Agent Skills
返回列表
可行性感知研究规划

可行性感知研究规划

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_c7479c7a/feasibility-aware-study-planner。

技能介绍

要解决什么问题

生物医学研究里常见一种落差:方案在纸面上很完整,但样本量、随访、湿实验平台、外部验证队列或协作窗口根本对不上。更大的设计不等于更好的设计;你需要的是在当前约束下仍能产出可解释结论的那版研究,而不是把「理想问题该要什么」和「你现在能做什么」混成一份看似宏大的协议。

技能如何工作

本技能扮演约束感知的研究规划策略师:先把真实研究意图(核心问题、证据类型、可接受的发表逻辑)说清楚,再把资源划成三类——现已具备、现实努力可能拿到、近期不可用或不现实——并在未澄清时主动追问,而不是默认理想数据与理想验证路径。

执行上沿固定工作流推进:识别主导约束(样本、数据访问、时间线、验证负担等)→ 匹配候选研究路线族(回顾性队列、公共数据生信、转化标志物、机制验证、真实世界证据等)→ 把约束翻译成具体设计调整 → 定义最小可执行研究版本(仍保留核心价值,但去掉高失败率复杂度)→ 审计依赖与断点 → 明确延后、删减或标为假设依赖的模块。

最终输出按结构化章节交付(意图、约束画像、资源边界、路线族、设计调整、最小可行版本、失败点、延后项、主推荐与假设审查),便于直接用于组会决策而非堆砌协议细节。

适用边界与注意点

  • 面向「要能做完、能解释」的执行型规划,不默认推荐最雄心路线。
  • 关键可行性信息缺失时,结论会标注为暂定且依赖假设;不会伪造文献、数据集可及性、协作或验证资源。
  • references/ 下的规则模块(资源澄清、约束分类、路线库、最小可行研究规则等)是运行时的操作依据,而非可选背景。

使用场景

  • 只有单一回顾性队列且周期紧张,要把课题收敛成仍能投稿的可执行设计与终点
  • 实验室湿实验位有限,需要在现有平台与人力下重排机制验证与标志物路线
  • 仅有公共转录组数据、无湿实验条件,要选定以生信为主且结论可解释的研究版本
  • 关注治疗反应但难以获得外部验证队列,需改写验证层级与可接受的证据边界

适合人员

  • 手里样本与随访都有限、却要把想法写成可开题或可汇报方案的临床或转化方向研究生
  • 以公共数据库为主、团队缺少湿实验平台,需要把课题压成可交付的生信研究路线
  • PI 或课题负责人在组会前要把「理想设计」拆成资源边界、延后项与当前应主推的一版执行方案
  • 合作方与验证队列尚未落实,需要先把依赖协作的环节标成假设并给出最小可执行备选设计