AI Med Policy Research
将 AI 辅助医药政策研究转为可追溯、带质量闸门的 Agent 工作流，覆盖方法学隔离、RAW 数据治理、PROSPEC 执行包、硬状态机和确定性校验。
AI Med Policy Research 是一个面向 AI 辅助医药政策研究的 Codex Skill。它把政策研究组织为可追溯的 Agent 工作流，包含前瞻性方法设计、RAW 数据治理、结构化数据协议、PROSPEC 执行包、硬状态机闸门，以及严格绑定证据的质量审查。
它适用于这样的工作：主 Agent 从文献中抽取方法，交给子 Agent 执行原始数据分析，再比较结果；同时必须避免把论文身份或已知结论泄露给执行者。
解决的问题
AI Agent 虽能产出有价值的政策研究草稿，却容易以难以审计的方式失败，例如跳过数据发现、让已知结论影响方法和审查标准、把论文标题或 DOI 泄露给执行 Agent、无证据地声称审查通过，或在数据库有问题时直接打补丁而不是从治理后的源数据重建。
这个 Skill 会明确这些失败模式，并在必要产物和校验结果不足时阻止任务被标记为完成。
核心能力
- 研究契约：锁定政策对象、问题、边界、预期产物、数据范围、污染边界和最低可接受结果。
- 方法学与来源身份盲法：让方法与已知结果分离，并从执行材料中移除论文标题、DOI、URL 与文件名。
- RAW 数据闸门：分析、清洗、入库或建模前，必须生成
raw_inventory.json并同步README_DATA.md。 - PROSPEC 执行：用机器可读的数据包记录前瞻性预期、步骤、证据链和每项子任务的完成闸门。
- 硬状态机：
INIT → METHOD_LOCKED → TASKS_LOCKED → EVIDENCE_COMPLETE → REVIEWED → ACCEPTED，未通过时进入ITERATE。 - 确定性校验：Python 校验器会拒绝跳过状态、缺少产物、RAW 覆盖不完整、身份泄露和证据不足的
ACCEPTED声明。
它是一套研究流程控制与治理工具，不能替代临床、法律或监管判断。
技术栈： Codex Skill（SKILL.md + 参考协议 + Python 校验器）· English / 中文双语