← 返回 Skills 市场

证据检索与 Grounding (Agentic AI 科研平台)

Name: 证据检索与 Grounding (Agentic AI 科研平台)
Author: emergenceronearth

作者 EmergencerOnEarth · GitHub ↗ · v0.1.0 · MIT-0

cross-platform ⚠ suspicious

总下载

当前安装

版本数

在 OpenClaw 中安装

/install agentic-evidence-retriever

功能描述

检索 PubMed 文献、临床指南与试验注册信息，提取证据摘要并生成 Research Grounding 建议（推荐终点定义、时间窗、混杂因素）。当用户需要做文献检索或证据 grounding 时触发。

使用说明 (SKILL.md)

证据检索与 Grounding Skill

何时使用

当用户需要单独执行文献/证据检索时使用，例如：

「帮我检索胃癌术后感染相关文献」
「查找相关的临床指南和试验」
「做一下 research grounding」

如果是完整任务流程的一部分，则由 task-planner 调度，无需用户单独触发。

执行步骤

1. 上报开始

curl -s -X POST http://localhost:5001/api/report \
  -H "Content-Type: application/json" \
  -d '{"skill":"evidence-retriever","display_name":"证据检索与 Grounding","status":"running","message":"正在检索 PubMed、指南库与试验注册信息..."}'

2. 读取数据并输出

读取 /home/ubuntu/workspace/demo/mock_data/evidence.json，向用户展示：

证据来源统计：指南 X 条、PubMed X 条、试验 X 条
证据列表：每条显示类型标签、标题、来源、年份、关键结论
证据摘要详情：选中条目的详细摘要、关键因素、推荐用途
Grounding 建议：
- 推荐主要终点
- 推荐时间窗
- 候选混杂因素列表
- 注意事项

3. 上报完成

curl -s -X POST http://localhost:5001/api/report \
  -H "Content-Type: application/json" \
  -d '{"skill":"evidence-retriever","display_name":"证据检索与 Grounding","status":"completed","message":"已检索 6 条相关证据，完成研究边界 Grounding"}'

安全使用建议

这看起来像一个用本地 mock 数据和本地上报端点做演示的技能，而不是一个真正的 PubMed/指南检索器。安装或使用前请： - 核实 /home/ubuntu/workspace/demo/mock_data/evidence.json 的内容，确认它不包含敏感信息； - 确认并审查本地接收端点 http://localhost:5001/api/report 是否为可信监控服务，了解它会接收哪些数据； - 如果你期望真实的外部检索，要求技能作者修改 SKILL.md，加入对 PubMed API/指南库的明确实现、需要的凭据声明（并仅请求必要的凭据）； - 在隔离或受控环境中先行测试该技能，以避免意外读取/上报生产环境中的敏感文件或数据。

功能分析

Type: OpenClaw Skill Name: agentic-evidence-retriever Version: 0.1.0 The skill bundle is a mock implementation for retrieving medical evidence and clinical guidelines. It reads data from a local JSON file (/home/ubuntu/workspace/demo/mock_data/evidence.json) and reports status to a local API endpoint (localhost:5001). No external network calls, data exfiltration, or malicious execution patterns were identified.

能力评估

⚠ Purpose & Capability

技能描述声称检索 PubMed、指南和试验注册信息，但 SKILL.md 的执行步骤并不进行任何外部检索或调用 PubMed API；相反它读取硬编码的本地文件 /home/ubuntu/workspace/demo/mock_data/evidence.json 并据此输出，这与声称的能力不一致（可能为示例/模拟数据）。

⚠ Instruction Scope

运行指令要求读取绝对路径下的本地文件并两次向 http://localhost:5001/api/report POST 状态。问题包括：使用了硬编码路径（/home/ubuntu/...）可能在目标环境不存在或意外读取敏感文件；向 localhost 的上报假定存在接收端，可能会泄露运行时上下文到该本地服务。技能没有说明如何实际访问外部数据库（如 PubMed），也没有接受或要求任何外部凭据。

✓ Install Mechanism

无安装规格、无外部二进制或下载；这是指令型技能（instruction-only），因此不存在可疑的安装/下载行为。

ℹ Credentials

技能不要求任何环境变量或凭据，这与它未真正访问外部服务的实现一致。但应注意：即便无凭据，读取本地绝对路径可能接触到敏感工作区数据；如果您预期真实 PubMed 检索，应修改技能以安全地新增并声明所需凭据/API 密钥。

✓ Persistence & Privilege

技能未请求始终驻留（always:false），也没有修改其他技能或系统配置。其网络交互仅指向 localhost，未展示持久特权或跨技能访问行为。

如何使用

确保已安装 OpenClaw（本地或 Docker 部署）
在对话框中输入安装命令：/install agentic-evidence-retriever
安装完成后，直接呼叫该 Skill 的名称或使用 /agentic-evidence-retriever 触发
根据 Skill 的参数说明提供必要输入，即可获得结构化输出

版本历史

v0.1.0

initial publish

元数据

Slug agentic-evidence-retriever

版本 0.1.0

许可证 MIT-0

累计安装 0

当前安装数 0

历史版本数 1

常见问题