patsnap Gut Microbiome Investigator — 肠道微生物菌群文献全景调研
Overview
本 Skill 专为食品领域大模型微调数据收集与肠道微生物菌群研究全景分析设计。 输入目标领域关键词，自动执行三轮 Patsnap 检索，汇总 50+ 篇代表性文献， 生成覆盖 11 个模块的专业 HTML 全景报告，左侧导航栏固定，支持章节快速跳转。
Trigger Conditions（触发场景）
当用户请求以下内容时加载本 Skill：
- 肠道微生物 / 肠道菌群 / gut microbiome / gut microbiota 文献调研
- 益生菌 / 益生元 / 膳食纤维 / 发酵食品相关专利/文献分析
- 食品领域模型微调训练数据收集
- 微生物与疾病（IBD、T2D、肥胖、代谢综合征）关联研究综述
- 近 N 年肠道微生物研究全景报告
典型触发语句：
- "帮我调研肠道菌群近10年文献，出HTML报告"
- "整理益生菌专利，用于食品AI模型训练"
- "分析肠道微生物与代谢疾病的研究现状"
- "gut microbiome landscape report for food AI fine-tuning"
Workflow（执行流程）
Step 1 — 参数确认
- 确认研究领域（默认：食品/营养，可选：临床/农业/美妆）
- 确认时间范围（默认：近10年，即 date_from=20150101）
- 确认文献数量下限（默认：≥50篇）
- 确认输出语言（默认：中文，可选：英文/双语）
Step 2 — 三轮 Patsnap 语义检索
轮次 A：核心菌群-食品干预
semantic_query: "gut microbiome modulation by dietary fiber prebiotics probiotics fermented food"
filters: {date_from: 20150101}
limit: 30
轮次 B：菌群-疾病关联
semantic_query: "intestinal microbiota dysbiosis metabolic disease obesity diabetes IBD treatment"
filters: {date_from: 20150101}
limit: 30
轮次 C：个性化营养与AI/组学
semantic_query: "personalized nutrition microbiome multi-omics machine learning food intervention"
filters: {date_from: 20150101}
limit: 30
Step 3 — 学术论文补充检索（可选）
source: "paper"
semantic_query: "gut microbiome food nutrition health intervention clinical trial"
filters: {date_from: 20150101, cited_min: 10}
limit: 20
Step 4 — 数据整理与分组
按以下10个主题分组，每组筛选 ≥5 篇代表性文献：
- A. 个性化营养与菌群图谱
- B. 益生菌与益生元组合
- C. 膳食纤维与 SCFA
- D. 发酵食品与多样性
- E. 代谢综合征干预
- F. 炎症性肠病（IBD）
- G. 肥胖与能量代谢
- H. 2型糖尿病（T2DM）
- I. 神经-肠轴（Gut-Brain Axis）
- J. 多组学与AI方法
Step 5 — HTML 报告生成
生成包含以下 11 个模块的 HTML 全景报告：
- 执行摘要 — 检索统计卡片、报告结构导览
- 规模与趋势 — 子领域规模对比、年度趋势、IPC分类
- 核心技术方向 — 六大技术主线 + TRL成熟度评估
- 关键菌属图谱 — 9个核心菌属（功能/食品关联/热度）
- 疾病关联研究 — 六大疾病方向 + 食品可干预证据链
- 食品与膳食干预 — 膳食纤维/益生元/发酵食品/特殊饮食
- 主要申请人 — 12家核心机构全景分析
- 代表性文献 — 52条文献，按A–J主题分组，含[S#]标注
- 研究时间线 — 2015→2025关键时期演进图谱
- 模型微调指引 — 训练数据优先级、任务类型、标注规范
- 未来趋势 — 六大新兴方向 + 五个研究空白
Output Spec（输出规范）
| 输出物 | 格式 | 说明 |
|---|---|---|
| HTML全景报告 | .html |
左侧固定导航栏，11个模块，支持深色/浅色切换 |
| 来源列表 | Markdown | 所有[S#]引用的完整来源信息 |
| 摘要卡片 | 内嵌HTML | 关键数字卡（检索量、文献数、IPC数等） |
Quality Gates（质量门控）
- ✅ 文献数量 ≥ 50 篇，否则补充检索
- ✅ 时间范围覆盖 2015–当前年
- ✅ 每个主题分组 ≥ 5 篇
- ✅ 所有文献均有 [S#] 来源标注
- ✅ HTML 文件可独立打开，无外部依赖
- ✅ 导航栏左侧固定，宽度 220px
Guardrails（安全护栏）
- 本 Skill 仅用于文献调研与报告生成，不提供医疗建议
- 所有结论均来自 Patsnap 检索结果，不凭空编造文献
- 专利文献与学术论文来源区分标注
- 不处理个人健康数据或患者信息
Dependencies（依赖）
patent.search→mcp_patent-search__patsnap_search（Patsnap专利检索）paper.search→mcp_patent-search__patsnap_search（Patsnap论文检索）files（HTML报告写入）- Python 3.12（数据整理，可选）
References
references/search_query_templates.md— 检索式模板库（三轮检索参数）references/html_report_template.md— HTML报告结构规范references/topic_taxonomy.md— 主题分组分类法（A–J）assets/report_style.css— HTML样式规范（左侧导航/配色/字体）