技能介绍

要解决的具体问题

医药产品经理和研发团队每天面对大量异构数据：KOL 访谈文本、销售与市场 CSV/Excel、临床研究需求。手动处理这些数据时，常遇到三个痛点：医生反馈分散难结构化（从噪音中提炼临床需求）、市场数据需要重复整理与可视化（耗时且易错）、临床试验设计参数依赖经验（样本量、终点选择易遗漏）。这些场景的共同问题是：非结构化输入 → 结构化洞察的转换成本高，且缺乏统一的分析与交付流水线。

技能如何工作

该技能通过三个核心能力覆盖上述痛点，每个能力对应明确的输入、分析步骤和交付物：

医生反馈分析：上传 KOL 访谈记录（文本或文件），AI 自动分类、归纳并提炼临床需求。例如，输入 10 条访谈纪要，输出按主题分组的临床痛点列表，交付物为 .md 格式的反馈洞察报告。
市场数据看板：上传销售与市场数据（如 CSV/Excel），运行 scripts/analyze.py 生成分析 spec JSON，再通过 scripts/render.py 渲染为 .html 可视化看板，附带竞争分析。
临床试验设计：输入研究目的（如“评估某药对 II 期患者的疗效”），AI 协助设计试验方案，包括样本量计算（支持 trend/summary 分析类型）、终点选择，交付物为 .docx 试验设计方案。

工作流程分五步：明确场景与输入（定位目标场景，收集文本、CSV/Excel 或参考文件）→ 组织内容（撰写结构化章节或表格）→ 运行分析（量化场景执行 python scripts/analyze.py --output result.json）→ 渲染交付物（执行 python scripts/render.py --format <md/html/docx> --output <file>）→ 交付与复核（返回交付物并提示合规复核要求）。

适用边界与注意点

医药合规优先：所有 AI 产出仅供内部决策参考，对外材料（推广、招投标、注册、合同）必须经资质人员复核并走合规审批流程。
数据隐私与合规：涉及患者隐私、反商业贿赂、GSP/GMP 等，需在输入前完成数据脱敏与合规审查。
脚本依赖：scripts/analyze.py 和 scripts/render.py 为通用工具，具体分析类型（如 trend/summary）需按 references/templates.md 配置。
人工复核不可省略：试验设计方案中的样本量、终点等参数需由临床专家复核，避免直接用于注册申报。