clinical-trials-search（临床试验搜索）Skill 是什么？如何下载？

临床试验搜索Skill：一句话自然语言，直查 ClinicalTrials.gov 全量临床试验

零参数解析：不需要拼装复杂的检索条件和字段，直接说人话就能搜到试验。
语义检索：由 Valyu 语义搜索 API 驱动，能理解查询意图，而不只是关键词匹配。
全文级结果：返回试验的阶段、适应症、干预措施、结果等完整信息，并可附带数据可视化图片链接。
轻量依赖：只需 Node.js 18+（使用内置 fetch），零外部依赖，脚本即可调用。
可集成：既能作为 AI 技能直接对话使用，也能通过 Valyu SDK 嵌入 Python / TypeScript 项目。

该技能叫什么？如何下载安装 AI 技能提升开发效率？

这个技能的中文名是临床试验搜索Skill，英文名是 clinical-trials-search，技能 ID 为 11544，采用 MIT 许可证开源。

它要解决的问题很具体：ClinicalTrials.gov 是全球最大的临床研究注册数据库，但官方检索界面需要用户理解条件、干预、招募状态、试验阶段等一堆结构化字段，普通用户和跨领域从业者往往“想问却问不出来”。本技能把这一层复杂度包了起来——你只需要用自然语言描述需求（例如“CAR-T 细胞疗法试验”“阿尔茨海默病的第二阶段试验”），技能就会调用 Valyu 语义搜索 API 检索整个 ClinicalTrials.gov 数据库，并返回结构化的 JSON 结果。

安装前需要准备两样东西：

Node.js 18 或更高版本：技能脚本使用 Node.js 内置的 fetch() 直接发起 API 调用，不依赖任何第三方包。
Valyu API 密钥：前往 https://platform.valyu.ai 注册获取，新用户可获得 10 美元免费积分（具体额度以官方说明为准）。

一键安装与启用步骤：

第一步，在 AI 客户端的技能（插件）市场或技能管理入口中搜索技能名并安装。具体的安装命令、市场入口与目录规则，请以官方说明为准。
第二步，安装完成后定位脚本路径。由于技能文档中的 scripts/search 是相对技能安装目录的路径，建议先执行：
```
CLINICAL_TRIALS_SCRIPT=$(find ~/.claude/plugins/cache -name "search" -path "*/clinical-trials-search/*/scripts/*" -type f 2>/dev/null | head -1)
```
之后所有命令都用 $CLINICAL_TRIALS_SCRIPT 这个完整路径调用，避免“找不到脚本”的问题。
第三步，配置 API 密钥。首次搜索时若返回 "setup_required": true，技能会提示你提供 Valyu API 密钥，拿到密钥后执行：
```
scripts/search setup <api-key>
```
然后重试原来的搜索即可。
第四步，验证是否生效：运行一条最简单的查询，如果返回的 JSON 中 success 为 true、result_count 大于 0，说明安装与鉴权都已成功；若 success 为 false，查看 error 字段定位问题（退出码 1 表示出错，0 表示成功）。

该技能的主要功能和特点

自然语言即查询：无需构造 API 参数，直接传入一句话描述，技能内部完成语义理解与检索。
语义搜索能力：基于 Valyu 语义搜索 API，能够理解“检查点抑制剂联合治疗肺癌”这类含义型表达，而不只是字面关键词匹配。
全文信息返回：每条结果包含试验标题、官方链接、试验详情（阶段、适应症、干预措施、结果等）、来源标记与相关性评分。
图像链接支持：若相关数据可视化存在，会在 images 字段中一并返回。
全库覆盖：访问 ClinicalTrials.gov 的完整临床研究数据，而非抽样或镜像子集。
零外部依赖：scripts/search（Bash 包装器）+ scripts/search.mjs（Node.js CLI）两个文件组成，调用链极短，出错面小。
成本透明：返回结果中含 cost 字段（例如示例中的 0.025），便于评估调用开销。
可编程消费：输出为标准 JSON，可直接配合 jq 提取字段，或交给上层 Agent 做二次分析。

与“手动打开官网逐条筛选”或“让大模型凭记忆回答”相比，它的强项在于：结果来自真实数据库、可溯源到 clinicaltrials.gov 链接、而且查询表达零门槛。

如何使用该技能？

步骤 1：确定脚本路径 按上文 find 命令获取 CLINICAL_TRIALS_SCRIPT 变量，后续命令统一使用完整路径。

步骤 2：发起第一次搜索 命令格式为「脚本路径 + 查询语句 + 返回条数」：

$CLINICAL_TRIALS_SCRIPT "CAR-T细胞疗法试验" 15

步骤 3：完成密钥配置（仅首次） 若返回 setup_required，按提示向用户索取 Valyu API 密钥并执行 setup 子命令，然后重跑步骤 2。

步骤 4：读取并解析结果 返回结构示例如下：

{
  "success": true,
  "type": "clinical_trials_search",
  "query": "CAR-T细胞疗法试验",
  "result_count": 10,
  "results": [
    {
      "title": "试验标题",
      "url": "https://clinicaltrials.gov/...",
      "content": "试验详情、阶段、条件、结果...",
      "source": "clinical-trials",
      "relevance_score": 0.95,
      "images": []
    }
  ],
  "cost": 0.025
}

步骤 5：按需提取字段 配合 jq 做结构化提取，方便写入表格或喂给下一步分析：

# 只要标题清单
scripts/search "查询" 10 | jq -r '.results[].title'

# 只要官方链接
scripts/search "查询" 10 | jq -r '.results[].url'

# 提取完整正文内容
scripts/search "查询" 10 | jq -r '.results[].content'

步骤 6：典型查询示例（可直接改写复用）

使用方向	示例查询	建议条数
药物开发	阿尔茨海默病的第二阶段试验	50
治疗研究	肺癌中的检查点抑制剂组合	20
医疗器械	连续葡萄糖监测设备研究	15
干预分析	肥胖的行为干预	25

步骤 7：集成到自己的项目（可选） 若要在自研 AI 应用中直接调用，可用 Valyu SDK，指定 included_sources=["valyu/valyu-clinical-trials"] 与 max_results。Python 侧使用 client.search(...) 遍历 response["results"] 打印标题、URL 与内容摘要；TypeScript 侧使用 valyu-js 的 client.search({...}) 得到同样结构。完整 SDK 参考见 Valyu 官方文档。

同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势与不足
临床试验搜索Skill（本技能）	面向 AI 的自然语言试验检索技能	语义搜索 ClinicalTrials.gov 全库，返回结构化 JSON（标题/链接/全文/评分/图片）	需 Node.js 18+ 与 Valyu API 密钥，安装后一句话调用	医学写作、药物立项调研、患者招募匹配、竞品试验追踪	优势：零参数、语义理解强、结果可溯源、易集成；不足：依赖第三方搜索 API 与密钥，按量计费
ClinicalTrials.gov 官方站内检索	官方权威数据库门户	条件/干预/阶段/招募状态等字段化筛选	无需安装，浏览器直接访问；但需理解字段含义	精确条件筛查、官方口径核对	优势：权威、免费、字段规范；不足：查询表达门槛高，不支持自然语言，结果需人工逐条阅读
通用搜索引擎	全网信息入口	关键词检索网页	零门槛	快速了解某试验的公开报道	优势：上手最快；不足：无法保证覆盖全库，信息滞后与二手转述多，缺少结构化字段
直接调用 ClinicalTrials.gov API	开发者自建方案	通过官方接口按字段查询	需自行编写请求、分页、字段映射与错误处理	有工程能力的团队做定制化数据管道	优势：可控性强、可深度定制；不足：开发与维护成本高，不具备语义理解能力

选型建议：追求官方字段精确筛选用官方站内检索；追求工程可控与深度定制走官方 API 自建；而需要**“想到什么就能问什么”的快速语义探索**，本技能是三者中体验最轻的路径。

该技能的典型应用场景与实际体验情况

场景一：药企立项与竞争格局调研 医学情报或 BD 人员需要摸清某个靶点上的在研试验分布。过去要在官网反复切换适应症与阶段筛选，一条条抄录；现在一句“某靶点相关第二阶段试验”即可拿到数十条结果与官方链接，再用 jq 导出标题清单做横向对比。实际体验：上手几乎为零成本，语义查询能把口语化描述映射到相关试验；注意返回结果较多时需自行按阶段、招募状态再做一次人工归类。

场景二：患者招募与入组条件初筛 患者组织、临床协调员或患者本人，想了解“有没有正在招募的相关研究”。用自然语言描述疾病与治疗方式即可返回含招募信息的试验条目。实际体验：快速建立候选清单，但资格标准涉及大量医学判断，结果只能作为线索，最终入组须由专业医生与申办方确认。

场景三：医学写作与循证资料准备 医学编辑、医学事务人员撰写综述或材料时，需要可引用的试验来源。技能的 url 字段直接指向 clinicaltrials.gov 原始页面，便于二次核验。实际体验：省去了“搜索—打开—复制链接”的重复劳动，content 字段可先做快速通读；但正式引用前仍建议以官方页面为准。

场景四：AI 应用开发者做医学问答能力增强 技术团队在构建医疗健康类 Agent 时，需要可靠的试验数据源。通过 Valyu SDK 的 included_sources 参数指定临床 trials 数据源，即可把检索能力嵌入产品。实际体验：JSON 结构稳定、字段齐全，接入成本低；需自行处理密钥托管、限流与成本预算。

共性注意事项：一是密钥必须妥善保管，避免硬编码进公开仓库；二是脚本路径务必用 find 解析后再调用，否则容易报“命令不存在”；三是关注 cost 字段，批量高频检索前先估算用量。

该技能能为用户带来的价值

效率层面：把“构思检索条件 → 填写表单 → 逐条筛选 → 复制链接”的多步流程压缩成一条自然语言指令加一次结构化返回。原本需要数十分钟甚至数小时的初筛工作，通常可以缩短到分钟级，且结果自带官网链接，省去重复核对。

门槛层面：ClinicalTrials.gov 的字段体系对非临床背景的用户并不友好。语义搜索让“不懂检索语法的人也能查专业数据库”，把医学信息获取能力从少数专业人员扩展到产品经理、投资人、患者组织与内容创作者。

可量化收益：返回结果中的 relevance_score 与 cost 提供了效果与成本的直接读数，便于团队做投入产出评估；配合 jq 的批量提取，可以把原本手工整理的表格工作完全自动化。

长期价值：标准的 JSON 输出与 SDK 集成能力，使得这个技能不只是一次性查询工具，而是可以沉淀为团队内部“临床情报数据管道”的一个稳定组件——查询语句可复用、结果可归档、能力可复用到更多 AI 工作流中。

常见问题 FAQ

Q1：这个技能怎么安装？需要准备什么？ 在 AI 技能的插件/技能市场中搜索技能名安装（具体入口以官方说明为准），前提是本地有 Node.js 18 及以上版本，并在 https://platform.valyu.ai 申请 Valyu API 密钥。安装后先用 find 命令定位脚本路径，再通过 setup 子命令写入密钥。

Q2：使用它收费吗？ 技能本身以 MIT 许可证开源，不收取技能费用。检索能力由 Valyu API 提供，需要 API 密钥并按调用量计费，新用户可获得一定免费积分（默认说明为 10 美元额度，实际以官方说明为准）。每次搜索的返回 JSON 中含 cost 字段，可据此估算开销。

Q3：它和直接在 ClinicalTrials.gov 官网搜有什么区别？ 官网是权威原始数据源，但需要理解字段并手工筛选；本技能把自然语言转成语义检索，直接返回结构化结果与原文链接。建议把技能用于快速探索与线索发现，关键结论再回官网原文核验，两者互补而非替代。

Q4：搜不到结果或报错怎么办？ 先检查返回 JSON 中的 success 字段：为 false 时查看 error 内容；若提示 setup_required 为 true，说明密钥尚未配置，执行 setup 子命令后重试。另外确认调用时使用了脚本的完整路径，而不是依赖相对路径。

Q5：适合谁用？能集成到我自己的系统里吗？ 适合药企与生物科技公司的研发、医学事务、BD 人员，临床研究相关人员，医学内容创作者，以及做医疗健康类 AI 产品的开发者。集成方面，可直接使用 Valyu SDK 在 Python 或 TypeScript 项目中调用，指定临床 trials 数据源与返回条数即可。