前言¶
系統評價或畢業論文裏的文獻綜述，往往卡在三件事：研究問題拆不清、檢索式寫不全、篩選與質量評價難對齊 PRISMA 與 GRADE。手工查庫、做表、寫初稿週期長，而通用對話模型容易跳過可復現的檢索記錄，或把病例系列當成高級別證據。
下面介紹 SkillHub 社區 Skill「醫學文獻綜述助手」（@user_f37e97ba/medical-literature-review，v1.0.0）。它在 Agent 裏把角色、步驟和輸出結構固定爲循證醫學流程，並附帶校驗腳本與配置，便於生成可覈對的方法學與報告骨架。
這是什麼¶
醫學文獻綜述助手 是基於通用 SKILL.md 格式的 Agent Skill，簡介爲：PICO + PRISMA + GRADE 循證醫學文獻檢索、評價與綜述工具。
- 座標：
@user_f37e97ba/medical-literature-review - 來源：SkillHub 社區（
community），分類professional - 發佈者：
user_f37e97ba - 標籤：
requires_api_key=false（SkillHub 頁面標註，安裝後無需單獨配置 API Key） - 官方入口：SkillHub 技能頁、API 座標頁
Skill 聲明允許 Agent 使用 Read、Write、WebSearch、WebFetch 完成檢索與撰寫；禁止直接給出臨牀診斷或治療建議。
核心功能¶
以下能力均來自 Skill 包內 SKILL.md 與 assets/config.json，按工作流順序說明。
1. PICO 問題結構化¶
將研究問題拆爲人羣（P）、干預（I）、對照（C）、結局（O），並要求在綜述中明確列出納入/排除標準。
2. 可復現的檢索策略¶
- 將 PICO 轉爲 MeSH 詞與自由詞，用 AND/OR/NOT 組合檢索式。
- 記錄檢索日期（精確到日）、數據庫名稱與過濾器。
- 默認時間範圍爲近 10 年（2015-01 至當前）；可在對話中顯式修改
time_range覆蓋。 - 若未指定數據庫，默認至少檢索 PubMed 與 Cochrane Library（不可只查一個庫）。
config.json中默認庫列表還包括 Embase。
3. PRISMA 2020 篩選流程¶
去重 → 標題/摘要篩選 → 全文篩選，記錄各階段排除數量與原因，並輸出 PRISMA 流程圖相關結構（模擬雙人獨立篩選）。
4. 數據提取與質量評價¶
對納入文獻提取設計類型、樣本量、干預與對照、主要結局及效應量（RR/OR/HR/MD 與 95%CI）等。按研究類型選用工具，例如：
| 研究類型 | 評價工具（Skill 約定） |
|---|---|
| RCT | Cochrane RoB 2.0 |
| 隊列 / 病例對照 | NOS 量表 |
| 系統評價 | AMSTAR 2 |
| 診斷性研究 | QUADAS-2 |
5. 證據合成與 GRADE 分級¶
支持敘述性綜合；在異質性可接受時討論 Meta 分析思路。結論需按 GRADE 標註證據質量（高/中/低/極低），並區分推薦強度。config.json 中定義了 GRADE 符號與校驗規則（如必須含 GRADE、偏倚評估、檢索日期等）。
6. 固定版式的綜述報告¶
輸出 Markdown，包含摘要、方法（檢索策略、納排標準、PRISMA 流程、數據提取與質量評價）、結果（特徵表、結局與偏倚風險）、討論與參考文獻；並提供納入研究特徵表模板。
7. 觸發詞與邊界¶
常見觸發詞包括：文獻綜述、醫學文獻、循證醫學、PubMed 檢索、系統評價、meta 分析等。
不觸發場景：患者診斷建議、用藥推薦、治療方案、單一病例討論、非醫學領域文獻檢索。
8. 包內輔助腳本¶
scripts/validate.sh：檢查綜述 Markdown 的章節完整性與結構規範（用法見下文）。scripts/literature-analyzer.py：輔助文獻數據提取與分析。
安裝與啓用¶
安裝說明以 SkillHub 安裝文檔 與技能頁提示爲準。
1. 安裝 SkillHub CLI（若尚未安裝）¶
command -v skillhub && skillhub --version
未安裝時可執行（僅 CLI）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2. 安裝本 Skill¶
安裝時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 可能無法被識別。
skillhub install @user_f37e97ba/medical-literature-review --dir <你的 skills 目錄>
常用路徑（來自 SkillHub 安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下.agents/skills/
安裝完成後，按你所用客戶端要求重啓或刷新 Agent，使 Skill 生效。
典型用法¶
在對話中提交 PICO¶
Skill 文檔中的示例如下，可直接改寫爲你的課題：
研究問題：SGLT-2抑制劑對2型糖尿病患者心血管結局的影響
P: 18歲以上2型糖尿病患者
I: SGLT-2抑制劑（達格列淨/恩格列淨/卡格列淨）
C: 安慰劑或其他降糖藥物
O: 主要心血管不良事件(MACE)、心衰住院、全因死亡
更完整的輸入樣例（含數據庫、時間範圍、研究類型）見 Skill 包內 references/examples/sample-input.md；對應輸出結構見 references/examples/expected-output.md。
校驗生成的報告¶
在 Skill 目錄下對生成的綜述 Markdown 運行：
bash scripts/validate.sh <綜述報告.md>
腳本會按約 10 項規則檢查必要章節、GRADE 標註、偏倚評估、檢索可復現性等（與 assets/config.json 中 validation_rules 一致）。
適用場景與注意¶
適合誰
- 需要按 PRISMA / GRADE 寫系統評價或課程綜述的臨牀研究者、研究生。
- 希望 Agent 先產出檢索式、納排標準、特徵表與討論框架，再由人工覈對證據的人。
使用時要接受的限制
- Skill 做的是輔助綜述與方法學文檔，不能替代 PROSPERO 註冊、倫理審查或同行評議。
- 默認語言範圍爲中英文文獻，需在報告中寫清語言限制。
config.json中limits約定納入研究約 2–50 篇、參考文獻上限 200 條，超長課題需分段或人工裁剪。- 檢索依賴
WebSearch/WebFetch與 Agent 執行質量，最終納入文獻與效應量必須由人工對照原文覈實。 - Skill 文檔列出的常見坑點包括：只查單一數據庫、忽視發表偏倚與異質性（如 I²>50% 時不宜強行合併）、GRADE 誤用、遺漏利益衝突與資金來源標註。
SkillHub 頁面當前統計（以抓取資料爲準）：評分 100000，下載約 5618 次；版本 v1.0.0。
結尾¶
醫學文獻綜述助手把 PICO 提問、多庫檢索記錄、PRISMA 篩選、偏倚工具選擇與 GRADE 標註寫進同一套 Agent 工作流，並可用 validate.sh 覈對報告結構。若你正在搭循證綜述類 Agent，可從官方頁安裝試用：https://www.skillhub.cn/skills/user_f37e97ba/medical-literature-review。
