Drug citation verifier

drug-citation-verifier (A5')

替代作废的 nmpa-drug-registry-lookup(commit e7cfb83,违反 P0)。

Cite-or-Block 架构下的药名 cross-check 原子 skill。本 skill 是 A11 citation-anchor-resolver 之上的薄包装,专注一件事:

报告里写了药名 X + 引用了锚点 Y → 锚点 Y 指向的源里,真的有 X 吗?

源里有 = 通过。源里没 = critical violation,无论 X 是 2018 年的老药、 2026 年新批的药、还是 LLM 编造的药。

---

Iron Law (P0 守护)

绝不维护药品字典。

本 skill 不知道也不需要知道"哪些药存在"。它只做一件事: 报告里的药名 X + 引用锚点 Y → 验证 Y 指向的源里是否真的提到了 X。

源里没 → fail。无论 X 是 2018 年的老药、2026 年新批的药、或编造的药。

唯一允许的"内置规则"

• 中文药名后缀(替尼/单抗/阿克/沙星/霉素/他汀/...)— 用于抽取疑似药名
• 英文药名后缀(-tinib/-mab/-statin/...)
• 上下文关键词(商品名/剂量/I 级推荐/...)— 用于关联药名与上下文

这些是"中文医药命名学",不是"已知药品列表"。任何符合后缀的字符串都 视为药提及,然后必须核对源才能判定真伪。

完整后缀规则表见 references/extraction-heuristics.md。

反例(违反 P0)

# WRONG — 任何具体药名出现在 .py 源代码 = P0 violation
KNOWN_DRUGS = {"洛拉替尼": "Lorlatinib", "克唑替尼": "Crizotinib", ...}
DRUG_REGISTRY = [...]
_known_drugs_fallback = {...}

这类代码 = 立刻停下来重设计。本 skill 的 watchdog 测试 (tests/test_drug_citation_verifier.py::test_no_hardcoded_drug_dict_in_source) 会扫描 scripts/*.py 拒绝任何具体药名出现。

---

何时使用

场景	使用本 skill 吗?
报告内容生成完毕,需要 cross-check 药名是否真有出处	✅
Step 8 审计阶段,逐段 scan critical violation	✅
不知道某药是否存在,想"查一下"	❌(本 skill 不查表)
抓指南后想入药品库	❌(本架构不入库,只存原文)

---

核心 API

verify_drug_mentions_in_text(text, sources_dir) -> dict

from pathlib import Path
import sys

# 1) 加载 A11(citation-anchor-resolver)
A11 = Path.home() / ".claude" / "skills" / "citation-anchor-resolver" / "scripts"
sys.path.insert(0, str(A11))

# 2) 加载本 skill
A5 = Path.home() / ".claude" / "skills" / "drug-citation-verifier" / "scripts"
sys.path.insert(0, str(A5))

from verifier import verify_drug_mentions_in_text

text = """
ALK 阳性 NSCLC 一线推荐洛拉替尼(商品名:博瑞纳)。
[guideline:CSCO-2024-NSCLC:§5.5.2]
"""
sources_dir = Path(".cache/lung-cancer-alk-2026/sources")

result = verify_drug_mentions_in_text(text, sources_dir)

# {
#   "ok": True / False,
#   "drug_mentions": [{
#       "text": "洛拉替尼",
#       "brand_in_context": "商品名:博瑞纳",
#       "citation": "[guideline:CSCO-2024-NSCLC:§5.5.2]",
#       "verified": True,
#       "missing_in_source": [],
#       "reason": "all keywords matched",
#       "severity": "none",
#   }, ...],
#   "violation_severity": "none" | "warning" | "critical",
# }

工作流

1. _drug_extract.extract_drug_mentions_with_context(text) — 命名学规则抽取所有"疑似药提及"(含括号内的商品名/英文名)
2. parse_citations_in_text(text)(A11)— 找文中所有 citation 锚点
3. _citation_match.find_nearest_citation(mention, citations, text) — 就近匹配:同句最优,同段次之,跨段则视为 missing
4. 对每个 mention:
   • 没找到 citation → critical(无来源)
   • 有 citation → A11.verify_claim_against_source(name+brand, citation, sources_dir)
   • verified=False → critical(出处不支持)
5. 计算 violation_severity:any critical → critical;all verified → none

---

严重级别

Severity	含义	报告生成行为
none	所有药提及都核对通过	通过
warning	有非关键问题(本版暂未启用,预留)	警告
critical	任一药提及无 citation 或源不支持	阻断,LLM 重写

---

设计取舍

为什么不用 LLM 抽取?

• LLM 抽取需要联网 + 推理时间,在审计 hot path 上昂贵
• 命名学规则 100% deterministic,易测试
• 即便有"漏抽"(如未在后缀表中的特殊命名), 下游的 A1 / 内容生成层会再做语义级校验

为什么不允许"已知药 → 商品名"映射?

• 一旦允许,就会演化成全药品库(P0 violation)
• 商品名是国家/年代依赖的(如同药在中美商品名不同)
• 正确做法:商品名应该写在指南/审批文件里,从源里学,不预存

---

依赖

• ✅ A11 citation-anchor-resolver(commit c2c97b3)— 必须先安装
• ❌ 不依赖 nmpa-drug-registry-lookup(违反 P0,作废)

---

故障模式

详见 references/failure-modes.md。

常见 4 种:

1. 报告写药名但无 citation → critical(无来源)
2. citation 解析不到源(锚点格式坏 / 文件丢失) → critical
3. 源里只有通用名没商品名,但报告写了商品名 → critical(missing_in_source)
4. LLM 编造的药名(符合命名学但源里没) → critical

---

相关 Skill

Skill	关系
citation-anchor-resolver (A11)	本 skill 的依赖,提供锚点解析
content-verification-layer (A6')	本 skill 的下游协调层,统管全报告 cross-check
nmpa-drug-registry-lookup	作废(违反 P0,保 git 历史作反例)