2710074390-cyber MedAgentWork — 医学题库生产管线
把教材/笔记变成高质量题库与复习手册的完整工作流。五个角色接力（MedMaster 编排 → MedGen 出题 → MedQC 质检 → MedFix 修复 → MedReview 成册），每个阶段转换由确定性 Python 门禁强制校验——门禁不通过，管线停止（Orchestrator-as-Enforcer，HC-12）。
本 skill 由 MedAgentWork 原项目转化而来，核心管线零第三方依赖（纯 Python 标准库），开箱即用。
⚠️ 前置条件：数据需自备 本 skill 只含机制不含数据 —— 没有真题、教材。金标准（
GoldenSet/）由你手动维护；无金标准时管线会走「降级模式」（见 §6）。
When to Use This Skill（定位与适用边界，先判断要不要用）
定位：一条医学题库生产的工业流水线（不是问答工具）——用 CI/CD 工程范式（Pipeline as Code + Quality Gate）治理 LLM 出题的不确定性。核心主张：LLM 自检不可信，一切质量判定交给确定性脚本。
何时触发本技能：用户要从教材/笔记批量生成医学题库或复习资料、提到 MedAgentWork / 题库生产 / 出题质检 / 押题卷 / 复习手册，或需要对已有题库做质量门禁校验时。
| ✅ 适用 | ❌ 不适用 |
|---|---|
| 教材/笔记 → 系统化复习资料 + 配套题库 | 单题问答、临时查资料（流水线开销远大于收益） |
| 教研团队批量题库建设（需可追溯/可复现/可审计） | 需要医疗诊断建议（见 Boundaries） |
| 作为「LLM + 确定性门禁」工程范式的参考实现 | 无自有素材/金标准（本 skill 不含真题、教材） |
有自备真题/权威题库（GoldenSet/）的用户 |
需要单题即时作答（流水线开销远大于收益） |
三条最容易被高估的局限（完整清单见仓库 README.md 的「局限性」一节）：
- 门禁只保证形式质量，不保证临床正确性 —— 过了门禁 ≠ 题目正确（详见 §7.1）。
- 只有 Bloom 一维做了独立重算 ——
D20等仍读 LLM 自述，门禁只保证「字段存在且非 0」。 - 金标准是硬门槛 ——
HC-18要求每批 15%–20% 为金标准引用题；无金标准只能走降级，该批次无兜底。
Security & Safety Notes（安全与权限说明）
本技能 risk: critical —— 它会执行本地 Python 脚本并写入文件系统。使用前请确认以下边界：
| 项 | 说明 |
|---|---|
| 运行环境 | 纯本地、无网络请求（核心管线零第三方依赖，不调用任何外部 API） |
| 写入范围 | 仅当前工作区目录：输入素材/、中间产物/、质检报告/、最终产物/、复习资料/、reports/、workflow_state.json |
| 不触碰 | 工作区之外的任何路径；不修改系统配置；不安装系统级软件 |
| 脚本执行前提 | 所有脚本必须在工作区目录下运行（脚本按 cwd 定位产物目录）。在错误目录执行会把产物写到意外位置 |
| 需要确认的动作 | 覆盖已有产物、清理 reports/、删除任何文件 —— 执行前须向用户确认 |
| 依赖安装 | 可选依赖（PyYAML / jsonschema / jieba）由用户自行决定是否安装；不安装也能完整跑通 |
| 内容责任 | 不提供医疗诊断建议；答案正确性由人工签收负责（见 §7.1 边界声明） |
建议首次使用先在独立空目录中试跑，确认产物落点符合预期后再用于正式批次。
1. 运行模型（先读）
两个目录，职责分离：
| 目录 | 位置 | 内容 |
|---|---|---|
本 skill 目录（下文 {SKILL}） |
安装位置，只读 | 门禁脚本 scripts/、角色手册 references/、产物契约 schemas/、交付模板 assets/、管线配置 pipeline.yaml |
| 你的工作区 | 你自己的项目目录 | 素材输入、全部产物、状态文件（由本管线写入） |
铁律：所有脚本必须在工作区目录下运行（脚本按当前目录定位 中间产物/、workflow_state.json 等）：
cd <你的工作区>
python {SKILL}/scripts/validate_options.py --batch batch001
依赖：核心管线（validate/gate/state/qbank/fact_check/bloom/kaoyan/render）零依赖；可选增强（PyYAML / jsonschema / jieba）见仓库根目录 requirements-optional.txt，全部缺失也能完整跑通。
阈值调参：所有可调阈值（选项长度上限、Bloom 偏差上限、R8 豁免词表等）集中在 pipeline.yaml 的 thresholds: 段，由 scripts/pipeline_config.py 在运行时读取（缺失回退内置默认）。改配置即全局生效，不需要改 Python 代码。
2. 工作区初始化（首次使用）
用户首次使用时，在用户工作区创建目录骨架：
输入素材/{科目}/ # 用户放入教材/笔记/重点（唯一人工输入）
中间产物/{batchID}/ # MedGen 题库 JSON + 备考资料
质检报告/{batchID}/ # MedQC 质检报告
最终产物/{batchID}/ # MedFix 修复版 + 追溯日志
复习资料/{科目}教学计划版/ # MedReview 主复习资料
GoldenSet/ # 金标准（仅用户手动维护，Agent 禁写）
archive/ # 签收归档
初始化状态文件（在 Python 中调用，或参考 references/runbook.md）：
cd <你的工作区> && python -c "import sys; sys.path.insert(0, '{SKILL}/scripts'); import workflow_state as ws; ws.save_state({'schema_version': 2})"
3. 管线总览
启动(登记批次) → MedGen 出题 → GATE-A2 → MedQC 质检 → GATE-A3
→ MedFix 修复 → GATE-A4 → MedReview 成册 → GATE-A5
→ 终审门禁 → 用户签收(APPROVED) → 归档
- 门禁 BLOCKED → halt → 回退对应角色修复 → 重跑门禁（不可跳过）
- 每个阶段的完整角色手册在
references/，进入该阶段前必读对应手册：references/runbook.md— 批次生命周期/门禁命令/目录规范/故障处置（编排必读）references/medmaster.md— 编排规则与调用指令模板references/medgen.md/medqc.md/medfix.md/medreview.md— 各角色执行规则references/hard-constraints.md— HC/D/R 硬约束全集（出题质检的规则底座）references/prompts/— 五个角色的完整提示词（出题/质检的深度规范）
4. 批次生命周期（编排流程）
- 启动：用户说「开始新批次：{科目}+{章节}」→ 回显意图（科目/目标题数/模块划分/Bloom 目标）→ 用户确认 → 在
workflow_state.json登记批次（批次号batch{NNN}；s, _ = ws.load_state(); b, _ = ws.ensure_batch(s, 'batch001'); b.update(subject=...); ws.save_state(s)） - MedGen（读
references/medgen.md+references/prompts/MedGen_current_prompt.md）：读输入素材/{科目}/，生成题库 JSON 写入中间产物/{batchID}/ALL_questions.json（纯 JSON 数组），生成中每 50 题跑 Bloom 采样（HC-15） - GATE-A2（不可跳过）：validate FAIL==0 才放行；FAIL>0 → 打回 MedGen 修正
- MedQC（读
references/medqc.md+ 对应 prompt）：按 D1-D21 维度质检，报告写入质检报告/{batchID}/A3_质检报告.json - GATE-A3：D20≠0 且 Bloom 偏差≤15%
- MedFix（读
references/medfix.md）：按质检报告逐项修复，输出到最终产物/{batchID}/（含追溯日志source_file_synced: true） - GATE-A4 + MD 导出：复检 FAIL==0 后运行
qbank.py export-md生成ALL_questions_FIXED.md（最终交付格式） - MedReview（读
references/medreview.md）：生成教材浓缩型分层复习手册到复习资料/{科目}教学计划版/ - 终审：
gate_check.py --stage final（HC-9/10/11 + JSON 完整性）→ 用户审查 → 签收置 APPROVED → 用户手动把金标准题移入GoldenSet/（仅用户操作）
5. 门禁命令速查
cd <你的工作区>
# 产出门禁（每个题库文件，MedGen 交付前自检 + GATE-A2）
python {SKILL}/scripts/validate_options.py --batch {batchID} --mode full # FAIL==0 才放行
# 阶段门禁
python {SKILL}/scripts/gate_check.py --batch {batchID} --stage agent3_done # GATE-A3
python {SKILL}/scripts/gate_check.py --batch {batchID} --stage agent4_done # GATE-A4
python {SKILL}/scripts/gate_check.py --batch {batchID} --stage final # 终审
python {SKILL}/scripts/gate_check.py --batch {batchID} --stage auto # 自动检测当前阶段
python {SKILL}/scripts/gate_check.py --batch {batchID} --clear-halt # 修复后清除 HALT
# Bloom 认知分层采样（目标 记忆30/理解40/应用25/分析5，偏差>15% 阻断）
python {SKILL}/scripts/bloom_sampler.py --batch {batchID} --threshold 15
# 事实校验（GATE-A2 前执行）
python {SKILL}/scripts/fact_check.py golden --file 中间产物/{batchID}/ALL_questions.json # 金标准冲突检测
python {SKILL}/scripts/fact_check.py pages --file 中间产物/{batchID}/ALL_questions.json --subject {code} # 页码锚点（无索引自动跳过）
# 金标准配额（真题占比，HC-18）
python {SKILL}/scripts/kaoyan_picker.py pick --subject {科目} --keywords "..." --target {题数×0.2} --out 中间产物/{batchID}/kaoyan_candidates.json
python {SKILL}/scripts/kaoyan_picker.py check --file 最终产物/{batchID}/ALL_questions_FIXED.json # 占比≥15% 通过
# 确无金标准时（降级模式，会在报告中留痕 degraded=true）：
python {SKILL}/scripts/kaoyan_picker.py check --file 最终产物/{batchID}/ALL_questions_FIXED.json --golden-absent
# MD 导出（最终交付格式）
python {SKILL}/scripts/qbank.py export-md --file 最终产物/{batchID}/ALL_questions_FIXED.json --out 最终产物/{batchID}/ALL_questions_FIXED.md --title "{科目}·{模块}（{batchID}）"
# HTML 渲染（可选交付）
python {SKILL}/scripts/render_qbank_html.py --input 题库.json --output 题库.html --title "..."
python {SKILL}/scripts/render_review.py "复习资料/xxx.md" # 自包含 HTML
# 状态与契约
python {SKILL}/scripts/workflow_state.py --show {batchID}
python {SKILL}/scripts/contract_check.py --batch {batchID} # 产物 vs schemas 契约
门禁报告输出在 reports/validate/ 与 reports/gate/。
GATE-A3 的两条 Bloom 检查：① 自述偏差 ≤
bloom_deviation_max（默认 15%）； ② 独立重算交叉验证 —— 门禁会用题库 JSON 重算 Bloom 分布，与质检报告自述值比对， 偏差 >bloom_recompute_tolerance（默认 5%）即 BLOCKED（评审 §七.14 加固）。 子门禁 ID 为GATE-A3-BLOOM与GATE-A3-BLOOM-RECOMPUTE。
6. 交付格式契约（HC-18）
| 产物 | 交付格式 | 说明 |
|---|---|---|
| 题库 | JSON（机器可读源）+ MD（用户可读交付） | MD 由 qbank.py export-md 生成，✅ 答案标记/解析/页码 |
| 复习资料 | MD（+ 可选 HTML：render_review.py） |
仅用站端渲染器子集，禁 Mermaid（用 ASCII 图） |
| 押题卷 | HTML（assets/quiz_template.html + QUESTIONS 数组） |
模板在 skill 的 assets/ |
- 复习资料 MD 附录必含：教材页码索引（真实页码禁占位）、术语同意异名对照表
- 复习资料 MD 仅用：h1-h6/表格/粗斜体/代码块/Obsidian Callout/
<details open>/列表/hr；加粗用<b>（导出兼容 E1-E3）
6.1 金标准（GoldenSet）冷启动与降级模式
HC-18 要求每批至少 15%–20% 为金标准引用题（kaoyan_picker.py check 判定），而 GoldenSet/ 只允许用户手动维护。没有自备真题的用户会卡在第一条 HC-18 门禁上——这是本 skill 已知的最高门槛，因此显式定义降级路径：
| 情形 | 处理 |
|---|---|
| 有金标准（推荐） | 把真题/权威题库放入 GoldenSet/；kaoyan_picker.py pick 按 20% 配额选题，fact_check.py golden 100% 比对答案 |
| 无金标准 · 首批 | 走降级模式：跳过 kaoyan_picker pick，并在 kaoyan_picker check 时显式加 --golden-absent。该模式会在报告里留痕 degraded: true + golden_status: "absent(降级)"，并打印醒目警告。不加该参数时默认仍 fail-closed（占比不足即 FAIL） —— 降级必须由操作者主动声明，不会悄悄放行。降级批次没有金标准兜底，答案正确性完全依赖 MedQC + 人工签收 |
| 无金标准 · 后续批次 | 建议先把已签收的高质量题（或公开指南衍生的自测题）人工移入 GoldenSet/，再开启金标准机制。可从 assets/golden_set_template.json 起步 |
最小可用金标准模板：见 assets/golden_set_template.json（10–20 题即可生效）。字段与 kaoyan_picker.py --upper/--lower 期望的输入一致：gs_id / year / question_no / type / stem / options / answer / explanation / subject / source_file。默认路径约定为 GoldenSet/structured/GS_上册_*.json（题干）+ GoldenSet/structured/GS_下册_*.json（答案解析）。
降级模式是有意识的取舍，不是"门禁失效"：它明确告诉你"这批没有金标准兜底"，而不是悄悄放行。
7. 关键设计（为什么这样做）
- 门禁即防线：LLM 自检不可信，一切质量判定交给确定性脚本（5 起管线绕过教训的结论）
- 教训入库：
regression_db.json（回归漏洞库）+references/hard-constraints.md（HC-0~HC-18 硬约束）——每次事故都沉淀为可机械执行的规则 - Bloom 配额：认知分层目标 30/40/25/5，实时采样防「记忆层超标」
- 结构模板优于字数约束：选项长度靠「每题选项共享相同语法结构」而非 min/max 字数（3 次振荡教训）
- NBME 反套路：R10 词重复线索 / R11 收敛策略 / R2 长度比等机械化检测，防 LLM 出题的隐性泄题
- 补丁溯源：修复聚合文件必须同步源文件（HC-13），追溯日志
source_file_synced强制 - 配置即事实来源：所有阈值集中在
pipeline.yaml的thresholds:段，由scripts/pipeline_config.py运行时读取（零依赖，缺失回退默认）——改配置即全局生效，不再有"声明与实现双轨" - Bloom 独立重算：门禁不采信质检报告的 LLM 自述分布，而是从题库 JSON 重算并交叉验证（偏差 > 5% 即 BLOCKED）——把 Bloom 门禁从"读 LLM 自述"升级为"确定性重算"
- 规则命中有测试：冒烟测试不仅验"脚本可执行"，还断言 R1–R13/JS1 每条规则真的被触发（防止 R1 那类死代码再次溜过）
7.1 门禁保证什么、不保证什么（边界声明，必读）
这是本 skill 最容易被高估的一处：过了门禁 ≠ 题目在临床上正确。请严格区分两层质量。
| 门禁（确定性脚本） | MedQC（LLM）+ 人工签收 | |
|---|---|---|
| 保证 | ✅ 形式合规：长度/单位/重复词/分布/JSON 结构/文件存在性/契约字段 | ✅ 语义质量：答案在临床上对不对、解析是否自洽 |
| 不保证 | ❌ 不判断临床正确性、不判断解析是否成立、不判断题目是否有教学价值 | ❌ 不保证机械规则全过（仍需跑门禁） |
| 证据来源 | 脚本重算题库数据（确定性） | 质检报告中的 LLM 自评（自述数据） |
具体说明：
- 门禁判定的是形式质量。R1–R13 检查的是选项长度、单位缺失、重复词、认知层级分布等可机械判定的特征，它无法判断"这道题选 A 对不对"。
GATE-A3的 D20 分数读自A3_质检报告.json，仍属 LLM 自述；门禁只保证「字段存在且非 0」（fail-closed），不保证分数真实。GATE-A3的 Bloom 分布已做加固（v2.1）：门禁会用题库 JSON 独立重算 Bloom 分布，与质检报告自述值交叉验证，偏差 >bloom_recompute_tolerance（默认 5%）即 BLOCKED。这条堵住了"LLM 填一个漂亮的分数"，但只有 Bloom 这一维做了重算。- 答案正确性的最终责任人是你（人工签收）。金标准比对（
fact_check.py golden）只能覆盖有真题的那 20% 配额。
一句话：门禁是"防呆"，不是"防错"。它挡得住格式崩坏与自述造假，挡不住内容本身是错的。
8. 与原版的差异（缩减说明）
| 原版特性 | skill 版处理 |
|---|---|
| RAG 知识库检索（向量+重排序） | 缩减：直接读 输入素材/ 文件；如需检索增强由宿主 agent 自行接入 |
| 考研真题库内容 | 机制保留（kaoyan_picker.py，支持 --upper/--lower 自定义金标准），真题数据用户自备（版权） |
| Cloudflare 站点部署 / 访问计数 | 不含（线上站与本地管线无关） |
| MedKit 桌面生成器 | 不含（独立仓库） |
| DSH subagent 编排 | 通用化：单会话顺序执行各阶段（宿主支持 subagent 时可并行） |
| 跨工作区运维（maintenance/healthcheck） | 不含（原项目专属运维） |
| 组卷器（paper_builder.py）与难度校准数据 | 不含（依赖用户自备真题；pipeline.yaml 中仅留设计说明） |
pipeline.yaml 中的 RAG / 运维脚本声明 |
已清理（v2.1）：移除未分发的 chunk_size/top_n/hybrid_search 与 runbook.patterns 脚本引用，改为只声明真实存在的能力 |
Boundaries
- ❌ 不提供医疗诊断 — 仅基于已发表文献出题/质检
- ❌ 不编造研究结果 — 没有就说"未检索到"
- ❌ 不修改 GoldenSet — 金标准由用户手动维护
- ❌ 不跳过门禁 — 阶段转换必须跑脚本验证
- ❌ 不手改 workflow_state.json — 走
workflow_state.py（HC-17） - ✅ 可以：出题、质检、修复、追溯、成册、统计