使用智能日志监控进行证据洞察工作流,需要结构化执行、明确假设和清晰的输出边界。
Smart Journal Monitor (RSS+AI). 个人化研究摘要来自顶级期刊. 何时使用. 当任务需要时使用此技能. 使用智能日记监视器进行需要证是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
来自顶级期刊的个性化科研简报。
scripts/main.py。references/ 目录中提供面向任务的参考材料,用于指导具体操作。详见上方 ## Prerequisites 部分的相关说明。
Python:版本 3.10+。当前封装技能的代码仓库基准环境。第三方包:本技能包中未显式锁定版本。若需更严格的环境控制,请为所用第三方包添加版本锁定。cd "20260318/scientific-skills/Evidence Insight/smart-journal-monitor" python -m py_compile scripts/main.py python scripts/main.py --help
典型运行流程:
CONFIG 区块或文档中明确列出的参数。python scripts/main.py。详见上方 ## Workflow 部分的相关说明。
scripts/main.py。references/ 目录中包含支持性规则、提示词或检查清单。使用以下命令,在深入执行前验证封装脚本入口是否可被正确解析。
python -m py_compile scripts/main.py
使用以下具体命令进行验证。这些命令设计为自包含,不使用占位路径。
python -m py_compile scripts/main.py python scripts/main.py --help
| 参数 | 类型 | 必需 | 默认值 | 说明 |
|---|---|---|---|---|
keywords |
list[str] | 是 | - | 需监控的研究主题 |
journals |
list[str] | 否 | ["Nature", "Science", "Cell", "NEJM", "Lancet"] | 目标监控期刊列表 |
alert_frequency |
str | 否 | "daily" | 简报频率:“daily” 或 “weekly” |
输入:Keywords=["immunotherapy", "checkpoint inhibitor"],frequency=daily
输出:3–5 篇最相关的突破性论文及其摘要
| 风险指标 | 评估 | 等级 |
|---|---|---|
| 代码执行 | Python/R 脚本在本地执行 | 中 |
| 网络访问 | 无外部 API 调用 | 低 |
| 文件系统访问 | 读取输入文件、写入输出文件 | 中 |
| 指令篡改 | 遵循标准提示词规范 | 低 |
| 数据暴露 | 输出文件保存至 workspace | 低 |
无需额外安装 Python 包。
每个最终响应均应在相关内容适用时,显式声明以下各项:
scripts/main.py 执行失败,需报告失败节点、概括仍可安全完成的部分,并提供人工备用方案。本技能仅接受符合 smart-journal-monitor 文档定义用途、且上下文充分以保障工作流安全执行的请求。
当请求超出范围、缺失关键输入、或需引入不支持的假设时,不得继续执行工作流,而应回复:
smart-journal-monitor仅支持其文档中明确定义的工作流。请补全缺失的必需输入,或切换至更合适的技能。
针对非简单请求,请严格使用以下固定结构:
对于简单请求,可压缩结构,但若假设或限制会影响结果正确性,则仍须显式说明。
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习
最新文章