据
• 数据分析：处理分子结构、网络数据、临床统计
• 可视化：创建知识流图谱
• Bash执行：调用listenhub脚本生成播客

推荐资源

• 化学数据库：PubChem, ChEMBL, DrugBank
• 生物医学数据库：UniProt, KEGG, Reactome, STRING
• 文献数据库：PubMed, Google Scholar, CNKI
• 临床试验：ClinicalTrials.gov, ChiCTR
• 分子对接工具：AutoDock Vina, SwissDock（知识参考）

最佳实践

输入优化建议

1. 明确研究问题：尽量具体描述研究目标、疾病类型、药物名称
2. 提供背景信息：相关疾病、靶点、已有知识、研究假设
3. 指定关注点：侧重机制探索、安全性评估、临床转化或组合优化

输出定制选项

1. 播客风格：可指定正式学术讨论、轻松科普或临床案例分享
2. 专家侧重：可强调特定专业视角或跨学科整合
3. 深度控制：基础概述或深度机制挖掘
4. 风险评估焦点：侧重安全性、有效性或开发可行性

技能执行流程

阶段1：需求分析与设计

1. 解析用户输入的研究问题或药物组合
2. 确定需要的专家智能体类型和数量
3. 设计知识流分配策略
4. 规划播客结构和讨论要点

阶段2：知识检索与整合

1. 检索相关分子结构信息（如SMILES、理化性质）
2. 查询生物医学网络数据（通路、互作网络）
3. 收集临床证据（试验数据、病例报告）
4. 整合文本证据（文献、专利、指南）

阶段3：专家协同分析

1. 模拟各专家视角的初步分析
2. 组织虚拟"专家会议"讨论
3. 记录共识观点和分歧意见
4. 形成综合推理链条

阶段4：风险评估与总结

1. 构建多维度风险评估矩阵
2. 识别关键风险点和缓解策略
3. 总结主要发现和创新点
4. 提出后续研究方向建议

阶段5：播客生成与交付

1. 撰写播客对话脚本（主持人引导 + 专家发言）
2. 格式化脚本为ListenHub兼容格式
3. 调用listenhub脚本生成音频播客，轮询直至就绪并取得音频 URL
4. 将音频下载到本地，再通过 send（asVoice: true） 或 MEDIA: 路径 在回复中内嵌播放
5. 同时提供综合分析报告（可含播客标题与时长说明）

注意事项

局限性声明

1. 预测性质：分析基于现有公开知识和模式推理，具有不确定性
2. 数据依赖：结果质量受可用数据完整性影响
3. 专家模拟：智能体基于知识模式推理，非真实专家意见
4. 研究参考：输出仅供科研参考，不替代专业医疗决策

伦理考量

1. 研究用途：仅供科学研究参考，不替代专业医疗建议
2. 数据隐私：不处理患者个人身份信息，仅使用公开数据
3. 责任声明：用户对基于系统输出的最终决策负责
4. 合规性：遵守相关数据使用和知识产权规定

技术限制

1. 知识时效性：依赖检索时的最新公开数据
2. 模型能力：基于现有AI技术，复杂机制推理有限
3. 集成依赖：播客生成依赖ListenHub服务可用性
4. 计算资源：复杂分析可能需要较长时间

故障排除

常见问题处理

1. 输入不明确：

   • 症状：无法确定研究焦点或所需专家
   • 处理：请求用户提供更具体的研究问题或背景信息
   • 示例："请具体说明您关注的作用机制、疾病类型或药物类别"

2. 数据不足：

   • 症状：关键信息缺失影响分析深度
   • 处理：提示需要补充信息或调整研究范围
   • 示例："关于XX药物的临床数据有限，建议同时检索类似物或扩大疾病范围"

3. 专家观点冲突：

   • 症状：不同领域专家得出矛盾结论
   • 处理：记录分歧点，提供综合评估和进一步验证建议
   • 示例："药理学专家和毒理学专家在安全性评估上存在分歧，建议..."

4. ListenHub集成问题：

   • 症状：播客生成失败或脚本格式错误
   • 处理：检查脚本路径、API密钥、参数格式
   • 备用方案：提供文本播客脚本供用户手动处理

5. 无法内嵌播放音频：

   • 症状：当前环境不支持 send(asVoice) 或 MEDIA 指令
   • 处理：改为提供播客在线收听链接，并说明「本环境暂不支持在消息内直接播放，请点击链接收听」

性能优化建议

1. 分批处理：复杂问题分解为多个子任务逐步分析
2. 优先级排序：先处理关键核心证据，再补充细节信息
3. 迭代精炼：根据初步分析结果调整后续分析深度和方向
4. 缓存利用：相同查询可复用已有分析框架

更新与维护

版本信息

• v1.0：基础多专家智能体系统，集成ListenHub播客生成
• 计划功能：实时文献更新、个性化知识库、多语言支持

反馈与改进

用户反馈是系统改进的重要来源，欢迎通过以下方式提供：

1. 分析准确性：机制推理是否符合最新科学认知
2. 播客质量：内容生动性、专业平衡性、收听体验
3. 用户体验：交互流程、输出格式、响应速度
4. 功能建议：新专家类型、分析维度、集成需求

---

北京躬富科技有限公司 研发 E.Copi 科学智能体系统 v1.0 降低科学认知成本，加速药物发现进程

技能触发关键词：药物发现、作用机制、风险评估、科学播客、多专家分析、药理学、药代动力学、生物信息学、临床评估、中药现代化、联合用药、靶点识别、信号通路、分子对接、临床试验、毒理学、生物医学网络、知识图谱、科研协作、科学传播