化学品物性数据搜集整理（ray-chem-property）

这个 skill 做什么

输入化学品（中文名/英文名/CAS/简写），产出：
1. HTML 可视化报告（NFPA 菱形 + GHS 徽章 + 分区详表 + 每字段来源/置信度标注）
2. 回填后的 Excel（严格按用户「工艺物料安全物性数据表」111 列模板格式）

三阶段流水线：信息检索 → 分析对比去重 → 可视化 + 导出 Excel。

何时用

• 用户给一份化学品清单，要查它们的物性数据（熔点/沸点/密度/闪点/爆炸极限/毒性/GHS 分类/NFPA/法规名录等）
• 用户要把新物料的物性补进「工艺物料安全物性数据表」
• 用户提到「CAS 物性查询」「物料安全物性数据表」「化学品物性搜集」

前置条件

• Python venv（~/.workbuddy/binaries/python/envs/default/Scripts/python.exe），已装 openpyxl
• 联网可访问 PubChem（脚本用 urllib 直连，无需额外包）
• IMA 知识库（可选）：需用户在连接器面板连接 ima 知识库，MCP 工具 mcp__ima-mcp__search_knowledge
  （运行层差异：DSH 侧经本地 stdio 桥接器同样有 search_knowledge / get_knowledge_list / get_knowledge_base_list；
  单文件读取 fetch_media_content 与写入类 create_media / add_knowledge 仅 WorkBuddy 侧有——详见 Step 4 的注）
• 模板 Excel：用户指定的「工艺物料安全物性数据表」（111 列，2026-08-26 新增 Emergency Guidelines/UN编号/运输类别/临界温度/临界压力），路径按对话提供

工作流程（4 步 + 验证）

Step 0 — 输入解析：名称/CAS → 标准化

四态输入形态（2026-08-17 补，对齐外部同类 skill 的最佳实践）：

> 设备表提取时注意：同一 CAS 可能有多个浓度/形态变体（如"氢氧化钠溶液"与"氢氧化钠固体"），归并后保留用户原始名称（写入 name_cn），不要丢失浓度/形态信息——这会直接影响 20℃状态列和后续解读。

python scripts/resolve_identifiers.py 丙酮 甲醛 --out output/
# 或文本清单：python scripts/resolve_identifiers.py --file 清单.txt --out output/
# 或 JSON：python scripts/resolve_identifiers.py --json 清单.json --out output/

⚠️ 中文名不能直接走 PubChem：PubChem 名称解析以英文为主。中文名先转 CAS：
1. 先查用户模板 Excel 的 C/D/E 列（中文名↔英文名↔CAS 字典）；
2. 否则 WebFetch chemicalbook（https://www.chemicalbook.com/Search_CN.aspx?keyword=<中文名>）拿 CAS；
3. 英文名/CAS 直接传给脚本。

产出 output/input.json（每个物料含 CID/CAS/分子式/分子量/混合物标记）。

输入校验边界（2026-08-17 补）：请求超范围或缺关键输入时显式止步，不静默扩大任务。典型情况：
- 输入只是闲聊/无化学品清单 → 不执行，请用户给出清单；
- 输入物料超出模板能力（如放射性物质、需要反应动力学数据的场景）→ 说明本 skill 只做物性数据，建议其他工具；
- 用户要求"顺便"加做无关任务 → 拒绝，保持单一职责。

Step 1 — 信息检索（并行）

脚本主干（PubChem，覆盖 ~70% 字段）：

python scripts/search_web.py --out output/

产出 output/raw_{cas}.json（标识/物性/燃爆/GHS/NFPA/毒理/接触限值原始数据）。

Agent 补采（WebFetch 多源，覆盖脚本缺的 30%）：
- 中文名/气味中文/检测阈值/火灾危险类别 → chemicalbook
- 法规名录（危化品/易制毒/易制爆/高毒/重点监管）→ 应急管理部 whpdj 登记系统（⚠️ 412 反爬，需浏览器）
- ERPG/AEGL/PAC/TEEL → AEGL：本地全量索引开箱即用（data/AEGL索引.json，196 个 Final AEGLs 按 CAS 查；
重建 python scripts/build_aegl_index.py 自动下载 EPA Compiled PDF 解析。EPA 入口：导航页
epa.gov/aegl/access-acute-exposure-guideline-levels-aegls-values#final 是索引，全量数据在 compiled PDF
epa.gov/sites/default/files/2018-08/documents/compiled_aegls_update_27jul2018.pdf；Interim 值（丙酮/甲醛/苯等）
不在 compiled PDF，需从 EPA 各化学品结果页补）；PAC：本地全量索引开箱即用（data/PAC索引.json，3063 个
化学品 PAC-1/2/3 按 CAS 查；python scripts/build_pac_index.py --xlsx <DOE数据库.xlsx> 重建。DOE 官方源
emhub1.energy.gov/pacteel 国内网络不可达，Excel 需在美网络/代理下载；PAC 层级 = Final AEGL(60min) > Interim
AEGL > ERPG > TEEL）；ERPG → AIHA（无免费全量表，靠 CAMEO/chemicalbook）；IDLH → NIOSH
- 中国法规名录（本地离线秒查，替代 whpdj 浏览器补采）：
- data/危化品目录索引.json（2552 种，含中文 GHS 类别 + 剧毒标记 147）→ reg_hazchem 判定 + haz_* 中文类别核对 + reg_high_toxic（剧毒）
- data/GBZ_OEL索引.json（295 种 MAC/PC-TWA/PC-STEL，mg/m³）→ 职业接触限值补白（备注 GBZ 2.1-2007 提取，2019 为现行，未命中联网确认）
- data/有毒气体目录索引.json（244 种：高毒 54 + GB/T 50493 附录B + HG/T 20660 附录A + 剧毒清单）→ reg_high_toxic 判定
- 重建：python scripts/build_reg_reference.py（从 data/raw-*.md 解析）；原始数据 data/raw-GBZ-OEL.md 等
- 火灾危险性类别（fire_class）：按 GB 50016-2014 表 3.1.1 判定（闪点<28℃甲 / 28-60℃乙 / ≥60℃丙 / 氧化剂酸碱遇水品非可燃），规则见 references/conflict_rules.md 第五节；HTML/Excel 按甲红/乙橙/丙黄着色
- 应急准则（emergency_guidelines，v3.3.0 本地离线秒查）：data/应急准则索引.json（999 条按 CAS 键，与危险品全书物性索引同源同覆盖）
——从全书第四部分（急救）/第五部分（消防）/第六部分（泄漏应急处理）/第七部分（操作处置与储存）提取，
每条含 first_aid/fire/spill/handling_storage 四要素子字段 dict（如 急救-吸入/皮肤接触/眼睛接触/食入、消防-灭火剂/特别危险性）。
auto_supplement 自动拼成 【急救】…｜【消防】…｜【泄漏处置】…｜【操作储存】… 文本（≤800 字截断）写入 emergency_guidelines 列。
重建：python scripts/build_emergency_index.py "<通用卷PDF路径>"（2094 页约 2 分钟）。水（7732-18-5）不在书中属正常——全书只收录危险化学品
- ERG2024 隔离/防护距离（v3.4.0，TIH 物料量化应急数据）：data/ERG2024-索引.json（261 UN 键，US DOT Emergency Response Guidebook 2024 Yellow Table 1）
——每条含 guide（Guide 号）/small+large（Initial Isolation + Protective Action Distance：iso_m/iso_ft/day_km/day_mi/night_km/night_mi）/refer_table3（10 个常见 TIH 气体大泄漏距离查 Table 3）/aliases。
ERG 按 UN 键，补采链路借危险品全书物性索引的 un_number 字段做 CAS→UN 桥接（999 CAS 中 100 个可桥接，苯/丙酮等非 TIH 物料不在 Table 1 属正常）。
auto_supplement 拼成 【ERG2024隔离防护】小量泄漏：隔离30m，白天0.1/夜间0.2km｜大量泄漏：… 放在应急文本最前（量化数据优先，防截断）。
重建：python scripts/build_erg_index.py "<ERG2024 PDF路径>"（词坐标法，42 数据页约 20 秒）
- 标识核验/别名/物性交叉验证 → NIST Webbook（python scripts/nist_verify.py <英文名或CAS> --out output/，直抓 cbook.cgi 返回标识页：CAS/分子式/分子量/InChI/别名；--by-cas 按 CAS 查）
- 中文物性补白 → chemdb 中科院化学数据库（⚠️ JS 应用，需浏览器）；ChemSpider（⚠️ 网页搜索已 404，走 REST API 需 token）
- IMA 知识库（可选）→ KB ID 7410596022594182，「1-物性数据」文件夹 folder_id="folder_7411216628582850"（CAMEO 1306 文件 + 化学化工物性手册 + CRC/兰氏/Bretherick 等）

> 4 个常用站的接入实测（搜索 URL/反爬/能拿什么）见 references/field_source_map.md 第五节。

IMA 数据的两条用法（2026-08-15 认知修正，务必区分）：
- CAMEO（MCP 可精确查表）：搜英文名命中 CAMEO 单文件（CMH=异丙苯过氧化氢、BHP=叔丁基过氧化氢、ACT=丙酮、VCM=氯乙烯…）→ 取 media_id → fetch_media_content 读完整数据（16KB 单文件）。解析章节：NFPA(8.5)/闪点(4.1)/自燃(4.7)/沸点(9.3)/密度(9.7)/蒸气压(9.25)/TLV(3.4)/MOCC(4.14)。
- 整本手册（MCP 拿不到完整数值）：search_knowledge 只返回片段摘要（highlight 几十字），且"沸点/密度"等高频词会淹没主体词（实测搜"锌粉 熔点 沸点 密度"命中 100 条全是泛化）；fetch 大文件超 token。正确用法 = IMA 客户端直接对话（完整 RAG：语义理解+检索+LLM 生成，能查到《物性数据手册》的锌粉熔点 419.53℃ 这类完整数据）。

Step 1c（可选）— IMA 客户端对话补充（人机协同）

用户用 IMA 客户端直接对话查整本手册物性（完整 RAG，MCP 拿不到的数值），
把答案原文粘贴给 Agent → 解析成 supplement 字段（"熔点: 419.53 °C"→mp="419.53"）。
IMA 答案来自权威手册，冲突按「权威手册 > PubChem」裁决（references/conflict_rules.md）；
单位未明确的值不硬填（J/g 与 kJ/mol 差 65 倍）。

补采写入 output/supplement_{cas}.json
（格式 {"fields": {<字段键>: {"value": ...}}}，键见 field_schema.json；
可用 python scripts/search_ima.py --cas <cas> --json 补采.json --out output/ 规范化）。

Step 2 — 分析对比去重、确定最终结果

python scripts/merge_compare.py --out output/

• 按字段归并 PubChem + supplement，标注来源 + 置信度；
• 冲突裁决按 references/conflict_rules.md（人工补采 > 监管数据 > PubChem 汇总值 > 推导值）；
• 产出 merged_{cas}.json（含完整候选证据链，供人工审查）+ final_{cas}.json（裁决值）。

人工审查闸门：merged_*.json 中 candidates > 1 的字段是冲突点，value 空但有候选的是「待确认」。
必要时用 Edit 改 final_{cas}.json 或重写 supplement 后重跑 merge。

Step 3 — 输出

python scripts/gen_html.py --outdir output/ --template <模板.xlsx> --output report.html   # 横版报告（一行一物料 + 导出按钮）
python scripts/export_excel.py --template <模板.xlsx> --outdir output/ --output 结果.xlsx   # 回填模板（追加到母版）

• HTML：横版表格，一行一个物料，111 列按分区分组；物料名/表头冻结，可横向滚动；悬停看来源、⚠ 标冲突。
• 「导出 Excel」按钮：前端 xlsx-js-style（SheetJS 社区 fork，支持写样式）把数据写进你模板的 106 列表头结构，
  列位 + 样式与母版逐列一致（多级表头 8 行 + 107 合并区 + 列宽 + 表头行高 + 标题字体/边框 +
  数据区逐列继承母版成品行样式——首行/中间行/末行三套参照，分区边框 hair 网格+thin/thick/medium 边界、
  名称列 left 对齐+solid 底色），浏览器直接下载 .xlsx。离线可用：gen_html.py 会把
  scripts/xlsx-js-style.min.js（npm xlsx-js-style@1.2.0，已从 unpkg 下架、CDN 404）复制到 HTML 同目录，
  report.html 用相对路径引用，无需联网。SheetJS CE 版不支持写样式，勿换回。数据从模板 R9（0 基 r=8）起。
• export_excel.py 来源注释：每个回填单元格带 Excel Comment（数据来源，同行不同列来源可不同），
  悬停红三角查看证据链——审查者能追溯每个数值的来源（对齐"数据来源审计"习惯）。
• HTML 火灾类别着色：fire_class 列按 GB 50016 甲红/乙橙/丙黄/非可燃白背景。
• 两种导出区别：HTML 按钮导出仅含本次查询物料（新表，样式同母版，数据从 R9 起）；
  export_excel.py 是追加到你母版 Excel（格式 100% 母版，自动定位首个整行空白行——
  跳过名称/CAS 缺失的占位行和 =IF(#REF!...) 公式残留行）。

Step 4 — 验证（必做）

1. 扫 \ufffd：python -c "print('\ufffd' in open('output/report.html',encoding='utf-8').read())" → False
2. 核对字段映射：抽 1 个物料，比对模板同物料历史行的数值（模板已有 30+ 成品数据可当参照）
3. 复核数值：抽熔沸点/闪点/自燃/LEL/UEL 与 NIST/CAMEO 交叉核对
4. 产物呈现：present_files 展示 report.html + 结果.xlsx

Step 5（可选）— CAMEO 导航构建（让 IMA 精确查表）

当需要把 IMA「1-物性数据/CAMEO」文件夹（1306 个单化学品文件）变成可精确定位的索引时使用。
开箱即用：data/CAMEO物性导航-增强版.md 已含 1306 条（缩写+英文名+中文名 100%+CAS 82.4%+同义词+media_id），
已上传 IMA「1-物性数据」文件夹；重建/更新导航的完整流程见 references/cameo_nav_build.md。

# 重新构建（需要 page_*.jsonl 原始清单）：
cat page_*.jsonl > cameo_pages_full.jsonl
python scripts/build_cameo_index.py --pages cameo_pages_full.jsonl --out ../data/CAMEO物性导航.md   # 精简版
python scripts/batch_cas.py     # 批量 PubChem 查 CAS（断点续传 + 限速，~30 分钟）
python scripts/fix_cas.py       # 失败补充（简化名重试）
python scripts/gen_enhanced_nav.py  # 增强版（+中文名+CAS）
# 上传回 IMA：create_media → cos-upload.cjs → add_knowledge（详见 cameo_nav_build.md 步骤 6）

使用导航查物性（Agent 链路）：用户给化学品 → 在导航表定位（中文名/英文名/CAS/缩写）→ 取 media_id
→ mcp__ima-mcp__fetch_media_content 精确读单文件 → 解析 NFPA(8.5)/闪点(4.1)/自燃(4.7)/沸点(9.3)/密度(9.7)/蒸气压(9.25)/TLV(3.4)。
> ⚠️ 运行层差异（2026-09-14 加）：fetch_media_content 目前只在 WorkBuddy 侧的 ima 连接器可用；
> 在 DSH（本地 stdio 桥接器）只提供 search_knowledge / get_knowledge_list / get_knowledge_base_list / ima_refresh_token。
> 在 DSH 下走到这一步时：优先用本地离线索引（1-物性数据索引等 13 类，秒查、无需网络）；
> 本地索引缺项再请用户在 WorkBuddy 侧完成单文件读取，不要反复重试不存在的工具。
> 判断当前运行时：能调通 mcp__ima-mcp__search_knowledge 但 fetch_media_content 报 unknown tool 即为 DSH。
中文检索局限：独特中文名（如"苯酚磺酸锌"）能命中导航并高亮；高频词中文名（如"异丙苯过氧化氢"被"过氧化氢"稀释）
排序靠后——此时配合 CAS/英文名检索，或走 IMA 客户端对话。

反应性/相容性字段秒查（2026-09-23 增 · v3.6.0）

> 分工铁律：相容性判定与矩阵归 ray-chem-compat（L1 规则引擎 + 仲裁顺序）；
> 本 skill 只做物性表反应性字段补全（111 列模板的"补充备注"级使用，不加列、不造判定）。

# 本地秒查（零外部依赖，data/ 两件新索引）
python scripts/query_reactivity.py --cas 10217-52-4     # 危险品全书：危险反应/禁配物/分解产物/pages
python scripts/query_reactivity.py --name hydrazine     # CAMEO：与水/常见材料/聚合/阻聚剂 + CG 配伍组

数据源：与 ray-chem-compat 同源同书（CAMEO 1306 份 CHRIS 数据表、危险品全书·通用卷 3rd Ed 原书 PDF），
参照其 _process/scripts/build_sheet1...（对应本机两份独立生成器），查询语义两条铁律：
①「未查到 ≠ 无害」（空白字段标"未查到"）；② 引用只作描述性字段，不构成判定结论（判定 → ray-chem-compat）。

目录结构（完整版见 references/field_source_map.md 附录）

ray-chem-property/
├── SKILL.md              # 主文档（Step 0-5 工作流）
├── scripts/ (17 个)      # field_schema.json + query_reactivity + 15 脚本（见附录）
├── references/ (4 个)    # field_source_map / conflict_rules / cameo_nav_build / pitfalls（31坑+18经验）
├── data/ (20 个)         # 上列 18 + 禁配物-危险品全书 + 材质反应性-CAMEO（2026-09-23 增，反应性字段秒查）
└── templates/            # 预留

安全红线（必守，2026-08-17 补）

> 对齐 SDS 起草类外部 skill 的核心原则，化工安全场景的红线级规则：

1. 「未查到 ≠ 无害」：缺失字段只能标注"未查到 / 无数据"，绝不默认填"无"或跳过——
   没有数据的字段在危害角度意味着未知，不是安全。Excel 空单元格记 ·，HTML 显示 rem 提示，绝不暗示"该危害不存在"。
2. 不编造数据：任何数值必须有来源（PubChem/NIST/监管名录/手册）；查不到就留空标注，禁止用常识推断冒充实测值（如"水肯定闪点高"→ 不能填）。
3. 单位未明确不硬填：查到的值若单位不清晰（如汽化热 J/g vs kJ/mol 差 65 倍），标"待确认"而不是猜一个。
4. 特殊危害如实标注：剧毒/易制爆/涉恐前体等物料，如实标注其法规地位，不因敏感而淡化；同时提示安全处理要求。
5. 输出带 AI 生成声明：交付物（HTML/Excel）中注明"AI 辅助生成，数据需专业核实后使用"——化工数据直接用于安全决策，必须保留人工审查闸门。

关键坑速查（高频 Top 8，完整 31 条见 references/pitfalls.md）

> ⚠️ 完整坑库已卸载至 references/pitfalls.md（31 条关键坑 + 18 条实战经验）——执行到对应脚本/步骤遇问题时按需查阅。此处只留最易踩的 8 条：

1. 中文名不能直查 PubChem（不认中文名）：先经模板 C/D/E 列字典 → chemicalbook → CAS（见 Step 0）。
2. Excel 导出绝不用前端 SheetJS CE 重建（不写样式）：走 xlsx-js-style 或后端 export_excel.py 模板回填。
3. "未查到 ≠ 无害"：缺失字段标"未查到/无数据"，绝不默认填"无"（安全红线）。
4. NIST 查 CAS 用 ?Name=<CAS>，勿用 ?CAS=（400 非法）。
5. IMA 批量分页用后台 Agent + 断点续传（主对话 27 次分页撑爆上下文；connector-proxy 间歇 fetch failed）。
6. 本地索引优先：CAMEO/AEGL/PAC/法规/ERG/书库都有离线 JSON 索引，秒查优于逐条在线（见 Step 1）。
7. 有机物查沸点防误判：有机过氧化物 PubChem 可能把分解温度标成沸点 → state20 误判气体，需人工核对。
8. openpyxl 中部插列三连坑（insert_cols 不动合并区/unmerge 崩溃/merge 只留左上角）→ 改尾部追加零风险。

实战经验归档：18 条历史经验（PDF 提取/HTML 样式/Excel 对齐等）已移入 references/pitfalls.md 第二节，不再常驻正文。

复现示例（丙酮，验证脚本正确性）

cd scripts/
python resolve_identifiers.py 67-64-1 --out /tmp/t
python search_web.py --out /tmp/t
python merge_compare.py --out /tmp/t
python gen_html.py --outdir /tmp/t
python export_excel.py --template "<模板.xlsx>" --outdir /tmp/t

人机协同完整流程（2026-08-15 实测验证）

Step 0  输入解析（名称/CAS）
Step 1  我走 MCP 主干：PubChem（结构化）+ CAMEO（导航→fetch 单文件）+ chemicalbook（中文）
Step 1c 你用 IMA 客户端对话查整本手册（可选）→ 把答案原样粘贴给我
Step 2  我整合：主流程结果 vs 你的 IMA 参考答案，冲突按「权威手册 > PubChem」裁决
Step 3  输出 HTML + 回填 Excel

• 实测（4 种有机过氧化物）：TBHP/CHP/IPP 的 IMA 答案补齐了闪点（CHP 79℃ 修正 CAMEO 48.9℃）、
  有机过氧化物型（C/D/E/F）、TDG 温控（TAPND 0℃/+10℃、IPP -15℃/-5℃ + UN 3112）、分解温度定 47℃；
• IMA 答案里的单位未明确值（如"汽化热 2592.0"）不硬填，留空标注"待确认"（J/g 与 kJ/mol 差 65 倍，填错是红线级事故）；
• 整合时把 IMA 答案的原文 + 裁决理由写进 remark，保留证据链供人工审查。

维护记录