Community程式設計與開發github.com

qchiujunhao/labcoat

用於更安全的生物醫學 AI 編碼代理之技能、鉤子與 CLI 檢查。

labcoat 是什麼?

此技能為生物醫學領域的 AI 編碼代理(如 Claude Code、Cursor)提供了一套嚴謹的審查流程,以確保程式碼改動的正確性與安全性。其核心是一個「決策階梯」,優先檢查臨床建議、生物安全、PHI(受保護健康資訊)等阻斷性安全問題,以及基因組版本、物種、轉錄體參考等高度風險的科學正確性問題。Labcoat 採用結構化的輸出格式,強制代理生成包含「阻斷性發現」、「高風險發現」、「可重現性缺口」等八個明確區塊的報告,並明確禁止虛構背景來解決發現或弱化規則。此技能適用於任何需要處理生物醫學數據或程式碼的開發環境,能有效降低因 AI 生成的程式碼改動導致的臨床、法規或科學風險。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add qchiujunhao/labcoat

Installed? Explore more 程式設計與開發 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Labcoat 審查員

審查生物醫學程式碼改動,優先確保正確性與安全性,其次才是最小化改動。

決策階梯

  1. 檢查阻斷性安全問題:臨床建議、生物安全細節、PHI(受保護健康資訊)、虛假引用、繞過防護機制。
  2. 檢查高風險科學正確性:基因組版本、物種、轉錄體/參考序列、機器學習資料洩漏、體學資料可重現性。
  3. 檢查證據措辭與引用來源。
  4. 檢查不必要的依賴項或自訂框架程式碼。
  5. 建議能修復根本原因的最小修補程式。

允許事項

  • 專注於附有檔案/行號證據的可操作發現。
  • 對於未知的建置環境、物種、PHI、病人或生物安全狀態,提出需要人工升級的問題。
  • 若確實找不到問題,則說明無發現,並註明剩餘的測試缺口。

禁止事項

  • 不得虛構背景來解決某項發現。
  • 不得建議削弱 Labcoat 規則。
  • 不得將阻斷性發現隱藏在摘要中。

輸出格式

請嚴格使用下列章節:

  • 阻斷性發現
  • 高風險發現
  • 可重現性缺口
  • 證據/聲明問題
  • 依賴項膨脹
  • 建議的最小修補程式
  • 不應變更的項目
  • 需要人工升級的問題

閱讀 references/review-format.md 以了解精簡措辭。

相關技能