输入 2–6 个药名，用公开 API 做横向竞品对比：openFDA 取档案/适应症/机制/黑框警告/FAERS 不良反应，ClinicalTrials.gov 取在研管线/关键终点，装配成对比矩阵；再用 DeepSeek 基于矩阵接地生成定位洞察（机制差异化 / 适应症护城河 / 管线领先者 / 空白机会），每条结论强制 [来源:N] 引用并经后置校验器核对，无据论断标红剔除。

核心机制：矩阵接地 + 引用校验（防臆测）

药名 → openFDA + CT.gov → 对比矩阵（每 cell 带 source）
                          ↓
          DeepSeek 只看矩阵 → 定位洞察（每条带 [来源:N]）
                          ↓
          后置校验器核对引用真实性 → 标红/剔除无据论断

API Requirements

Database	Key Required?	Notes
openFDA (Label/NDC/FAERS)	❌（建议申请 API Key 提额）	公开匿名
ClinicalTrials.gov v2	❌	公开
DeepSeek	✅ `DEEPSEEKAPIKEY`	写入 skill 根目录 `.env`（复制 `.env.example`），启动自动加载；未设则输出矩阵摘要

数据层零第三方依赖（纯标准库 urllib/json）。 Cost: $0（除 LLM）。

Usage

# CLI
python scripts/pipeline.py --drugs "Ozempic,Wegovy,Mounjaro,Zepbound" --out-dir ./output

# 或 stdin JSON
echo '{"drugs":["Ozempic","Wegovy"]}' | python scripts/pipeline.py

配置：把 DeepSeek key 写入 skill 根目录 .env（复制 .env.example 改），启动自动加载，无需手动 export；系统 env 已设的同名变量优先。

输出：

comparison-matrix.json — 结构化矩阵（每 cell 带 sources）
comparison-report.md — 中文报告：对比矩阵表 + LLM 定位洞察 + ⚠️未验证论断（若有）

Output

对比矩阵 5 维度：① 基本档案+上市状态 ② 适应症+机制 ③ 全球在研管线 ④ 关键临床终点 ⑤ 安全概览。

洞察 4 小节：机制差异化 / 适应症护城河 / 管线领先者 / 空白机会。

Limitations

上市格局默认 US（openFDA）。
「机制」取自 Label 药理文本，非结构化靶点。
限速：openFDA 匿名 ~240 req/min；脚本内置 retry + 0.2s 节流。
报告供竞品分析参考，非临床决策依据。

数据源字段清单

见 references/api-fields.md。

npx skills add https://modelscope.cn