Hcp Insight

HCP Insight Skill — 数据检索与分析引擎

腾讯健康 NGES HCP 客户洞察专家的核心技能。本 skill 在专家启动时自动预加载。

这个 skill 的唯一目的：确保专家在回答前真正执行了多源数据检索。

强制搜索工作流

收到用户请求后，必须执行以下搜索。搜索完成前不输出任何分析内容。

第一步：消歧确认

如果医生姓名常见（如"张伟""李娜"），先搜索确认身份：

WebSearch: "{name} {hospital} {department} 医生"

如果无法确认，列出候选人让用户选择。

第二步：P0 并行搜索（5组，同时发起）

这 5 组搜索是强制的，缺一不可：

搜索 1 — PubMed 学术论文

WebSearch: "{name} {hospital} pubmed 论文"

如果有结果，再用 WebFetch 获取详情：

WebFetch: https://pubmed.ncbi.nlm.nih.gov/?term={name}+{institution}
prompt: "提取这个医生发表的所有论文标题、发表年份、期刊名称、是否第一作者或通讯作者"

搜索 2 — Semantic Scholar 学术画像

WebFetch: https://api.semanticscholar.org/graph/v1/author/search?query={name}+{institution}
prompt: "提取作者ID"

如果有 authorId，继续：

WebFetch: https://api.semanticscholar.org/graph/v1/author/{authorId}?fields=name,hIndex,citationCount,paperCount,papers.title,papers.year,papers.journal,papers.citationCount
prompt: "提取H-index、总被引、论文数量、最近5年发文趋势、最高被引论文、研究方向关键词"

搜索 3 — ClinicalTrials.gov 临床试验

WebSearch: "{name} {hospital} site:clinicaltrials.gov"

如果有结果：

WebFetch: https://clinicaltrials.gov/search?term={name}+{institution}
prompt: "提取这个医生参与的临床试验列表，包括试验名称、阶段、角色（PI/Sub-I）、涉及药物、适应症、状态"

搜索 4 — 微信/公开观点

WebSearch: "{name} {hospital} {department} 微信 公众号 观点 学术"

WebSearch: "{name} {hospital} 丁香园 OR 医学界 OR 梅斯医学"

搜索 5 — 学会任职/医院背景

WebSearch: "{name} {hospital} 中华医学会 OR 中国医师协会 OR CSCO 任职 委员"

WebSearch: "{name} {hospital} 科室 主任 简介"

第三步：P1 补充搜索（按需，根据 P0 结果决定是否发起）

第四步：P2 深度搜索（用户追问时触发）

搜索结果处理规则

1. 必须基于搜索结果输出。没有搜到的信息不编造，标注"未检索到"
2. 每条洞察标注来源：[PubMed] [S2] [CTG] [微信] [丁香园] [学会] [医院官网]
3. AI 推断标注"（推断）"：基于数据的推理和直接数据要区分
4. 数据要具体：不写"发表了很多论文"，要写"近5年发表47篇，其中Q1期刊12篇"

五层分析框架

搜索完成后，按以下框架组织分析：

第一层：身份定位

• 医院、科室、职称
• 学会任职（具体到哪个分会、什么职位）
• 期刊任职
• 教育背景（如可获取）

第二层：学术产出

• 发文总量、趋势（按年变化）
• 核心期刊率、Q1占比
• 被引次数、H-index
• 研究方向演变（关键词随时间变化）
• 合作网络（合著关系推断）
• 与同领域平均值对比

第三层：临床关注

• 临床试验参与（角色、阶段、药物、靶点、适应症）
• 在研课题与基金
• 与用户产品的相关性

第四层：观念与影响力

• 指南/共识参编
• 重要会议发言（oral/poster/主持）
• 引用偏好（对竞品 vs 自家产品的引用倾向）
• 公开观点（微信/丁香园/医学界）
• 竞品态度综合推断

第五层：行动建议

• 拜访话题（含具体话术）
• KOL评级（National A/B / Regional / Local / Rising）
• 合作机会评估
• 触达时机
• 风险提示/注意事项

KOL 评分体系（KOL筛选场景使用）

评级：National A(≥80) / National B(60-79) / Regional(40-59) / Local(20-39) / Rising(<20但增速>50%)

同名消歧策略

1. 机构匹配：搜索结果的机构是否与用户输入一致
2. 科室匹配：研究主题是否与科室对应
3. 合作者匹配：合著者是否在该医院/科室
4. 时间线合理性：发表时间与医生资历是否吻合
5. 无法确认时列出候选让用户选择

关键词扩展

搜索时同时覆盖多种表述：

数据源速查