倪海厦中医课程 Agent Skill
把倪海厦中医课程蒸馏成可检索、可溯源、有安全边界的 Agent Skill，支持方证穴位辨析与板书截图证据索引。
SKILL.md 明确只读仓库内 references/scripts/assets，默认轻量模式、无网络下载、无外部副作用；对医疗内容设置多层安全边界（不做诊断处方、剧毒药/急症强制转诊、针灸深度单独外源标注且不合并归属）。扣分：License 元数据未知（仅版权声明），发布者未经验证，脚本静态未见完整权限说明。
工作流自洽，检索脚本调用方式、参数（--primary-only/--show-full-page 等）与引用格式（pdf-evidence:<doc_id>#p<page>）在文中一致；RAG 模式下架指令明确、无矛盾。扣分：静态审查未执行脚本，脚本与证据文件本身不在本次证据范围内，异常输入的失败反馈质量无法确认。
适用场景、白话入口、中英双语策略、不适合范围（真实病情用药决策）和触发描述均明确；资料本地化于仓库，无海外服务依赖，适合中国大陆网络环境。扣分：边界题通过率仅 8.3%（历史自评），触发精度缺独立证据。
文档分层清晰（渐进式披露、索引、证据卡）、有更新记录与维护声明、命名稳定（稳定 doc_id 而非本机路径）。扣分：无正式 LICENSE 文件元数据、无版本号/语义化版本与 changelog 规范，pyproject 版本 0.1.0 与 RAG 原型混杂可能造成困惑。
声明能力丰富（2986 条截图索引、PDF 页级溯源、240 题评测 91.4%），输出格式与引用规范明确。扣分：静态审查无法复现关键路径；评测为作者自评，能力边界通过率与一致性指标偏低，直接可用性缺独立验证。
README 附评测集、评分规则、裁判结果等可审计文件链接，引用格式可溯源，事实与课程观点分层明确。扣分：评测为自报、无第三方独立执行证据，静态审查未验证评测文件内容。
- 本评估为静态源码审查，未执行任何脚本或评测；各得分为低置信度判断。
- License 元数据未知，仅有版权与用途声明；商用与再分发前请自行确认授权边界。
- 课程内容为学习用途，Skill 自身已声明不用于诊断、处方或自我用药；使用时应保持此边界。
- 能力边界通过率（8.3%）与同类问题一致率（62.5%）为作者自报的弱项指标，实际使用可能触发不准或回答不一致。
- RAG 模式已下架，安装脚本明确排除 data/ 等资产；如需完整功能需等待重新上架。
这个 Skill 能做什么，适合哪些场景？
nihaisha 是一个面向 Claude Code / Codex 等 Agent 的开源 Skill，把倪海厦的伤寒论、金匮要略、针灸、神农本草、黄帝内经、天纪等十多门课程整理成轻量 Markdown 模块。它支持按症状、方剂、穴位、课次或板书截图检索课程资料，可输出方证对比、六经辨析、逐课复习计划，并能返回 2986 条截图证据索引和 PDF 页级溯源引用。Skill 明确声明仅用于课程学习与理论整理，拒绝个人诊断、处方、剂量或自我针灸指导。作者因父亲学习倪师课程而发起此项目，并附有 240 题评测数据支撑。
读取仓库内 references/ 下的课程蒸馏模块（含学习入口、症状索引、方证、六经、各课程专章）；通过 scripts/search_screenshots.py 检索截图证据、scripts/search_pdf_evidence.py 做 PDF/文本页级溯源，引用格式为 pdf-evidence:<doc_id>#p<page> 与 text-evidence:<doc_id>#s<section>；按任务类型输出辨证梳理、方剂对比、复习大纲或可追加回 references 的 Markdown 笔记；命中课程主资料后自动对“倪师推荐补充资料”做二次检索并分层展示；对剧毒药、急症、危险进针深度等场景强制附加就医警告。
- 中医学习者想对比桂枝汤与麻黄汤的方证分水岭，需要课程依据而非泛泽数据
- 初学者用“感冒怕冷”“拉肚子”等白话提问，希望先转成辨证分水岭再进入六经/方证术语
- 复习某门课程时，想按课次整理主题地图、关键概念、复习题和板书截图关键词
- 核对某句话出自哪一课、哪一页，或查找小柴胡汤相关板书、针灸实操截图证据
- 整理针灸经络穴位、危险进针深度安全参考或神农本草药性配伍的学习笔记
- 技术型家属或自学者想把高密度课程视频资料蒸馏成可持续检索、可勘误的知识库
这个 Skill 有哪些优点和局限？
- 课程覆盖面广：13 个课程模块文本化，2986 条截图证据、PDF 页级证据和非 PDF 文本证据三层可溯源
- 安全边界写得极其细致：明确拒绝处方/剂量/自我针灸，对剧毒药、急症、孕产、儿童、危险进针深度均有强制警告和分层引用规则
- 有 240 题多维评测数据（总体回答得分 91.4%，临床安全 98.5%），评测集与裁判结果公开可查
- 轻量模式零依赖安装，术语经专业校对并有系统勘误记录
- 许可证标注为 unknown，商用边界只能参考作者的非商业用途声明
- RAG + 知识图谱模式已下架，跨语料语义检索暂不可用
- 专项评测中能力边界通过率仅 8.3%（5/60），同类问题回答一致率 62.5%，存在 7 次来源误归属
- 梁冬对话和斯坦福演讲为纯文本模块，无截图证据；平台适配以 Claude Code/Codex 为主，其他 Agent 平台需自行验证
如何安装这个 Skill？
默认轻量模式无额外依赖，只读取仓库内 references/、assets/ 与搜索脚本。安装方式：把 prompt“帮我安装 nihaisha skill：https://github.com/JuneYaooo/nihaisha-nishi-tcm”发给你的 AI 助手，由其 clone 仓库并放入对应 skills 目录，重启 agent 使元数据重新加载。需要 Python 环境来运行截图/PDF 证据检索脚本（仓库未写明具体版本要求）。RAG + 知识图谱模式（原约 3.68 GB）已暂时下架，不提供数据包下载。
如何使用这个 Skill？
装好后用自然语言触发，例如：“用 nihaisha 帮我整理太阳中风和太阳伤寒的区别”“用 nihaisha 找小柴胡汤相关的板书截图证据”“用 nihaisha 查金匮里胸痹、水气、痰饮相关课程脉络”。Skill 会自动识别入口（症状/方剂/课次/证据）并按对应模块回答；中文提问用中文回答，并保留原文术语。
这个 Skill 与同类方案有什么区别？
作者在同领域给出了替代路线：倪师大弟子李宗恩医师推荐的 Google NotebookLM 方案（用户自行上传课程 PDF 直接问答，门槛更低但不可溯源、不可共享）。README 另提到作者的课程蒸馏方法来自其维护的 lineage-skill 项目。