Xiwang Medical Research

SKILL.md

---
name: xiwang-graphene-medical-hub
description: 烯旺集团医疗科研成果智能检索与视频口播文案生成技能。自动检索「烯旺医疗科研成果」文件夹内全部66个文档（含学术论文、公众号推文、热敏灸专著、企业资料等），支持按关键词、主题分类（肿瘤/骨科/五官科/妇科/皮肤/睡眠/心血管/中医/基础理论/企业/产品共11类）、疾病名称检索科研成果，并根据检索结果自动生成高质量的视频口播文案。适用于需要查找烯旺集团石墨烯医疗科研数据、撰写医疗健康科普视频脚本、制作产品宣传文案等场景。触发词：检索医疗科研成果、搜索石墨烯医疗、查烯旺科研、医疗科研检索、生成医疗视频文案、石墨烯口播文案、烯旺医疗搜索、medical research search。
agent_created: true
---

# 烯旺集团医疗科研成果检索与视频口播文案生成

## 概述

本技能提供对烯旺集团石墨烯远红外医疗科研成果的全量检索能力，并支持基于检索结果自动生成高质量视频口播文案。数据目录包含66个文档文件，覆盖肿瘤治疗、骨科疼痛、五官科、妇科、皮肤美容、神经睡眠、心血管、中医艾灸、基础理论、企业品牌、产品应用等11个主题领域。

## 数据目录

科研成果资料存放路径：
```
F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果
```

该目录下包含以下子文件夹：
- **根目录**（3个文件）：科研成果摘要总纲、社群QA问答
- **陈医生医疗内容/**（1个文件）：中医好转反应科普
- **公众号医疗及产品内容/**（22个文件）：面向大众的医疗科普推文
- **企业资料汇总/**（3个文件）：企业介绍PDF/PPTX、大事记
- **医疗论文合集（原文）/**（26个文件）：石墨烯医疗临床研究论文原文
- **热敏灸实用读本-陈日新/**（13个文件）：陈日新教授热敏灸体系著作

完整文档索引详见 `references/document_index.md`。

## 快速开始

检索脚本位于 `scripts/search_medical.py`，使用以下 Python 运行时：
```
C:\Users\lim\.workbuddy\binaries\python\versions\3.13.12\python.exe
```

### 命令一览

| 命令 | 用途 | 示例 |
|------|------|------|
| `scan` | 扫描全部文件，输出清单与统计 | `scan <dir>` |
| `list` | 列出所有文档按分类分组 | `list <dir>` |
| `search` | 按关键词搜索（空格分隔，OR匹配） | `search <dir> "干眼症 有效率"` |
| `topic` | 按预定义主题检索 | `topic <dir> tumor` |
| `disease` | 按疾病名称检索（自动匹配主题） | `disease <dir> 失眠` |
| `topics` | 列出所有可用主题 | `topics` |

### 主题参数

`topic` 命令支持以下主题：

| 主题代码 | 中文名称 | 覆盖范围 |
|----------|----------|----------|
| `tumor` | 肿瘤/癌症治疗 | 乳腺癌、前列腺癌、结肠癌、无创光热疗、化疗协同、纳米载体 |
| `pain` | 骨科/疼痛 | 膝骨性关节炎、慢性腰腿痛、颈椎病、腰椎间盘突出 |
| `ent` | 五官科 | 干眼症、变应性鼻炎、扁桃体炎、耳鼻喉炎症 |
| `gynecology` | 妇科 | 痛经、乳腺增生、甲状腺结节 |
| `skin` | 皮肤/美容 | 黄褐斑、面部皮肤改善、毛发生长 |
| `sleep` | 神经/睡眠 | 顽固性失眠、脑卒中后失眠、肥胖焦虑 |
| `cardiovascular` | 心血管 | 心脑血管意外预防、红细胞缗钱状排列 |
| `tcm` | 中医/艾灸 | 热敏灸、艾灸、经络、阳气、好转反应、胃脘痛 |
| `theory` | 基础理论/机制 | 非热效应、远红外共振、6-14微米吸收谱、红外线生物效应 |
| `enterprise` | 企业/品牌 | 烯旺集团介绍、大事记、医疗器械认证 |
| `product` | 产品应用 | 光波房、能量房、悬灸仪、穿戴设备 |
| `all` | 全部主题 | 同时检索以上所有主题 |

主题关键词词典详见 `references/medical_topics.md`。

## 检索工作流

### 步骤一：确定检索目标

根据用户需求判断检索方式：
- 用户给出具体关键词（如"石墨烯干眼症有效率"）→ 使用 `search` 命令
- 用户指定主题方向（如"肿瘤治疗相关研究"）→ 使用 `topic` 命令
- 用户指定疾病名称（如"失眠的临床研究"）→ 使用 `disease` 命令
- 用户要求概览全部内容 → 使用 `scan` 或 `list` 命令
- 用户要求生成视频文案 → 先检索相关资料，再按文案指南生成

### 步骤二：执行检索脚本

运行脚本获取 JSON 格式的检索结果：

```bash
"C:\Users\lim\.workbuddy\binaries\python\versions\3.13.12\python.exe" "C:\Users\lim\.workbuddy\skills\xiwang-medical-research\scripts\search_medical.py" <command> "F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果" [args]
```

**实际示例**：

```bash
# 扫描全部文件
python search_medical.py scan "F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果"

# 搜索关键词
python search_medical.py search "F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果" "石墨烯 干眼症 有效率"

# 按肿瘤主题检索
python search_medical.py topic "F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果" tumor

# 按疾病名称检索
python search_medical.py disease "F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果" 失眠

# 列出所有文档分类
python search_medical.py list "F:\李玲（市场营销）\扣子腾讯元器\烯旺医疗科研成果"

# 查看所有可用主题
python search_medical.py topics
```

### 步骤三：分析与整理检索结果

脚本返回 JSON 数据后，按以下方式整理：

1. **按相关度排序**：匹配数最多的文件优先
2. **提取核心数据**：从匹配段落中提炼研究结论、临床数据、有效率等关键信息
3. **关联上下文**：利用返回的 `context_before` 和 `context_after` 字段理解完整语境
4. **标注来源**：每条信息标注出处（文件名、分类、段落位置）
5. **分类归纳**：将相似内容归类，形成结构化的科研成果摘要

### 步骤四：生成视频口播文案（如用户需要）

当用户要求生成视频口播文案时，在完成检索后：

1. **加载文案指南**：阅读 `references/video_script_guide.md` 了解创作原则、标准结构和语气风格
2. **选择文案模板**：根据视频类型（科普/种草/品牌）选择对应结构，参考 `assets/video_script_template.md`
3. **整合检索素材**：将检索到的科研数据、研究结论、企业信息融入文案
4. **生成完整文案**：按照模板格式输出，包含口播正文、画面建议、数据来源和合规提示

## 视频口播文案生成规范

### 创作原则
- **科学严谨**：所有数据必须来源于检索到的论文原文，不得编造
- **通俗易懂**：医学术语需转化为大众语言，用比喻具象化
- **情感共鸣**：从用户痛点切入，用"你"作为对话主体
- **结构清晰**：开头抓注意 → 中间讲清楚 → 结尾给引导

### 文案结构（短视频版 60-90秒）
```
【开头钩子】3-5秒 → 痛点/好奇/反常识
【背景铺垫】10-15秒 → 问题相关性
【核心内容】30-40秒 → 技术原理 + 临床数据
【信任背书】10-15秒 → 学术机构/认证
【结尾引导】5-10秒 → 行动召唤
```

### 合规注意事项
1. 不承诺治愈，使用"辅助治疗""改善""缓解"等措辞
2. 区分"临床研究"与"已上市产品"
3. 对比其他材料时以科研数据为依据
4. 末尾加入"具体效果因人而异"提示

详细创作指南详见 `references/video_script_guide.md`。

## 脚本输出字段说明

每条检索结果包含以下字段：

| 字段 | 说明 |
|------|------|
| `file` | 文件名 |
| `path` | 文件完整路径 |
| `relative_path` | 相对于数据目录的路径 |
| `category` | 文档分类（根目录文件/中医科普/公众号推文/企业资料/学术论文/热敏灸专著） |
| `type` | 文件类型（docx/pdf） |
| `total_paragraphs` | 文档总段落数 |
| `total_chars` | 文档总字符数 |
| `match_count` | 匹配段落数 |
| `matches` | 匹配详情列表 |
| `matches[].paragraph_index` | 段落在原文中的序号 |
| `matches[].matched_keywords` | 命中的关键词列表 |
| `matches[].content` | 段落正文内容 |
| `matches[].context_before` | 前一段落内容 |
| `matches[].context_after` | 后一段落内容 |

## 注意事项

- 脚本依赖 `python-docx`（处理.docx）和 `pdfplumber`（处理.pdf）库，已安装于管理Python环境
- 临时锁文件（以 `~$` 开头）自动跳过
- `search` 命令使用 OR 逻辑：段落包含任意一个关键词即命中
- 检索结果按匹配数降序排列，每个文件最多返回10条匹配
- PDF文件提取的文本可能因扫描质量而有少量识别误差
- 生成视频文案时必须以检索到的实际内容为依据，不可编造数据
- 每次检索后应将结果整理为用户可读的摘要，而非直接输出原始 JSON

## 资源文件

- `scripts/search_medical.py` — 核心检索脚本，支持 scan/search/topic/disease/list/topics 六种命令
- `references/document_index.md` — 全部66个文档的完整索引与分类
- `references/medical_topics.md` — 11个主题分类体系、关键词词典与疾病映射
- `references/video_script_guide.md` — 视频口播文案创作指南（结构、风格、引用规范、合规要求）
- `assets/video_script_template.md` — 视频口播文案输出模板