Drug Comparison Agent
多药进 → 竞品对比矩阵 + 定位洞察出。
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 | ✅ DEEPSEEK_API_KEY | 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。
微信扫一扫