Bio/Med深度可靠调研
精选自
Nico@YouMind
为什么我们推荐这个技能
这项技能是生物医学研究的可靠指南，通过结构化查询、多阶段文献筛选和严谨的IF核查，确保提供高度准确且可验证的科研信息。
指令
这套流程的核心是：先用多 query 在 PubMed / NCBI E-utilities 做可复现初筛，再用 PMID 去重和摘要证据分级；只有少量关键文献进入 PMC / BioC 全文复核；正文引用必须可点击；文末必须列完整文献信息；IF 只能通过公开可访问来源保守核查，不能默认有 JCR 或本地数据库，不能猜，不能把低置信匹配当成确定结果。
1. 用户发起检索后的预处理
1.1 先解析用户问题
收到用户问题后，先把自然语言问题拆成结构化要素。
必须识别：
• 研究对象：基因、蛋白、药物、通道、细胞类型、组织、疾病、模型。
• 生物系统：人、小鼠、大鼠、斑马鱼、类器官、视网膜、脑区、细胞系等。
• 关系类型：表达、调控、功能、机制、表型、死亡、生存、治疗、毒性、发育、退化等。
• 证据需求：是否需要直接证据、机制证据、全文证据、图表、剂量参数、实验方法。
• 时间范围：不限时间、近 5 年、近 1 年、最新进展、经典文献。
• 输出类型：简答、代表文献、综述式总结、实验设计建议、证据表、机制图谱。
示例：
用户问题：
“帮我找视网膜类器官死亡相关文献。”
结构化拆解（示例）：
• 核心模型：retinal organoid, retina organoid, hPSC-derived retinal organoid, optic cup organoid。
• 表型：cell death, apoptosis, degeneration, survival loss, stress, necrosis。
• 相关细胞：photoreceptor, cone, rod, retinal ganglion cell, Müller glia。
• 潜在机制：oxidative stress, ER stress, mitochondrial dysfunction, hypoxia, inflammation, ferroptosis, necroptosis。
• 证据目标：优先找直接在人源或动物源 retinal organoid 中观察到细胞死亡/凋亡/退化的原始研究；再找间接机制文献。
1.2 关键词拆分原则（示例）
不要只写一个检索式。每个概念至少准备三类词。
第一类：精确词。
• retinal organoid
• retina organoid
• human retinal organoid
• hPSC-derived retinal organoid
• iPSC-derived retinal organoid
第二类：同义词和上位词。
• optic cup organoid
• 3D retinal culture
• stem cell-derived retina
• retinal differentiation
• retinal tissue model
第三类：机制和表型词。
• apoptosis
• cell death
• degeneration
• survival
• stress
• oxidative stress
• ER stress
• mitochondrial dysfunction
• hypoxia
• necroptosis
• ferroptosis
如果用户限定细胞类型，加入：
• photoreceptor
• cone
• rod
• retinal ganglion cell
• Müller glia
• bipolar cell
• amacrine cell
如果用户限定物种或来源，加入：
• human
• mouse
• rat
• zebrafish
• hESC
• iPSC
• pluripotent stem cell
1.3 生成分层检索式
至少生成 3–6 组 query。每组 query 对应一个检索目的。
第一层：直接证据检索。
用于找目标模型 + 目标表型直接命中的文献。
```text
("retinal organoid" OR "retina organoid" OR "human retinal organoid") AND (apoptosis OR "cell death" OR degeneration)
```
第二层：扩展模型检索。
用于捕捉作者没有使用 retinal organoid 精确词但实际相关的文献。
```text
("optic cup organoid" OR "3D retinal culture" OR "stem cell-derived retina") AND (survival OR apoptosis OR stress)
```
第三层：机制专项检索。
用于验证具体通路或机制。
```text
("retinal organoid" OR "retina organoid") AND ("oxidative stress" OR "ER stress" OR hypoxia OR mitochondria)
```
第四层：细胞类型专项检索。
```text
("retinal organoid" OR "retina organoid") AND (photoreceptor OR cone OR rod OR "retinal ganglion cell") AND (death OR apoptosis OR degeneration)
```
第五层：疾病模型检索。
```text
("retinal organoid" OR "retina organoid") AND (disease OR degeneration OR dystrophy OR retinitis OR glaucoma)
```
第六层：综述/背景检索。
```text
("retinal organoid" OR "retina organoid") AND (review OR protocol OR model)
```
2. 使用什么方法、在什么网站检索
2.1 首选：PubMed / NCBI E-utilities
PubMed 是生物医学文献检索首选。不要默认抓 PubMed 网页。应使用 NCBI E-utilities API。
2.1.1 ESearch：用 query 获取 PMID
接口：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi
```
参数：
```text
db=pubmed
term=<检索式>
retmode=json
retmax=20
sort=relevance
```
也可按时间排序：
```text
sort=pub+date
```
示例：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=(%22retinal%20organoid%22%20OR%20%22retina%20organoid%22)%20AND%20(apoptosis%20OR%20%22cell%20death%22)&retmode=json&retmax=20&sort=relevance
```
返回中读取：
```text
esearchresult.idlist
```
这就是 PMID 列表。
2.1.2 ESummary：获取文献 metadata
接口：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi
```
参数：
```text
db=pubmed
id=PMID1,PMID2,PMID3
retmode=json
```
提取字段：
• PMID
• title
• fulljournalname
• source / journal abbreviation
• pubdate
• authors
• articleids 中的 DOI、PMCID
• volume、issue、pages
2.1.3 EFetch：获取摘要和 XML 细节
接口：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi
```
参数：
```text
db=pubmed
id=PMID1,PMID2
retmode=xml
rettype=abstract
```
提取字段：
• ArticleTitle
• AbstractText
• Journal Title
• ISOAbbreviation
• ISSN / eISSN
• PubDate
• DOI
• PMCID
• MeSH terms
2.1.4 批量检索策略
推荐流程：
1. 对每个 query 调用 ESearch。
2. 每个 query 取前 5–20 篇。
3. 合并所有 PMID。
4. 按 PMID 去重。
5. 用 ESummary / EFetch 批量获取 metadata 和 abstract。
6. 初筛阶段只读 metadata + abstract，不要一开始抓全文。
────────────────
2.2 第二阶段：PMC / BioC 全文复核
只有以下情况才进入全文：
• 用户要求精读全文。
• 摘要不足以判断机制。
• 需要图表、实验方法、浓度、剂量、IC50、EC50、Kd、Ki。
• 已筛出少量关键 PMID，需要逐篇机制复核。
2.2.1 PMID 转 PMCID
接口：
```text
https://www.ncbi.nlm.nih.gov/pmc/utils/idconv/v1.0/?ids=<PMID>&format=json
```
如果返回 PMCID，说明可能有 PMC 开放全文。
2.2.2 优先 BioC JSON
接口：
```text
https://www.ncbi.nlm.nih.gov/research/bionlp/RESTful/pmcoa.cgi/BioC_json/<PMCID>/unicode
```
优点：结构化程度高，适合抽取正文段落。
2.2.3 BioC 不可用时尝试 PMC XML
接口：
```text
https://www.ncbi.nlm.nih.gov/pmc/articles/<PMCID>/?report=xml
```
抽取正文时跳过：
• references
• bibliography
• acknowledgements
• author contributions
• competing interests
全文复核必须设置停止判据：
• 每篇文献只扫描一次。
• 默认只抽取与问题相关的段落。
• 如果未命中目标字段，标注“未见直接证据”。
• 不要无限换关键词重复抓取。
────────────────
2.3 bioRxiv / medRxiv
用于补充最新预印本。
可以使用官方 API：
```text
https://api.biorxiv.org/details/biorxiv/YYYY-MM-DD/YYYY-MM-DD
https://api.biorxiv.org/details/medrxiv/YYYY-MM-DD/YYYY-MM-DD
```
也可用普通搜索作为补充：
```text
site:biorxiv.org retinal organoid apoptosis
site:medrxiv.org retina organoid degeneration
```
预印本必须标注：
```text
预印本，未经同行评议。
```
────────────────
2.4 Crossref / OpenAlex / Unpaywall
用于补全 DOI、开放全文地址、出版信息。
Crossref：
```text
https://api.crossref.org/works?query.title=<title>
```
OpenAlex：
```text
https://api.openalex.org/works?search=<title or topic>
```
Unpaywall：
```text
https://api.unpaywall.org/v2/<DOI>?email=<your_email>
```
用途：
• DOI 补全。
• OA PDF 链接查找。
• 期刊名核验。
• 出版年份核验。
────────────────
2.5 出版商页面
只有在 API 信息不足时才访问出版商页面。
访问规则：
• 每个出版商 URL 只尝试一次。
• 遇到验证码、登录墙、Cloudflare、Access Denied、机构权限墙，立即停止。
• 不要反复刷新、换同站路径、循环等待。
• 改用 PubMed、PMC、Crossref、OpenAlex、Unpaywall、DOI metadata 兜底。
3. 检索后如何整理信息
3.1 建立统一记录结构
每篇文献整理成统一 record。
字段：
```text
pmid
doi
pmcid
title
authors
journal
journal_abbrev
issn
eissn
year
abstract
query_source
evidence_level
evidence_tags
paper_type
url
```
3.2 去重
优先级：
1. PMID 去重。
2. 没有 PMID 时用 DOI 去重。
3. 没有 DOI 时用 lower(title) + year + first_author 去重。
保留第一次命中的 query_source，同时记录该文献被哪些 query 命中。
3.3 证据分级
必须区分：
直接证据：
目标物种、组织、细胞类型、模型、处理条件直接命中。
间接证据：
相邻系统、相似模型、相近机制支持，但不是用户问题的直接系统。
未见直接证据：
只能找到背景、推测、综述或相邻模型，没有直接实验结果。
3.4 文献类型标注
至少标注：
• original research
• review
• protocol
• preprint
• dataset/resource
• clinical study
• method paper
3.5 排序规则
推荐排序：
1. 直接证据原始研究。
2. 关键机制研究。
3. 最新重要研究。
4. 经典奠基研究。
5. 高质量综述。
6. 间接证据。
不要只按 IF 排序。IF 是期刊层面指标，不等于单篇文献质量。
4. 回复中如何组织引用
4.1 正文引用格式
正文引用必须可点击。
格式：
```markdown
[[1. **Journal**, Year]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
```
示例：
```markdown
已有研究在人源 retinal organoids 中观察到发育阶段相关的光感受器应激和退化现象[[1. **Cell Stem Cell**, 2019]](https://pubmed.ncbi.nlm.nih.gov/xxxxxxx/)。
```
不要写成：
```text
[1]
(PMID: xxxxx)
见文献1
```
4.2 推荐回答结构
第一段：直接结论。
```text
结论：已有相关报道，但直接证据主要集中在……；关于……仍缺少直接证据。
```
第二段：证据分级。
```text
直接证据：
- 文献 A：……
间接证据：
- 文献 B：……
未见直接证据：
- 本轮未找到……
```
第三段：机制归纳。
按主题分组，例如：
• apoptosis / caspase pathway
• oxidative stress
• mitochondrial dysfunction
• ER stress
• hypoxia / metabolic stress
• inflammation
• developmental mismatch
第四段：研究空白。
明确说明哪些问题没有直接证据。
第五段：实验启发。
如果用户需要实验设计，给出 marker、assay、time point、control。
5. 文末完整文献信息列表
只要正文引用具体文献，文末必须附完整列表。
格式：
```markdown
## 完整文献信息列表
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *｛IF＝X，Qn｝*
2. Wang X et al., **Journal Name** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *｛IF＝待核验｝*
```
作者格式：
• 1–3 位作者：列出全部。
• 超过 3 位：第一作者 et al.
PMID / DOI / URL 必须可点击。
6. IF 核查与标注
6.1 先说明 IF 核查的现实限制
正常情况下，官方 Journal Impact Factor 来自 Clarivate Journal Citation Reports（JCR）。但任意外部 Agent 通常没有 Clarivate/JCR 账号，也没有本地 JCR 表，所以不要通过这个路径核查。
```
6.2 IF skill 的实际方法
主要路线：
1. 如果输入是 PMID，先用 NCBI E-utilities 获取 PubMed metadata。
- 获取 FullJournalName。 - 获取 Source / ISO abbreviation。 - 获取 ISSN / eISSN。 - 获取标题、年份、DOI 等辅助字段。
2. 用公开的 iikx / 爱科学移动端 JSON 接口查询期刊。
搜索接口：
```text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=<journal_query>
```
详情接口：
```text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=<id>&classid=<classid>
```
3. 对搜索结果做保守匹配。
- 优先 exact normalized journal title match。 - 其次 exact abbreviation match。 - 对短词和宽泛词非常谨慎。 - 不接受明显 substring 误配，例如 Nature 被误配成 Nature Reviews 系列。 - 如果匹配不稳，返回 ambiguous / not_found，而不是猜。
4. 如果 PubMed 给的是缩写，尝试用 NLM Catalog 扩展为全称或 alternate title。
NLM Catalog 搜索接口仍然是 NCBI E-utilities：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=<abbr>[Title Abbreviation]&retmode=xml&retmax=1
```
然后用 ESummary 取 Title / TitleAlternate。
5. 从 iikx detail 结果中读取：
- impact factor。 - IF 年份。 - JCR quartile。 - CAS / 中科院分区，如果有。 - source URL。 - match confidence。
6. 标注时不把 IF 年份写进正文紧凑标注。
最终标注只写：
```text
*｛IF＝X，Qn｝*
```
如果失败：
```text
*｛IF＝待核验｝*
```
或：
```text
*｛IF＝未检出｝*
```
6.3 具体步骤
对每篇文献执行以下流程。
第一步：准备期刊查询名。
优先从 PubMed metadata 取：
```text
FullJournalName
ISOAbbreviation / Source
ISSN
eISSN
```
如果只有 DOI，则先用 Crossref 或 OpenAlex 取期刊名。
Crossref：
```text
https://api.crossref.org/works/<DOI>
```
OpenAlex：
```text
https://api.openalex.org/works/https://doi.org/<DOI>
```
第二步：规范化期刊名。
规范化规则：
• 全部小写。
• HTML unescape。
• 将 & 替换为 and。
• 去除标点。
• 多个空格合并。
• 比较时可同时使用 compact 形式，即去除所有空格。
示例伪代码：
```python
import re, html
def norm(s):
s = html.unescape(s or '').lower()
s = re.sub(r'&', ' and ', s)
s = re.sub(r'[^a-z0-9]+', ' ', s)
return re.sub(r'\s+', ' ', s).strip()
def compact(s):
return norm(s).replace(' ', '')
```
第三步：查询 iikx 搜索接口。
```text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=<journal_query>
```
建议设置 User-Agent，例如：
```text
Mozilla/5.0
```
如果第一页没找到 exact match，可以有限翻页，例如最多 8 页。
翻页参数通常为：
```text
page=2
page=3
```
第四步：从搜索结果中选候选。
候选字段通常包括：
```text
id
classid
title
smalltitle
IF 或 IF2024
zky2020
url
```
匹配规则：
• 如果 compact(query) == compact(candidate.title)，接受。
• 如果 norm(query) == norm(candidate.title)，接受。
• 如果 compact(query) == compact(candidate.smalltitle)，接受。
• 如果 norm(query) == norm(candidate.smalltitle)，接受。
• 如果只是 substring，不要直接接受，除非 query 足够长且无歧义。
• 对 Nature、Science、Cell、Brain、Vision、Retina 等短词尤其谨慎。
第五步：如果没有匹配，用 NLM Catalog 扩展缩写。
例如 PubMed 里 Source 是：
```text
Free Radic Biol Med
```
可以查：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=Free%20Radic%20Biol%20Med%5BTitle%20Abbreviation%5D&retmode=xml&retmax=1
```
拿到 NLM Catalog ID 后，再用：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=nlmcatalog&id=<id>&retmode=xml
```
读取：
```text
Title
TitleAlternate
```
然后用这些全称再查 iikx。
第六步：查 iikx 详情接口。
如果搜索结果里有：
```text
id=<id>
classid=<classid>
```
调用：
```text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=<id>&classid=<classid>
```
从 detail 中读取：
```text
IF2024, IF2023, IF2022 ...
IF
zky2020 或其他 JCR quartile 字段
jcr22 / jcr12 或分区字段
issn
eissn
title
smalltitle
category
```
第七步：选择最新 IF。
在返回字段中查找所有形如：
```text
IF20xx
```
例如：
```text
IF2024
IF2023
IF2022
```
选年份最大的有效数字。
如果没有 IF20xx，则尝试读取：
```text
IF
if_value
```
如果没有有效值，则标为未检出。
第八步：输出置信度和标注。
如果 exact title / abbreviation 命中，并且 detail 返回有效 IF：
```text
*｛IF＝X，Qn｝*
```
如果匹配不确定：
```text
*｛IF＝待核验｝*
```
如果公开接口没有结果：
```text
*｛IF＝未检出｝*
```
6.4 IF 标注格式
固定格式：
```text
*｛IF＝X，Qn｝*
```
示例：
```markdown
Smith J et al., **Neuron** (2020), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *｛IF＝15.0，Q1｝*
```
注意：
• IF 标注内部不写 JCR 年份。
• 不写“2024 JCR IF”。
• 不写“JCR 2024”。
• 年份只保留在文献发表年份处。
• 如果 IF 为 0.0、空值、来源不稳、匹配不稳，不展示数字。
6.5 IF 核查失败时的标准处理
不要猜。
不要用期刊名印象补数字。
不要用大模型记忆补 IF。
失败时只允许三种状态：
```text
*｛IF＝待核验｝*
```
用于：
• 搜索结果模糊。
• 有多个相似期刊。
• 只找到缩写但无法确认全称。
• 公开来源返回的 IF 可疑。
```text
*｛IF＝未检出｝*
```
用于：
• 公开接口没有结果。
• 期刊不在 SCI / JCR 覆盖范围。
• 新刊暂无 IF。
```text
*｛IF＝不可公开核验｝*
```
用于：
• 用户要求必须官方 JCR，但当前 Agent 没有 Clarivate/JCR 权限。
7. 最终回复自检清单
发出前必须检查：
• 是否先回答用户核心问题。
• 是否区分直接证据、间接证据、未见直接证据。
• 是否所有正文引用都可点击。
• 是否文末有完整文献信息列表。
• 是否每篇文献都带 IF 标注或待核验/未检出标注。
• PMID/DOI/URL 是否可点击。
• 是否避免把整体组织结果偷换成特定细胞类型结论。
• 是否避免把活化/磷酸化偷换成总表达量升高。
• 是否标注预印本。
• 是否说明检索边界。
• IF 是否没有凭记忆猜测。
8. 可复现伪代码
```python
queries = build_queries(user_question)
all_pmids = []
for query in queries:
pmids = ncbi_esearch(query, retmax=20, sort='relevance')
all_pmids.extend(pmids)
pmids = deduplicate_keep_order(all_pmids)
metadata = ncbi_esummary(pmids)
abstracts = ncbi_efetch_abstract(pmids)
records = merge_metadata_and_abstracts(metadata, abstracts)
records = tag_evidence(records, user_question)
records = rank_records(records)
selected = select_top_records(records)
if need_fulltext:
for record in selected_key_records:
pmcid = idconv_pmid_to_pmcid(record.pmid)
if pmcid:
record.fulltext = fetch_bioc_or_pmc_xml(pmcid)
for record in selected:
journal_query = record.full_journal_name or record.journal_abbrev
if_result = lookup_if_public_iikx(journal_query)
if if_result.confident:
record.if_annotation = f'*｛IF＝{if_result.if_value}，{if_result.quartile}｝*'
elif if_result.ambiguous:
record.if_annotation = '*｛IF＝待核验｝*'
else:
record.if_annotation = '*｛IF＝未检出｝*'
answer = compose_answer(
conclusion,
evidence_groups,
clickable_body_citations,
full_reference_list_with_if
)
```
9. 推荐最终交付模板
```markdown
结论：
……
证据等级：
直接证据：
- ……[[1. **Journal**, Year]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
间接证据：
- ……[[2. **Journal**, Year]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
未见直接证据：
- ……
机制归纳：
1. ……
2. ……
检索边界：
本轮主要检索 PubMed / PMC / BioC / bioRxiv；初筛基于 metadata + abstract，仅对关键文献进入全文复核。IF 标注基于公开可访问来源核查；无法高置信匹配时标为待核验或未检出。
完整文献信息列表：
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *｛IF＝X，Q1｝*
2. Wang X et al., **Journal Name** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *｛IF＝待核验｝*
```
描述
适用场景：完成一轮生物/生物医学类科研文献检索并给用户提供详实可靠的输出 1. 用户发起检索后系统拆解问题和关键词 2. 使用公开、可复现的数据源检索文献 3. 对检索结果进行去重、分层、证据分级和排序 4. 回复中使用可点击正文引用 5. 文末逐条列出完整文献信息，并用公开可查路线标注 IF；如果无法高置信核验，必须标为“待核验”或“未检出”。
相关技能
查看全部
学习如何快速了解一个行业
📋 使用指南 这个 Skill 是一套基于麦肯锡方法论驱动的行业研究引擎，基于肖璟《如何快速了解一个行业》中的八维框架。你告诉它一个行业名，它帮你产出一份系统化的行研报告。 —————————————————————————————— 🚀 基础用法 直接告诉我你想研究什么行业即可，越具体越好： a. "帮我分析一下固态电池行业" b. "看看人形机器人产业链，创业视角" c. "光伏行业现在还能投吗？" 你可以附带三个信息（不强制，缺了我会按默认处理）： 1. 行业名：越具体越好，比如「钙钛矿光伏」而非「新能源」，此项“必填”； 2. 目标：投资 / 择业 / 创业 / 竞品分析 / 科普，默认：投资； 3. 地区：中国市场 / 全球 / 美国 / 东南亚...，默认：中国市场； —————————————————————————————— ⚙️ 它会自动做什么？ 整个流程分为 4 个阶段： 1. 多轮联网搜索搜市场规模/增速/渗透率、产业链、竞争格局、护城河证据、政策、估值——每一条结论都有来源和时点，绝不编造； 2. 生命周期定位用渗透率判断行业处于导入期/成长期/成熟期/衰退期，不同阶段研究重点完全不同； 3. 八维度深挖商业模式 → 市场规模 → 护城河（强制深挖动态趋势）→ 竞争格局（强制逐条五力打分）→ 估值 → PEST → 景气度； 4. 反共识检验区分市场已 price-in 的明牌 vs 被忽略的真问题，给出决策建议； —————————————————————————————— 📊 产出什么？ 一份 Markdown格式的专业行研报告，结构如下： 1. ⚡ 30 秒速判 — 阶段 / 核心赚钱逻辑 / 最大机会 / 最大风险 / 一句话结论； 2. 研究对象，边界界定； 3. 生命周期定位（含渗透率数据）； 4. 八维度逐项分析（护城河含动态趋势表格、波特五力逐条打分表）； 5. 反共识检验； 6. 结论与决策建议； 7. 关键风险清单； 8. 数据来源与时间说明； —————————————————————————————— 🔑 两个核心亮点 1. 护城河强制深挖：不只讲壁垒类型，必须回答「过去 2-3 年是变宽还是变窄」，用份额/毛利率/定价权数据说话； 2. 波特五力逐条打分：五条全打，不给偷懒空间，判断当前谁议价权最强、格局对头部是友好还是恶化； —————————————————————————————— ⏱️ 耗时 大约 2-4分钟，因为需要多轮搜索 + 逐维度分析 + 撰写报告 —————————————————————————————— 🧩 后续可扩展 报告产出后，可以继续接两个专项分析（需要你手动确认，不会自动跑）： 1.「拆链找卡点」：从产业链中定位趋势放量时绕不过去的物理卡点，锁定真受益标的； 2.「DCF 估值」：对行业内具体公司跑完整现金流折现模型； —————————————————————————————— ▶️ 想试试？ 直接告诉我一个行业名就行，比如「帮我看看 AI Agent 行业，创业视角」或「氢能产业链现在什么情况？」
学习如何快速了解一家企业
输入公司名或股票，用查理.芒格的多元思维模型，以价值投资的视角对股票进行深度投研分析，SKILL自动联网挖掘深度信息，强制先搜后判、双源交叉、标注口径与来源，按价值投资七维框架做深度分析，给出三情景估值与2×2质量/价格决策，产出一份可执行的《价值投资深度分析》报告。
Bio/Med深度可靠调研
精选自
Nico@YouMind
为什么我们推荐这个技能
这项技能是生物医学研究的可靠指南，通过结构化查询、多阶段文献筛选和严谨的IF核查，确保提供高度准确且可验证的科研信息。
指令
这套流程的核心是：先用多 query 在 PubMed / NCBI E-utilities 做可复现初筛，再用 PMID 去重和摘要证据分级；只有少量关键文献进入 PMC / BioC 全文复核；正文引用必须可点击；文末必须列完整文献信息；IF 只能通过公开可访问来源保守核查，不能默认有 JCR 或本地数据库，不能猜，不能把低置信匹配当成确定结果。
1. 用户发起检索后的预处理
1.1 先解析用户问题
收到用户问题后，先把自然语言问题拆成结构化要素。
必须识别：
• 研究对象：基因、蛋白、药物、通道、细胞类型、组织、疾病、模型。
• 生物系统：人、小鼠、大鼠、斑马鱼、类器官、视网膜、脑区、细胞系等。
• 关系类型：表达、调控、功能、机制、表型、死亡、生存、治疗、毒性、发育、退化等。
• 证据需求：是否需要直接证据、机制证据、全文证据、图表、剂量参数、实验方法。
• 时间范围：不限时间、近 5 年、近 1 年、最新进展、经典文献。
• 输出类型：简答、代表文献、综述式总结、实验设计建议、证据表、机制图谱。
示例：
用户问题：
“帮我找视网膜类器官死亡相关文献。”
结构化拆解（示例）：
• 核心模型：retinal organoid, retina organoid, hPSC-derived retinal organoid, optic cup organoid。
• 表型：cell death, apoptosis, degeneration, survival loss, stress, necrosis。
• 相关细胞：photoreceptor, cone, rod, retinal ganglion cell, Müller glia。
• 潜在机制：oxidative stress, ER stress, mitochondrial dysfunction, hypoxia, inflammation, ferroptosis, necroptosis。
• 证据目标：优先找直接在人源或动物源 retinal organoid 中观察到细胞死亡/凋亡/退化的原始研究；再找间接机制文献。
1.2 关键词拆分原则（示例）
不要只写一个检索式。每个概念至少准备三类词。
第一类：精确词。
• retinal organoid
• retina organoid
• human retinal organoid
• hPSC-derived retinal organoid
• iPSC-derived retinal organoid
第二类：同义词和上位词。
• optic cup organoid
• 3D retinal culture
• stem cell-derived retina
• retinal differentiation
• retinal tissue model
第三类：机制和表型词。
• apoptosis
• cell death
• degeneration
• survival
• stress
• oxidative stress
• ER stress
• mitochondrial dysfunction
• hypoxia
• necroptosis
• ferroptosis
如果用户限定细胞类型，加入：
• photoreceptor
• cone
• rod
• retinal ganglion cell
• Müller glia
• bipolar cell
• amacrine cell
如果用户限定物种或来源，加入：
• human
• mouse
• rat
• zebrafish
• hESC
• iPSC
• pluripotent stem cell
1.3 生成分层检索式
至少生成 3–6 组 query。每组 query 对应一个检索目的。
第一层：直接证据检索。
用于找目标模型 + 目标表型直接命中的文献。
```text
("retinal organoid" OR "retina organoid" OR "human retinal organoid") AND (apoptosis OR "cell death" OR degeneration)
```
第二层：扩展模型检索。
用于捕捉作者没有使用 retinal organoid 精确词但实际相关的文献。
```text
("optic cup organoid" OR "3D retinal culture" OR "stem cell-derived retina") AND (survival OR apoptosis OR stress)
```
第三层：机制专项检索。
用于验证具体通路或机制。
```text
("retinal organoid" OR "retina organoid") AND ("oxidative stress" OR "ER stress" OR hypoxia OR mitochondria)
```
第四层：细胞类型专项检索。
```text
("retinal organoid" OR "retina organoid") AND (photoreceptor OR cone OR rod OR "retinal ganglion cell") AND (death OR apoptosis OR degeneration)
```
第五层：疾病模型检索。
```text
("retinal organoid" OR "retina organoid") AND (disease OR degeneration OR dystrophy OR retinitis OR glaucoma)
```
第六层：综述/背景检索。
```text
("retinal organoid" OR "retina organoid") AND (review OR protocol OR model)
```
2. 使用什么方法、在什么网站检索
2.1 首选：PubMed / NCBI E-utilities
PubMed 是生物医学文献检索首选。不要默认抓 PubMed 网页。应使用 NCBI E-utilities API。
2.1.1 ESearch：用 query 获取 PMID
接口：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi
```
参数：
```text
db=pubmed
term=<检索式>
retmode=json
retmax=20
sort=relevance
```
也可按时间排序：
```text
sort=pub+date
```
示例：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=(%22retinal%20organoid%22%20OR%20%22retina%20organoid%22)%20AND%20(apoptosis%20OR%20%22cell%20death%22)&retmode=json&retmax=20&sort=relevance
```
返回中读取：
```text
esearchresult.idlist
```
这就是 PMID 列表。
2.1.2 ESummary：获取文献 metadata
接口：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi
```
参数：
```text
db=pubmed
id=PMID1,PMID2,PMID3
retmode=json
```
提取字段：
• PMID
• title
• fulljournalname
• source / journal abbreviation
• pubdate
• authors
• articleids 中的 DOI、PMCID
• volume、issue、pages
2.1.3 EFetch：获取摘要和 XML 细节
接口：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi
```
参数：
```text
db=pubmed
id=PMID1,PMID2
retmode=xml
rettype=abstract
```
提取字段：
• ArticleTitle
• AbstractText
• Journal Title
• ISOAbbreviation
• ISSN / eISSN
• PubDate
• DOI
• PMCID
• MeSH terms
2.1.4 批量检索策略
推荐流程：
1. 对每个 query 调用 ESearch。
2. 每个 query 取前 5–20 篇。
3. 合并所有 PMID。
4. 按 PMID 去重。
5. 用 ESummary / EFetch 批量获取 metadata 和 abstract。
6. 初筛阶段只读 metadata + abstract，不要一开始抓全文。
────────────────
2.2 第二阶段：PMC / BioC 全文复核
只有以下情况才进入全文：
• 用户要求精读全文。
• 摘要不足以判断机制。
• 需要图表、实验方法、浓度、剂量、IC50、EC50、Kd、Ki。
• 已筛出少量关键 PMID，需要逐篇机制复核。
2.2.1 PMID 转 PMCID
接口：
```text
https://www.ncbi.nlm.nih.gov/pmc/utils/idconv/v1.0/?ids=<PMID>&format=json
```
如果返回 PMCID，说明可能有 PMC 开放全文。
2.2.2 优先 BioC JSON
接口：
```text
https://www.ncbi.nlm.nih.gov/research/bionlp/RESTful/pmcoa.cgi/BioC_json/<PMCID>/unicode
```
优点：结构化程度高，适合抽取正文段落。
2.2.3 BioC 不可用时尝试 PMC XML
接口：
```text
https://www.ncbi.nlm.nih.gov/pmc/articles/<PMCID>/?report=xml
```
抽取正文时跳过：
• references
• bibliography
• acknowledgements
• author contributions
• competing interests
全文复核必须设置停止判据：
• 每篇文献只扫描一次。
• 默认只抽取与问题相关的段落。
• 如果未命中目标字段，标注“未见直接证据”。
• 不要无限换关键词重复抓取。
────────────────
2.3 bioRxiv / medRxiv
用于补充最新预印本。
可以使用官方 API：
```text
https://api.biorxiv.org/details/biorxiv/YYYY-MM-DD/YYYY-MM-DD
https://api.biorxiv.org/details/medrxiv/YYYY-MM-DD/YYYY-MM-DD
```
也可用普通搜索作为补充：
```text
site:biorxiv.org retinal organoid apoptosis
site:medrxiv.org retina organoid degeneration
```
预印本必须标注：
```text
预印本，未经同行评议。
```
────────────────
2.4 Crossref / OpenAlex / Unpaywall
用于补全 DOI、开放全文地址、出版信息。
Crossref：
```text
https://api.crossref.org/works?query.title=<title>
```
OpenAlex：
```text
https://api.openalex.org/works?search=<title or topic>
```
Unpaywall：
```text
https://api.unpaywall.org/v2/<DOI>?email=<your_email>
```
用途：
• DOI 补全。
• OA PDF 链接查找。
• 期刊名核验。
• 出版年份核验。
────────────────
2.5 出版商页面
只有在 API 信息不足时才访问出版商页面。
访问规则：
• 每个出版商 URL 只尝试一次。
• 遇到验证码、登录墙、Cloudflare、Access Denied、机构权限墙，立即停止。
• 不要反复刷新、换同站路径、循环等待。
• 改用 PubMed、PMC、Crossref、OpenAlex、Unpaywall、DOI metadata 兜底。
3. 检索后如何整理信息
3.1 建立统一记录结构
每篇文献整理成统一 record。
字段：
```text
pmid
doi
pmcid
title
authors
journal
journal_abbrev
issn
eissn
year
abstract
query_source
evidence_level
evidence_tags
paper_type
url
```
3.2 去重
优先级：
1. PMID 去重。
2. 没有 PMID 时用 DOI 去重。
3. 没有 DOI 时用 lower(title) + year + first_author 去重。
保留第一次命中的 query_source，同时记录该文献被哪些 query 命中。
3.3 证据分级
必须区分：
直接证据：
目标物种、组织、细胞类型、模型、处理条件直接命中。
间接证据：
相邻系统、相似模型、相近机制支持，但不是用户问题的直接系统。
未见直接证据：
只能找到背景、推测、综述或相邻模型，没有直接实验结果。
3.4 文献类型标注
至少标注：
• original research
• review
• protocol
• preprint
• dataset/resource
• clinical study
• method paper
3.5 排序规则
推荐排序：
1. 直接证据原始研究。
2. 关键机制研究。
3. 最新重要研究。
4. 经典奠基研究。
5. 高质量综述。
6. 间接证据。
不要只按 IF 排序。IF 是期刊层面指标，不等于单篇文献质量。
4. 回复中如何组织引用
4.1 正文引用格式
正文引用必须可点击。
格式：
```markdown
[[1. **Journal**, Year]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
```
示例：
```markdown
已有研究在人源 retinal organoids 中观察到发育阶段相关的光感受器应激和退化现象[[1. **Cell Stem Cell**, 2019]](https://pubmed.ncbi.nlm.nih.gov/xxxxxxx/)。
```
不要写成：
```text
[1]
(PMID: xxxxx)
见文献1
```
4.2 推荐回答结构
第一段：直接结论。
```text
结论：已有相关报道，但直接证据主要集中在……；关于……仍缺少直接证据。
```
第二段：证据分级。
```text
直接证据：
- 文献 A：……
间接证据：
- 文献 B：……
未见直接证据：
- 本轮未找到……
```
第三段：机制归纳。
按主题分组，例如：
• apoptosis / caspase pathway
• oxidative stress
• mitochondrial dysfunction
• ER stress
• hypoxia / metabolic stress
• inflammation
• developmental mismatch
第四段：研究空白。
明确说明哪些问题没有直接证据。
第五段：实验启发。
如果用户需要实验设计，给出 marker、assay、time point、control。
5. 文末完整文献信息列表
只要正文引用具体文献，文末必须附完整列表。
格式：
```markdown
## 完整文献信息列表
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *｛IF＝X，Qn｝*
2. Wang X et al., **Journal Name** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *｛IF＝待核验｝*
```
作者格式：
• 1–3 位作者：列出全部。
• 超过 3 位：第一作者 et al.
PMID / DOI / URL 必须可点击。
6. IF 核查与标注
6.1 先说明 IF 核查的现实限制
正常情况下，官方 Journal Impact Factor 来自 Clarivate Journal Citation Reports（JCR）。但任意外部 Agent 通常没有 Clarivate/JCR 账号，也没有本地 JCR 表，所以不要通过这个路径核查。
```
6.2 IF skill 的实际方法
主要路线：
1. 如果输入是 PMID，先用 NCBI E-utilities 获取 PubMed metadata。
- 获取 FullJournalName。 - 获取 Source / ISO abbreviation。 - 获取 ISSN / eISSN。 - 获取标题、年份、DOI 等辅助字段。
2. 用公开的 iikx / 爱科学移动端 JSON 接口查询期刊。
搜索接口：
```text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=<journal_query>
```
详情接口：
```text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=<id>&classid=<classid>
```
3. 对搜索结果做保守匹配。
- 优先 exact normalized journal title match。 - 其次 exact abbreviation match。 - 对短词和宽泛词非常谨慎。 - 不接受明显 substring 误配，例如 Nature 被误配成 Nature Reviews 系列。 - 如果匹配不稳，返回 ambiguous / not_found，而不是猜。
4. 如果 PubMed 给的是缩写，尝试用 NLM Catalog 扩展为全称或 alternate title。
NLM Catalog 搜索接口仍然是 NCBI E-utilities：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=<abbr>[Title Abbreviation]&retmode=xml&retmax=1
```
然后用 ESummary 取 Title / TitleAlternate。
5. 从 iikx detail 结果中读取：
- impact factor。 - IF 年份。 - JCR quartile。 - CAS / 中科院分区，如果有。 - source URL。 - match confidence。
6. 标注时不把 IF 年份写进正文紧凑标注。
最终标注只写：
```text
*｛IF＝X，Qn｝*
```
如果失败：
```text
*｛IF＝待核验｝*
```
或：
```text
*｛IF＝未检出｝*
```
6.3 具体步骤
对每篇文献执行以下流程。
第一步：准备期刊查询名。
优先从 PubMed metadata 取：
```text
FullJournalName
ISOAbbreviation / Source
ISSN
eISSN
```
如果只有 DOI，则先用 Crossref 或 OpenAlex 取期刊名。
Crossref：
```text
https://api.crossref.org/works/<DOI>
```
OpenAlex：
```text
https://api.openalex.org/works/https://doi.org/<DOI>
```
第二步：规范化期刊名。
规范化规则：
• 全部小写。
• HTML unescape。
• 将 & 替换为 and。
• 去除标点。
• 多个空格合并。
• 比较时可同时使用 compact 形式，即去除所有空格。
示例伪代码：
```python
import re, html
def norm(s):
s = html.unescape(s or '').lower()
s = re.sub(r'&', ' and ', s)
s = re.sub(r'[^a-z0-9]+', ' ', s)
return re.sub(r'\s+', ' ', s).strip()
def compact(s):
return norm(s).replace(' ', '')
```
第三步：查询 iikx 搜索接口。
```text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=<journal_query>
```
建议设置 User-Agent，例如：
```text
Mozilla/5.0
```
如果第一页没找到 exact match，可以有限翻页，例如最多 8 页。
翻页参数通常为：
```text
page=2
page=3
```
第四步：从搜索结果中选候选。
候选字段通常包括：
```text
id
classid
title
smalltitle
IF 或 IF2024
zky2020
url
```
匹配规则：
• 如果 compact(query) == compact(candidate.title)，接受。
• 如果 norm(query) == norm(candidate.title)，接受。
• 如果 compact(query) == compact(candidate.smalltitle)，接受。
• 如果 norm(query) == norm(candidate.smalltitle)，接受。
• 如果只是 substring，不要直接接受，除非 query 足够长且无歧义。
• 对 Nature、Science、Cell、Brain、Vision、Retina 等短词尤其谨慎。
第五步：如果没有匹配，用 NLM Catalog 扩展缩写。
例如 PubMed 里 Source 是：
```text
Free Radic Biol Med
```
可以查：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=Free%20Radic%20Biol%20Med%5BTitle%20Abbreviation%5D&retmode=xml&retmax=1
```
拿到 NLM Catalog ID 后，再用：
```text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=nlmcatalog&id=<id>&retmode=xml
```
读取：
```text
Title
TitleAlternate
```
然后用这些全称再查 iikx。
第六步：查 iikx 详情接口。
如果搜索结果里有：
```text
id=<id>
classid=<classid>
```
调用：
```text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=<id>&classid=<classid>
```
从 detail 中读取：
```text
IF2024, IF2023, IF2022 ...
IF
zky2020 或其他 JCR quartile 字段
jcr22 / jcr12 或分区字段
issn
eissn
title
smalltitle
category
```
第七步：选择最新 IF。
在返回字段中查找所有形如：
```text
IF20xx
```
例如：
```text
IF2024
IF2023
IF2022
```
选年份最大的有效数字。
如果没有 IF20xx，则尝试读取：
```text
IF
if_value
```
如果没有有效值，则标为未检出。
第八步：输出置信度和标注。
如果 exact title / abbreviation 命中，并且 detail 返回有效 IF：
```text
*｛IF＝X，Qn｝*
```
如果匹配不确定：
```text
*｛IF＝待核验｝*
```
如果公开接口没有结果：
```text
*｛IF＝未检出｝*
```
6.4 IF 标注格式
固定格式：
```text
*｛IF＝X，Qn｝*
```
示例：
```markdown
Smith J et al., **Neuron** (2020), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *｛IF＝15.0，Q1｝*
```
注意：
• IF 标注内部不写 JCR 年份。
• 不写“2024 JCR IF”。
• 不写“JCR 2024”。
• 年份只保留在文献发表年份处。
• 如果 IF 为 0.0、空值、来源不稳、匹配不稳，不展示数字。
6.5 IF 核查失败时的标准处理
不要猜。
不要用期刊名印象补数字。
不要用大模型记忆补 IF。
失败时只允许三种状态：
```text
*｛IF＝待核验｝*
```
用于：
• 搜索结果模糊。
• 有多个相似期刊。
• 只找到缩写但无法确认全称。
• 公开来源返回的 IF 可疑。
```text
*｛IF＝未检出｝*
```
用于：
• 公开接口没有结果。
• 期刊不在 SCI / JCR 覆盖范围。
• 新刊暂无 IF。
```text
*｛IF＝不可公开核验｝*
```
用于：
• 用户要求必须官方 JCR，但当前 Agent 没有 Clarivate/JCR 权限。
7. 最终回复自检清单
发出前必须检查：
• 是否先回答用户核心问题。
• 是否区分直接证据、间接证据、未见直接证据。
• 是否所有正文引用都可点击。
• 是否文末有完整文献信息列表。
• 是否每篇文献都带 IF 标注或待核验/未检出标注。
• PMID/DOI/URL 是否可点击。
• 是否避免把整体组织结果偷换成特定细胞类型结论。
• 是否避免把活化/磷酸化偷换成总表达量升高。
• 是否标注预印本。
• 是否说明检索边界。
• IF 是否没有凭记忆猜测。
8. 可复现伪代码
```python
queries = build_queries(user_question)
all_pmids = []
for query in queries:
pmids = ncbi_esearch(query, retmax=20, sort='relevance')
all_pmids.extend(pmids)
pmids = deduplicate_keep_order(all_pmids)
metadata = ncbi_esummary(pmids)
abstracts = ncbi_efetch_abstract(pmids)
records = merge_metadata_and_abstracts(metadata, abstracts)
records = tag_evidence(records, user_question)
records = rank_records(records)
selected = select_top_records(records)
if need_fulltext:
for record in selected_key_records:
pmcid = idconv_pmid_to_pmcid(record.pmid)
if pmcid:
record.fulltext = fetch_bioc_or_pmc_xml(pmcid)
for record in selected:
journal_query = record.full_journal_name or record.journal_abbrev
if_result = lookup_if_public_iikx(journal_query)
if if_result.confident:
record.if_annotation = f'*｛IF＝{if_result.if_value}，{if_result.quartile}｝*'
elif if_result.ambiguous:
record.if_annotation = '*｛IF＝待核验｝*'
else:
record.if_annotation = '*｛IF＝未检出｝*'
answer = compose_answer(
conclusion,
evidence_groups,
clickable_body_citations,
full_reference_list_with_if
)
```
9. 推荐最终交付模板
```markdown
结论：
……
证据等级：
直接证据：
- ……[[1. **Journal**, Year]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
间接证据：
- ……[[2. **Journal**, Year]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
未见直接证据：
- ……
机制归纳：
1. ……
2. ……
检索边界：
本轮主要检索 PubMed / PMC / BioC / bioRxiv；初筛基于 metadata + abstract，仅对关键文献进入全文复核。IF 标注基于公开可访问来源核查；无法高置信匹配时标为待核验或未检出。
完整文献信息列表：
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *｛IF＝X，Q1｝*
2. Wang X et al., **Journal Name** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *｛IF＝待核验｝*
```
描述
适用场景：完成一轮生物/生物医学类科研文献检索并给用户提供详实可靠的输出 1. 用户发起检索后系统拆解问题和关键词 2. 使用公开、可复现的数据源检索文献 3. 对检索结果进行去重、分层、证据分级和排序 4. 回复中使用可点击正文引用 5. 文末逐条列出完整文献信息，并用公开可查路线标注 IF；如果无法高置信核验，必须标为“待核验”或“未检出”。
相关技能
查看全部学习如何快速了解一个行业
📋 使用指南 这个 Skill 是一套基于麦肯锡方法论驱动的行业研究引擎，基于肖璟《如何快速了解一个行业》中的八维框架。你告诉它一个行业名，它帮你产出一份系统化的行研报告。 —————————————————————————————— 🚀 基础用法 直接告诉我你想研究什么行业即可，越具体越好： a. "帮我分析一下固态电池行业" b. "看看人形机器人产业链，创业视角" c. "光伏行业现在还能投吗？" 你可以附带三个信息（不强制，缺了我会按默认处理）： 1. 行业名：越具体越好，比如「钙钛矿光伏」而非「新能源」，此项“必填”； 2. 目标：投资 / 择业 / 创业 / 竞品分析 / 科普，默认：投资； 3. 地区：中国市场 / 全球 / 美国 / 东南亚...，默认：中国市场； —————————————————————————————— ⚙️ 它会自动做什么？ 整个流程分为 4 个阶段： 1. 多轮联网搜索搜市场规模/增速/渗透率、产业链、竞争格局、护城河证据、政策、估值——每一条结论都有来源和时点，绝不编造； 2. 生命周期定位用渗透率判断行业处于导入期/成长期/成熟期/衰退期，不同阶段研究重点完全不同； 3. 八维度深挖商业模式 → 市场规模 → 护城河（强制深挖动态趋势）→ 竞争格局（强制逐条五力打分）→ 估值 → PEST → 景气度； 4. 反共识检验区分市场已 price-in 的明牌 vs 被忽略的真问题，给出决策建议； —————————————————————————————— 📊 产出什么？ 一份 Markdown格式的专业行研报告，结构如下： 1. ⚡ 30 秒速判 — 阶段 / 核心赚钱逻辑 / 最大机会 / 最大风险 / 一句话结论； 2. 研究对象，边界界定； 3. 生命周期定位（含渗透率数据）； 4. 八维度逐项分析（护城河含动态趋势表格、波特五力逐条打分表）； 5. 反共识检验； 6. 结论与决策建议； 7. 关键风险清单； 8. 数据来源与时间说明； —————————————————————————————— 🔑 两个核心亮点 1. 护城河强制深挖：不只讲壁垒类型，必须回答「过去 2-3 年是变宽还是变窄」，用份额/毛利率/定价权数据说话； 2. 波特五力逐条打分：五条全打，不给偷懒空间，判断当前谁议价权最强、格局对头部是友好还是恶化； —————————————————————————————— ⏱️ 耗时 大约 2-4分钟，因为需要多轮搜索 + 逐维度分析 + 撰写报告 —————————————————————————————— 🧩 后续可扩展 报告产出后，可以继续接两个专项分析（需要你手动确认，不会自动跑）： 1.「拆链找卡点」：从产业链中定位趋势放量时绕不过去的物理卡点，锁定真受益标的； 2.「DCF 估值」：对行业内具体公司跑完整现金流折现模型； —————————————————————————————— ▶️ 想试试？ 直接告诉我一个行业名就行，比如「帮我看看 AI Agent 行业，创业视角」或「氢能产业链现在什么情况？」
学习如何快速了解一家企业
输入公司名或股票，用查理.芒格的多元思维模型，以价值投资的视角对股票进行深度投研分析，SKILL自动联网挖掘深度信息，强制先搜后判、双源交叉、标注口径与来源，按价值投资七维框架做深度分析，给出三情景估值与2×2质量/价格决策，产出一份可执行的《价值投资深度分析》报告。
发现下一个适合你的技能
继续探索更多精选 AI 技能，用于研究、创作和日常工作。