NeuroResearch

解决神经科研中的上下文断裂与规范缺失

在神经科学（如神经退行、脑血管病、TBI）研究中，科研流程往往跨越文献综述、生信分析、实验设计与论文写作多个阶段。通用助手在处理这些任务时，常因缺乏领域上下文而导致术语使用不当、统计方法误用（如忽略多重比较校正），或在引用文献时出现幻觉。此外，跨软件、跨会话的协作容易导致分析脚本不可复现，且正式交付物（如标书、论文）的格式难以统一。

核心能力与工作流

该技能将神经科学研究拆解为七个核心阶段：定位、文献发现、知识综合、实验设计、执行与分析、写作、质量与投稿。它采用模块化的按需加载机制，避免一次性读取过多冗余信息。

• 文献与写作：内置文献检索与引用核验协议，强制校验 PMID/DOI。默认采用顺序编码制引用格式，支持生成符合学术规范的 .docx 交付物。
• 生信与统计：提供基于 Python 的分析与出图脚本，强制要求运行前进行依赖自检。统计输出必须包含检验类型、样本量 n、效应量及多重比较校正结果。
• 实验与交付：支持动物/细胞模型的实验设计（含 ARRIVE 指南）。所有产出文件需遵循严格的命名规范并统一归档至 deliverables/ 目录。

适用边界与注意点

该技能聚焦于科研方法学层面，严禁用于临床诊疗建议或个体用药指导。

• 数据真实性：禁止编造参考文献、实验数据或统计结果。所有脚本必须实际运行通过。
• 合规红线：AI 不会越权生成真实的伦理批号（IACUC/IRB）、经费具体金额或合作者真实信息。相关草稿需明确标注“待人类核实”。
• 术语严谨性：在处理神经解剖学或细胞机制时，需依赖 references/domain-lexicon.md 确保术语准确，避免望文生义。