什么时候用
先判断任务是否合适
- 需要辅助设计临床研究协议并用A-L分节结构化输出
- 需要识别研究gap但要求每个gap必须基于真实文献检索
- 需要验证论文中的claim是否被引用文献真实支持
- 需要在医学写作中确保报告指南（CONSORT、STROBE等）合规
先准备什么
材料越清楚，结果越有用
- •安装skill到支持SKILL.md规范的agent宿主中
- •明确研究类型（队列、RCT、RWE、MR等）以选择对应的专项planner
- •准备好PICO要素和待验证的论文claim列表
- •了解目标期刊的报告指南要求
它会怎样推进
从材料到可以检查的结果
- 01
选择skill
根据任务类型选择协议设计、gap识别、数据分析或写作技能
- 02
输入研究条件
提供PICO、暴露-结局设想、数据可得性等约束信息
- 03
执行skill
skill按内置硬规则执行：先判研究类型再匹配方法，禁止编造文献
- 04
审查输出
人工审查生成的协议蓝图或gap分析，验证每个claim的引用来源
- 05
合规检查
通过MedSkillAudit审计输出是否违反医学伦理和文献真实性红线
第一次这样开始
把仓库地址直接交给 AI
先让 AI 说明环境和风险，再完成最小安装验证。跑通以后，再把自己的真实材料放进去。
第一次直接复制
帮我安装这个库：https://github.com/aipoch/medical-research-skills 安装前先告诉我需要什么环境，安装后帮我跑通一个最小示例。
结果出来后
先看这些检查点
- 检查每个gap声明是否都有真实检索结果支撑（无检索不得给gap结论）
- 验证生成协议中的time-zero定义和变量分类是否正确
- 确认输出不包含直接诊疗建议和编造的PMID/DOI
常见误区
这些判断仍由你负责
- 把泛化的'加大样本量'或'加单细胞验证'当作真正的research gap
- 跳过IRB/IACUC伦理审查流程，skill只做提醒不能替代真实伦理审批
- 将skill输出的协议直接当作最终方案而不经过PI和统计师审校
技术依据
查看能力拆解、验证范围与来源
技术依据
查看能力拆解、验证范围与来源
- 01
MedSkillAudit双层审计门控
把一个医学研究 skill 经双层审计门控（静态规则检查 + 动态 AI 评估），决定分级部署（通过/带警告部署/拒绝）。双层 veto：Practice Boundaries（M2 红线：禁止直接诊疗）、Scientific Integrity（M1 红线：禁止编造数据）、Methodological Ground（M3 红线：禁止关联冒充因果）、Research Veto（M4：代码可用性硬门）。动态评估用 evaluateskill.py 自动生成 7 类输入（Canonical/Variant A/Edge/Variant B/Stress/Scope Boundary/Adversarial）测试 skill。
- 02
claim验证与引文真实性核验
把待验证的 claim + cited paper 转成结构化裁决（directly/partially/weakly/unsupported）+ 引用安全改写版本，经 claim 拆解→溯源链→证据类型识别→claim vs paper 范围比对→支持强度判定→因果边界审计→不匹配分类（citation drift/wording inflation/selective citation/causality inflation）。15 条 hard rules 禁止把 review 转述等同于原始证据、禁止关联→因果/模型性能→临床效用/in vitro→人类的越界升级。
- 03
临床研究协议设计
把临床/科研问题转成结构化协议蓝图（A-L 分节：研究意图→设计适配性→队列类型→源人群/入排/time-zero→随访架构→终点→变量收集框架→主分析线→偏倚审查→可行性检查→推荐版本→关键假设），经研究设计类型匹配、time-zero/随访/终点操作化定义、变量分类（exposure/confounder/effect modifier/follow-up）、样本量计算。30+ 疾病/方法专属 planner（队列/RWE/MR/FAERS/单细胞/网络毒学等）+ IRB/IACUC/PROSPERO 注册。
- 04
医学学术写作与报告合规
把协议/分析流程/草稿转成 IMRAD 分节正文 + 报告指南合规审查 + claim 强度校准，经研究类型→报告指南匹配（RCT→CONSORT，观察性→STROBE 等）、claim→证据等级映射（correlation/prediction/mechanism/causation/utility）、过度声明模式识别（causal/mechanism/validation/translational inflation）、改写边界控制。
| 能力 | 主要输入 | 主要输出 | 人工检查 |
|---|---|---|---|
MedSkillAudit双层审计门控源码已核对 |
|
|
|
claim验证与引文真实性核验源码已核对 |
|
|
|
临床研究协议设计源码已核对 |
|
|
|
医学学术写作与报告合规源码已核对 |
|
|
|
医学数据分析确定性管线源码已核对 |
|
|
|
证据综合与研究gap识别源码已核对 |
|
|
|
处理机制
- 01
医学研究方法论护栏与伦理工程化
medical-research-skills 的 554 个 skill 共享一套方法论护栏：每个研究类技能内置 Hard Rules（因果边界/文献真实性/越界拒绝），独立合规技能（IRB/IACUC/PHI/注册），MedSkillAudit 双层 veto 作为发布门控，gap-finder 的 pseudo-gap 拒绝和 claim-verifier 的 citation drift 分类作为证据纪律。本机制卡说明这些护栏如何跨技能传递。
已核对范围
- 静态确认双层 veto（Practice Boundaries M2/Scientific Integrity M1/Methodological Ground M3）
- 静态确认 Research Veto M4（代码可用性硬门）
- 静态确认 evaluateskill.py 的 7 类输入生成（Canonical/Variant A/Edge/Variant B/Stress/Scope Boundary/Adversarial）
- 静态确认分级部署机制
- 静态确认 paper-to-claim-verifier 的 15 条 hard rules
- 静态确认 citation drift 分类法
- 静态确认 claim 裁决四级（directly/partially/weakly/unsupported）
- 静态确认 30+ 疾病/方法专属 planner 的 A-L 分节结构
仍待核对
- 未真实运行 evaluateskill.py
- 未真实运行 claim 验证
- 未真实运行任何 planner
- 未验证生成协议的科研质量
- 未真实运行写作技能
- 未真实运行任何分析管线
- 未验证 R 包依赖可用性
- 未真实运行 gap-finder
相关文章
具备相关能力的其他库
相关课程
把单项工具放进完整研究设计流程
课程一从研究问题、文献判断、理论假设和方法骨架继续推进，帮助你建立可以复用的研究设计档案。