1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | translational-research-awslabs-hcls-agent-skills |
| 作者/维护者 | AWS Labs（awslabs 官方 GitHub 组织账号） |
| 来源链接 | https://github.com/awslabs/hcls-agent-skills/tree/main/skills/translational-research |
| 许可证 | MIT-0（据来源：GitHub API） |
| GitHub Stars | 12（整仓库口径，据来源：GitHub API） |
| Forks | 4（据来源：GitHub API） |
| 最新版本 | v1.0.0（SKILL.md front matter version 字段） |
| 安装方式 | 多渠道，见第 10 章 |
2. 功能介绍与亮点
该技能把“转化医学”（Translational Research）的推理方法固化为一套结构化决策框架，覆盖从靶点发现到人群健康影响的全过程：
- T0–T4 转化阶段定位：先判定假设当前所处阶段，再确定下一个可证伪的“关卡”，拒绝在未明确决策目标前提出实验方案
- 靶点验证框架：以人类遗传学证据优先，要求 GWAS、罕见变异负担检验、eQTL/sQTL 共定位、孟德尔随机化四类证据中至少满足三类才具备“令人信服”资格
- 生物标志物 BEST 框架：强制为每个生物标志物指定人群、决策、类别（诊断/监测/药效学/预测/预后/安全性/易感性）三要素，并遵循分析验证→临床验证→临床效用的证据层级
- 临床前到临床转化陷阱清单：物种血脑屏障差异、游离药物浓度 vs 总浓度、模型效度三角（表面/构念/预测效度）、动物行为学转化失败率等
- 终点选择与试验设计：早期阶段测生物学、晚期阶段测临床获益；篮式/伞式/平台试验按“共享要素”选型
- 多模态数据整合：早期/中期/晚期融合策略、混杂因素核查清单
- 10 项收尾评估清单与 4 篇同行评审文献引用（FDA-NIH BEST 资源、ARRIVE 2.0、Nature Communications 孟德尔随机化方法学论文等）
全篇为纯 Markdown 提示词/参考文档，无任何脚本或代码执行。所属仓库是 AWS Labs 官方发布的 40 个医疗健康与生命科学（HCLS）领域技能合集，内附 410 组提示词的自评测试报告，据其披露带技能相比不带技能的对照，头对头胜率 70%–86%。
3. 适用场景
所属分类：数据分析与可视化（该技能的核心价值是把研究方法学与因果推断/证据评估规则固化为可复用的推理框架，与同仓库中处理基因组变异解读、真实世界数据因果推断等临床数据方法学的技能属于同一类）。
适用于生物技术/制药公司的转化医学团队、临床开发策略人员、神经科学方向的临床前研究者：审查靶点验证证据是否充分、为候选生物标志物界定使用场景（Context of Use）、批判临床前到临床的转化方案是否存在常见陷阱、在篮式/伞式/平台试验之间做选型、规划多模态数据（基因组学、影像、电子病历等）整合分析时排查混杂因素。
4. 跨 Agent 兼容性
- Claude Code：原生支持——
npx skills add awslabs/hcls-agent-skills -a claude-code，或克隆后./install.sh --target claude-code符号链接进.claude/skills/ - Codex：原生支持——仓库文档列出 GitHub Copilot / Cursor / Codex / Gemini CLI 等 50+ 平台均可通过通用命令
npx skills add .安装 - OpenClaw：未验证——仓库文档未列出该平台
- Hermes Agent：未验证——仓库文档未列出该平台
5. 推荐理由
由 AWS 官方组织发布、证据链清晰（引用同行评审文献、附带自评测试报告）、零代码执行零外部依赖的转化医学决策框架，能让 AI Agent 在靶点验证、生物标志物界定、临床试验设计等高风险决策场景中给出有方法学依据而非泛泛而谈的建议，对制药/生物技术领域的研发团队价值直接。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 发布方为 AWS 官方组织账号；所属仓库整体 12 星，该数字属整个 40 技能合集，不代表本技能自身热度 |
| 可用性 | 8 | 零外部依赖纯 Markdown 技能，SKILL.md 结构完整（使用说明、响应格式、10 项评估清单）；仓库为多平台提供清晰安装文档，近期（2026-07-22）有代码提交 |
| 安全性 | 9 | 纯提示词/参考文档，无脚本无网络调用，安全检查清单逐项见下 |
安全检查清单：①无 shell 命令执行 ②无联网外发 ③不要求任何 API key/凭据 ④未见可疑指令或 prompt injection 迹象 ⑤作者为 AWS 官方组织账号，无造假迹象 ⑥License 明确（MIT-0）⑦仓库最近一次代码提交为 2026-07-22
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与本技能的差异 |
|---|---|---|
| genomic-variant-interpretation（同仓库） | ACMG/AMP 种系与体细胞变异分类 | 聚焦单一环节（变异解读），不覆盖靶点验证、试验设计等下游转化决策 |
| pharmacoepidemiology（同仓库） | 真实世界数据因果推断方法学 | 专注上市后药物流行病学分析，不涉及临床前到临床前期的转化决策 |
| life-science-research（第三方技能） | 泛化生命科学研究辅助 | 覆盖面更宽泛通用，未针对转化医学的 T0–T4 阶段与试验设计选型做专门建模 |
本技能的差异化在于把靶点验证、生物标志物界定、临床前陷阱、终点选择、试验设计、多模态整合这条完整链路串成一套统一的决策流程，而非只覆盖其中一个环节。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。所属仓库附带内部提示词评测报告（eval/TECHNICAL_REPORT.md，覆盖 410 组测试提示词），可作为功能佐证，但属厂商自评而非独立第三方用户评价。
9. 其他补充
所属仓库支持“多 Agent 协调模式”，可将 40 个子技能路由给 8 个领域专家 Agent（其中转化研究技能归入 hcls-drug-discovery 专家），适合需要同时使用该仓库多个子技能的场景；单独使用本技能则无需了解该架构。
10. 安装使用方式
- Claude Code：
npx skills add awslabs/hcls-agent-skills -a claude-code（会安装整个 40 技能合集，按需自动触发）；仅需本技能时，可克隆仓库后手动复制skills/translational-research/SKILL.md到.claude/skills/对应目录 - Codex / GitHub Copilot / Cursor / Gemini CLI 等 50+ 平台：通用命令
npx skills add .（来自 vercel-labs/skills 项目） - Kiro IDE/CLI：
./install.sh --target kiro - 安装后无需重启，Agent 会依据用户提问内容中的转化医学相关关键词自动触发该技能
11. 注意事项
- 该技能是方法论/决策框架型技能，不执行任何计算或数据处理，SKILL.md 本身也列出“何时应升级给人类专家”的边界（如毒理学数据决策、Phase 3 终点选择需临床试验专家介入）
- 所属仓库为 40 子技能大型合集，若只需转化医学这一项能力，建议只安装对应子目录而非整仓库以减少上下文占用
- 内容举例较多聚焦神经科学/中枢神经系统方向，应用于其他治疗领域时决策框架通用，但部分具体阈值（如血脑屏障相关判据）需按领域调整