Deep Research Pro v5.0.1

Performs deep research using a three-stage process: data extraction, thematic insight briefs with contradiction analysis, and narrative-driven strategic repo...

Skill: Deep Research Pro (v5.0 - 洞察引擎)

版本：5.0.1 描述：真深度研究技能 - 三阶段合成 + 失败即停止

核心原则

深度不是"写得多"，而是"每一行数据都可溯源"。

---

🔴 v5.0.1 强制规则（新增）

规则1：提取失败必须明确报错

python

# 如果提取的数据不满足最低要求，输出：
{
  "error": "提取失败",
  "reason": "样本量缺失 / 主要结果缺失 / 原文引用不足30字",
  "suggestion": "跳过此来源或人工复核"
}

规则2：质量评分必须校验内容

text

质量评分逻辑：
- 有样本量 + 主要结果 + 原文引用 ≥ 30字 → 8.0-9.0
- 有2项 → 7.0-7.5
- 有1项或全是"见原文" → 标记为"待验证"，不评分

规则3：报告必须区分"已验证"和"待验证"

markdown

## 已验证结论（基于核心论文）

### 结论1：LSTM在ICU场景预测准确率达0.87
- 来源：card-002 (PMC11110807)
- 证据：样本量1,250, 95%CI 0.82-0.91, p<0.001
- 原文引用："The LSTM model achieved..." (Results, p.5)

## 待验证线索（基于元数据）

### 线索1：远程医疗或可节省成本
- 来源：card-001 (PubMed摘要)
- 状态：⚠️ 需人工访问原文验证

---

执行流程

Step 1: 检索与提取

bash

# 使用PubMed API获取结构化数据
python3 scripts/extract-pmc.py <pmid>

# 如果返回error，跳过该来源
# 如果数据不全，标记为"待验证"

Step 2: 卡片生成（强制校验）

markdown

---
source_id: card-xxx
status: verified | pending | failed
quality_score: 8.5 | N/A
---

## 1. 核心数据提取

| 指标 | 数值 | 验证状态 |
|------|------|----------|
| 样本量 | 9,080 | ✅ 已提取 |
| 主要结果 | 未提取 | ⚠️ 待验证 |
| 原文引用 | "..."(30字+) | ✅ 已提取 |

## 2. 质量说明

- 数据完整度：2/3
- 建议：访问原文验证主要结果

Step 3: 报告生成（明确区分）

禁止：混合使用"已验证"和"待验证"数据

要求：

• 已验证结论：单独章节
• 待验证线索：单独章节 + 警告标识

---

质量门禁

1. 卡片数量：≥5个有完整数据的
2. 溯源验证：100%通过
3. 明确区分：已验证 vs 待验证

---

v5.0.1 vs v5.0 对比

维度	v5.0	v5.0.1
提取失败	静默填充"见原文"	明确报错
质量评分	虚高(8.5分但空洞)	必须校验内容
报告生成	混合使用数据	明确区分已验证/待验证

---

Skill版本：5.0.1 | 最后更新：2026-03-19