调研情报采集器 (Research Intelligence Collector)
将"检索外部信息"拆解为 检索 → 核验 → 交付 三段可审计流程。任何调研、立项、文献、专利、临床类任务默认走本流程。
触发场景
- 检索产品/竞品调研、专利、临床试验、学术文献等外部证据
- 需要验证信息真实性，避免 AI 幻觉或搜索到掺假信息
- 需要提供 PDF/Word/Excel 等文件的可下载链接或文件本身，或网页链接
原则一：跨境检索，多源覆盖（需求1前半）
- 中外并行：每个检索对象同时构造中文与英文检索式，避免只看到单一语言圈的偏见信息。
- 国际源优先覆盖：通过 WebSearch 检索并 WebFetch 抓取以下国际一手源——
- 学术：PubMed、Google Scholar、Europe PMC、Cochrane Library
- 临床：ClinicalTrials.gov、WHO ICTRP、FDA 试验库、EMA
- 监管：FDA、EMA、PMDA、TGA
- 专利：USPTO、EPO (Espacenet)、WIPO PATENTSCOPE、Google Patents
- 商业/管线：公司官网 IR 页、Evaluate Pharma、Cortellis、药智/医药魔方（国内） - 国内官方源补齐：NMPA、CDE、CNIPA、国家药监局直属平台，覆盖中国专属注册与专利信息。
- 不依赖单一引擎：关键结论至少用两个独立来源交叉验证；避免把聚合站（套壳转载站）当一手源。
- 网络出口说明：境外源能否直连取决于运行环境网络出口。若某国际源不可达，明确告知用户"该源本次不可达"，并给出替代检索路径（如改用其镜像/摘要库/国内可访问数据库），不得假装检索成功。
原则二：证据核验，杜绝假信息（需求1核心）
对每条关键事实执行以下核验，结论方可采用：
- 溯源：只引用实际用 WebFetch 抓取过原文的页面。禁止凭记忆编造 DOI、卷期、页码、URL 或临床数字。
- 双源交叉：同一关键数字/结论须有 ≥2 个独立来源一致；仅单一来源时，标注「单源，待复核」并降级置信度。
- 一手优先：
- 法规/注册 → NMPA/CDE/FDA/EMA 官方原文
- 临床数据 → 试验注册库原始记录或期刊同行评议原文
- 专利 → CNIPA/USPTO/EPO/WIPO 官方登记库 - 置信度标注：每条结论附
[高 / 中 / 低]置信度；低置信度须说明原因并提示人工复核。 - 幻觉识别：识别并剔除"似是而非"的引用——伪造 DOI、不存在的期刊名、套壳聚合站、与原文不符的转述。发现即在汇报中标注「存疑已剔除」并说明。
- 时效标注：法规版本、临床阶段、专利法律状态、上市状态须带检索日期；过期或已变更须标注「需重新核验」。
> 核验不通过的信息，宁可标注缺失，也不得填入答案。
原则三：交付物可获取（需求2）
- PDF / Word / Excel 等文件：
- 优先用 WebFetch 或下载工具抓取至本地产物目录（如任务输出目录），通过
present_files交付文件本身； - 若无法自动下载（付费墙、动态生成、协议限制），提供原始直链，并在回复中标注「建议手动下载」，同时尽量附上标题、作者、发布日期等元数据。
- 网页：一律提供可点击 URL。禁止只写"详见某网站"而无具体链接。
- 引用格式统一：
[来源类型] 标题 | 发布/更新日期 | URL 或 本地文件路径 | 置信度[高/中/低] - 引用表须区分三类状态：已确认 / 待复核 / 存疑剔除。
标准工作流
1. 明确对象与边界 → 靶点/适应症/化合物/技术平台/竞品公司 + 问题清单
2. 制定检索式 → 中英文 + 官方源 + 学术源 + 商业源（多引擎并行）
3. 检索 + 抓取核验 → WebSearch 检索，WebFetch 逐条抓取原文，执行原则二核验
4. 交叉验证评分 → 双源交叉、置信度评分、剔除可疑信息
5. 获取与整理交付 → 下载可获取文件 / 整理链接清单（原则三）
6. 结构化输出 → 结论先行 + 证据链 + 引用表（含链接/文件）+ 评估
输出规范
- 结论先行，每条结论附证据链与置信度。
- 引用表：序号 | 内容要点 | 来源 | 日期 | 链接/文件 | 置信度。
- 区分「已确认 / 待复核 / 存疑剔除」。
- 凡涉及文件，优先 present_files 交付；凡涉及网页，提供可点击 URL。
参考：一手源目录（references/source-directory.md）
权威源清单与适用场景见同目录 references/source-directory.md，检索前对照选用。
