生物医学产品策略草案

文档目的

这份文档用于明确 LitSource 下一阶段的产品方向：

• 不再追求全学科泛化
• 以生物医学为唯一核心学科
• 围绕“反查文献 + 核验文献真假 + 控制引用风险”做深做透
• 建立与全学科研究工具不同的产品壁垒

本文不是市场宣传稿，而是内部策略草案，重点是产品边界、能力优先级和建议改动点。

当前判断

LitSource 现在已经具备两条有价值的核心链路：

1. Claim / 观点 -> 反查相关证据
2. Reference / 参考文献 -> 检测真假、匹配元数据、给出纠正建议

这两条链路方向是对的，但当前产品仍然更接近“工具集合”，还没有完全成为“生物医学证据决策工具”。

目前最明显的问题不是功能没有，而是产品重心还不够锋利：

• 检索能力还偏“泛搜索”
• 核验能力还偏“真假与纠正”
• 生物医学场景下最值钱的“证据等级、适用性、投稿前风险”还不够完整

核心决策

LitSource 应明确定位为：

面向生物医学研究的文献反查与证据核验平台。

英文可以定义为：

A biomedical evidence verification and literature decision tool.

这个定位意味着：

• 我们不是通用学术搜索产品
• 我们不是泛学科 citation helper
• 我们也不应该以“覆盖所有学科”为主要卖点

我们真正要卖的是：

• 生物医学证据可信度
• 生物医学引用安全性
• 投稿、综述、标书、AI 辅助写作前的风险控制

为什么必须聚焦生物医学

生物医学和其他学科的差异不是小差异，而是足以决定产品形态的结构性差异。

例如：

• 生物医学高度依赖 PubMed、trial、guideline、systematic review、meta-analysis
• 生物医学对 evidence level 非常敏感
• 生物医学场景里“错误引用”的代价高于很多学科
• 生物医学场景下，review、animal study、in vitro、conference abstract、preprint 之间不能混用
• 生物医学用户对“这篇文献能否支撑这个 claim”极其敏感

全学科产品很难把这些规则做深，因为一旦做深，就会与其他学科的工作方式冲突。

因此，LitSource 的机会不是“比别人覆盖更广”，而是：

比别人更懂生物医学证据如何被检索、如何被验证、如何被安全使用。

与全学科产品的差异化

全学科工具通常在卖什么

• 更快搜到相关论文
• 更快做综述式浏览
• 更快用 AI 理解论文内容
• 更通用的研究辅助

LitSource 应该卖什么

• 更快找到可以支撑某个生物医学 claim 的证据
• 更快判断一条生物医学引用是否真实、是否准确、是否安全
• 更快识别哪些文献虽然“真实存在”，但不适合直接使用
• 更快在投稿前、修稿前、写综述前降低引用风险

一句话区分

• 全学科工具：帮助用户探索
• LitSource：帮助用户在信任和引用之前完成核验

更适合 LitSource 的一句话表达：

Find biomedical evidence. Verify every reference. Reduce citation risk before submission.

我们要做的 5 个核心能力模块

1. 生物医学证据反查

目标不是做泛搜索，而是让用户输入一个 claim、问题或段落后，尽快找到可以用来支撑、反驳或限定该观点的生物医学证据。

这一模块应该重点做：

• 生物医学 query rewrite
• PICO 或 claim 结构拆解
• population / intervention / outcome 抽取
• 支持 / 反对 / 部分支持 区分
• 研究对象与结局的匹配检查
• 按生物医学证据强度排序

这会是最重要的流量入口。

2. 文献真假检测与引用纠正

这是当前已经具备雏形的模块，也是用户最容易立即感知价值的能力。

这一模块负责：

• 检测引用是否真实存在
• 核对 DOI、标题、年份、作者、期刊是否匹配
• 识别错误引用、残缺引用、错配引用
• 给出标准化后的纠正结果

这部分仍然要继续保留，并保持简洁高效，因为它是用户进入产品后最快产生“信任感”的功能。

3. 引用风险雷达

这是下一阶段最关键的付费能力。

真假检测解决的是：

• 这篇文献是不是真的
• 这条引用是不是写对了

风险雷达要解决的是：

• 这篇文献即使是真的，是否适合拿来用
• 拿来写论文、标书、综述、答辩会不会出问题

这一模块应该逐步覆盖：

• 撤稿
• 勘误 / correction / erratum
• expression of concern
• preprint 与正式发表区分
• conference abstract、thesis、book、review、editorial 类型识别
• review 与 original study 区分
• animal study / in vitro / human study 区分
• evidence level 判断
• 不适合作为核心证据的提示

这是 LitSource 从“真假工具”升级为“生物医学引用风控工具”的关键。

4. 证据等级与使用建议

用户最终不是为了知道“这篇 paper 在不在”，而是为了知道“这篇能不能支撑我现在的话”。

因此，系统应该逐步增加：

• 文献类型判断
• 证据等级提示
• 是否适合支持临床结论
• 是否只能支持背景陈述
• 是否更适合作为机制补充
• 是否建议替换为更高等级证据

这部分会显著提升用户对结果的信任，也会提高产品溢价能力。

5. 生物医学专用工作流

不要只提供功能点，还要围绕真实工作场景组织工作流。

优先工作流建议：

• 投稿前 reference QA
• AI 生成参考文献后的人工复核
• systematic review 初筛
• grant / proposal 写作中的证据确认
• 修稿回复时的证据补充

一旦工作流成型，产品就不再只是若干按钮，而是进入用户的日常研究流程。

最重要的改动点

下面是建议优先推进的改动点，按重要程度排序。

P0：把“真假核验”升级成“风险核验”

这是最关键的改动。

建议新增的结果层包括：

• riskLevel
• riskFlags
• recommendedUse
• riskEvidence
• replaceSuggestion

第一版优先支持的风险标签：

• retracted
• corrected
• expression_of_concern
• preprint_only
• review_not_primary
• conference_only
• thesis_only
• animal_or_in_vitro_only

原因：

• 这些标签非常符合生物医学场景
• 风险含义明确
• 用户感知价值强
• 很适合转化成付费点

P0：反查结果加入证据等级排序

当前反查结果不能只按相关性返回。

建议增加排序信号：

• study design
• human > animal > in vitro
• meta-analysis / systematic review / guideline 优先
• RCT 优先于低等级观察性证据
• publication recency
• journal signal
• citation signal
• 与当前 claim 的 population / outcome 匹配度

目标是让用户看到的不是“最像”的文献，而是“最能用”的文献。

P1：强化生物医学 claim 解析

当前输入处理应该继续从“语义重写”升级到“claim understanding”。

建议逐步增加：

• disease / biomarker / intervention / endpoint 抽取
• 因果与相关性区分
• 治疗、机制、风险因素、诊断四类 claim 分流
• 多句输入的主次 claim 拆解

这一步会显著提升反查结果质量。

P1：建立生物医学知识库与风险缓存

长期壁垒不在界面，而在数据积累。

建议逐步沉淀：

• 高频错误引用库
• 高频真实引用库
• 生物医学 study type 分类结果
• 风险标记缓存
• 常见 journal / publication type 规则

这样结果会越来越快、越来越稳、越来越便宜。

P1：围绕投稿和综述组织结果页

结果页不要只展示“判断结果”，还应展示“下一步怎么处理”。

建议增加：

• 可直接引用
• 建议降级使用
• 仅作背景材料
• 建议替换
• 必须人工复核

这会让系统更像决策工具，而不是检查器。

当前不建议优先做的事

以下事项不建议现在优先推进：

• 扩展到更多非生物医学学科
• 为了看起来“功能多”而加入泛学科标签
• 先做很复杂的社区协作功能
• 在没有风险层之前过度优化视觉层
• 把产品宣传成通用 academic search

原因很简单：这些会削弱产品重心。

产品边界

LitSource 应明确坚持以下边界：

• 核心学科：生物医学
• 核心任务：反查证据、核验引用、控制风险
• 核心用户：研究者、医学生、PI、systematic review 用户、写作者、修稿用户
• 核心价值：降低错误引用与错误证据使用带来的风险

其他学科可以兼容，但不应成为产品主承诺。

推荐的对外表述

以下几句可以作为未来官网或介绍材料的方向：

• 面向生物医学研究的文献反查与引用核验平台
• 帮你找到能用的证据，而不是只找到相关论文
• 在信任和引用之前，先完成核验
• 为投稿、综述、标书和 AI 辅助写作提供最后一道证据质控

英文方向：

• Biomedical-first evidence search and citation verification
• Submission-grade verification for biomedical references
• Verify biomedical evidence before you trust or cite it

建议的阶段性路线

第 1 阶段

• 保持当前真假检测能力
• 加入第一版风险雷达
• 统一前端文案，强调生物医学定位

第 2 阶段

• 增加 evidence level 与 usage recommendation
• 加强反查结果中的 study design 排序
• 开始沉淀风险缓存和分类结果

第 3 阶段

• 面向投稿、综述、修稿构建专用工作流
• 形成真正的生物医学证据决策平台

最终结论

LitSource 不应继续朝“全学科研究工具”发展。

最正确的方向是：

把生物医学做深，把证据核验做透，把引用风险做成壁垒。

如果以后要扩展其他学科，也应建立在“通用核验底座 + 生物医学深度能力已经站稳”的前提之上，而不是现在就分散资源。

具体改动点与交互设计

下面补充一版更具体的功能改动点与页面交互，重点覆盖：

• 反查文献页
• 引用核验页
• 结果页
• 批量处理与工作流

一、反查文献功能具体改动点

目标：

• 不是只返回“相关文献”
• 而是返回“可用于当前生物医学 claim 的证据”

1. 输入阶段改动

当前输入框建议增加以下能力：

• 自动识别输入类型
  • claim
  • research question
  • abstract / paragraph
  • reviewer comment
• 自动识别研究意图
  • 治疗
  • 风险因素
  • 机制
  • 诊断
  • 预后
• 自动抽取关键信息
  • population
  • intervention / exposure
  • comparator
  • outcome
  • disease
  • biomarker

2. 输入区交互建议

在搜索前先做一个轻量解析卡片。

用户输入后，搜索框下方即时出现：

• 识别到的疾病
• 识别到的干预/暴露
• 识别到的结局
• 当前任务类型
• 建议检索重点

示例交互：

• 用户输入一句 claim
• 系统在用户点击搜索前显示：
  • 疾病：T2DM
  • 干预：metformin
  • 结局：cardiovascular mortality
  • 类型：治疗效果判断
  • 检索重点：优先 RCT / meta-analysis / cohort

这样用户会立刻感受到系统“懂生物医学问题”，不是普通搜索框。

3. 搜索结果排序改动

建议把结果排序从“相关性优先”升级为“可用性优先”。

新增排序因子：

• study design
• human / animal / in vitro
• 与 claim 的 PICO 匹配度
• 支持 / 反对 / 部分支持
• publication recency
• citation count
• journal signal
• guideline / systematic review / meta-analysis 权重

4. 结果卡片新增字段

每张 paper card 建议新增：

• 证据类型
  • guideline
  • meta-analysis
  • systematic review
  • RCT
  • cohort
  • case-control
  • review
  • animal
  • in vitro
• 适用性标签
  • 可直接支撑
  • 部分支撑
  • 仅机制支持
  • 仅背景支持
  • 不建议用于该 claim
• 风险提示
  • preprint
  • low evidence
  • model-only inference

5. 结果卡片交互建议

建议增加几个高频操作按钮：

• 为什么推荐这篇
• 为什么不完全匹配
• 查看证据等级
• 查看与 claim 的匹配点
• 加入证据清单
• 替代更高等级证据

点开后展开一个 explanation panel，内容包括：

• 这篇文献支持的是哪个结论
• 支持证据来自哪一段
• 人群是否一致
• 结局是否一致
• 是否只是部分支持
• 是否有更高等级替代证据

二、引用核验功能具体改动点

目标：

• 从“真假与纠正”
• 升级成“真假 + 风险 + 使用建议”

1. 输入阶段改动

Verify 页建议支持 3 种输入模式：

1. 粘贴 reference list
2. 上传 manuscript references section
3. 上传 AI 生成的参考文献列表

未来可以增加：

4. 粘贴正文中的 in-text citation + references 一起分析

2. 输入区交互建议

在用户点击 Run 之前，先做一轮预解析预览。

输入区下方显示：

• 检测到多少条引用
• 每条的 citation type
• DOI 缺失数量
• 可疑格式数量
• 可能重复引用数量

并给出一个 preflight summary：

• 发现 18 条引用
• 其中 6 条缺 DOI
• 2 条疑似重复
• 3 条格式明显不完整

这样用户在付费前就知道系统不是“黑箱跑一下”。

3. 核验结果新增维度

当前结果已有真假、reason、match、suggested citation。

建议新增：

• 文献状态
  • 正常
  • 已撤稿
  • 有勘误
  • expression of concern
  • preprint only
• 文献类型
  • journal article
  • review
  • meta-analysis
  • conference abstract
  • dissertation
  • book chapter
• 证据等级
  • high
  • medium
  • low
  • not primary evidence
• 使用建议
  • 可直接引用
  • 建议仅作背景
  • 建议替换
  • 必须人工复核

4. 结果表格交互建议

建议在现有表格基础上增加几列或折叠卡片：

• Status
• Risk
• Evidence Type
• Recommended Use

推荐交互：

• 默认表格只显示最重要标签
• 点击某条记录展开详情

展开详情后显示：

• 核验结论
• 风险标签
• 风险依据来源链接
• 正确引用格式
• 替换建议
• 推荐下一步动作

5. 单条引用详情页建议

建议让每条引用可进入详情抽屉或详情卡。

详情内展示：

• 原始引用
• 标准化引用
• DOI / PMID / source URL
• 文献类型判断
• 风险判断
• 风险证据链接
• 是否适合作为核心证据
• 如果不适合，原因是什么

特别建议增加一个模块：

Why this is risky

用一句到三句话解释：

• 这篇虽然真实存在，但它是 review，不是 original study
• 这篇虽然真实，但当前版本带有 correction
• 这篇只在动物模型中成立，不建议直接支撑临床结论

三、风险雷达具体改动点

这是最值得单独做成一个产品心智的部分。

第一版建议支持的风险标签

文献状态风险

• retracted
• corrected
• erratum
• expression_of_concern
• duplicate_publication
• preprint_only

来源类型风险

• review_not_primary
• conference_only
• thesis_only
• editorial_or_commentary

生物医学适用性风险

• animal_only
• in_vitro_only
• low_evidence_for_clinical_claim
• population_mismatch
• outcome_mismatch
• intervention_mismatch

风险等级建议

建议统一成 5 档：

• critical
• high
• medium
• low
• info

其中：

• retracted 直接 critical
• expression_of_concern 直接 high
• preprint_only 一般 high 或 medium
• review_not_primary 一般 medium
• animal_only 对临床 claim 场景一般 high

风险交互建议

每条引用旁边显示风险 badge。

点击 badge 后弹出风险说明面板，包含：

• 风险名称
• 风险等级
• 风险依据
• 来源链接
• 对应建议

示例：

• 风险：Preprint only
• 等级：High
• 依据：仅发现预印本记录，未发现正式期刊发表版本
• 建议：可作线索参考，不建议作为核心结论依据

四、结果页整体交互改动建议

1. 增加 Summary Dashboard

无论是 Search 还是 Verify，结果页顶部都应该有一个强概览。

对于 Verify：

• 总引用数
• 已核验
• 可疑
• 高风险
• 建议替换
• 撤稿数量

对于 Search：

• 总命中文献数
• 可直接支撑数量
• 高等级证据数量
• 反对证据数量
• 部分支持数量

2. 增加可执行筛选

Verify 结果页建议支持按以下筛选：

• 只看高风险
• 只看可替换
• 只看 DOI 缺失
• 只看 review / non-primary
• 只看已核验但不建议直接使用

Search 结果页建议支持按以下筛选：

• 只看 high evidence
• 只看 human study
• 只看 RCT / meta-analysis
• 只看 support
• 只看 against
• 只看近期文献

3. 增加批量操作

Verify 批量操作建议：

• 批量标记为“需人工复核”
• 批量导出高风险文献
• 批量导出纠正后的引用
• 批量生成替换清单

Search 批量操作建议：

• 批量加入证据清单
• 批量导出 citations
• 批量生成 supporting set / opposing set

五、面向真实场景的专用交互

不要只做“单次工具调用”，而要让用户进入工作流。

1. 投稿前检查模式

入口文案：

• Pre-submission Reference Check

交互建议：

• 用户上传 references section
• 系统返回：
  • 真假
  • 风险
  • 替换建议
  • 投稿前优先处理项

结果页顶部给一个明确 summary：

• 3 references need urgent review before submission

2. AI 引用质检模式

入口文案：

• AI-generated References QA

交互建议：

• 用户粘贴 AI 生成的 reference list
• 系统重点突出：
  • fake citation
  • metadata mismatch
  • hallucinated journal / year / DOI
  • suspicious but real

这是很强的付费场景。

3. Systematic Review 初筛模式

入口文案：

• Evidence Screening for Review Workflows

交互建议：

• 支持按 study design、human/animal、publication type、risk flags 快速筛
• 支持把“背景材料”和“核心证据”分开

六、建议新增的关键文案与按钮

为了让产品更像“生物医学证据工作台”，建议增加一些更专业、更明确的按钮和标签。

建议按钮：

• Explain Match
• Risk Details
• Can I Cite This?
• Find Better Evidence
• Mark for Manual Review
• Export Corrected References
• Open Source Record

建议标签：

• Primary Evidence
• Not Primary Evidence
• Clinical Use Risk
• Mechanistic Only
• Background Only
• Submission Risk
• Preprint
• Retracted

七、建议新增的数据结构

为了支持上面的交互，后端建议逐步增加这些字段：

• riskLevel
• riskFlags
• riskEvidence
• recommendedUse
• evidenceType
• studyDesign
• subjectLevel
  • human
  • animal
  • in_vitro
• claimFit
• replacementPriority
• manualReviewRequired

这些字段不一定第一期都要落库，但建议先按统一 schema 设计。

八、建议优先落地的交互顺序

如果按版本优先级排，建议是：

第一批

• Verify 结果页增加 Risk 列
• 每条引用支持风险详情展开
• 顶部 summary 增加高风险数量
• 输入前增加预解析摘要

第二批

• Search 结果页增加 evidence type 和 recommended use
• 支持按 human / animal / review / RCT 筛选
• 支持 explanation panel

第三批

• 投稿前检查模式
• AI 引用质检模式
• 批量替换建议与导出

九、最需要避免的交互问题

在设计这些改动时，需要避免以下问题：

• 标签很多，但没有行动建议
• 给出风险，但没有依据链接
• 给出“可疑”，但用户不知道为什么
• 给出“verified”，却没有说明是否适合当前场景
• 前端出现看起来很高级但实际不生效的筛选

生物医学用户对“看起来懂”和“真的能用”非常敏感，后者必须优先。