# Introduction（引言）

NCCN（美國國家綜合癌症網路）臨床實踐指引為腫瘤學最廣為使用的決策參考之一，但其 PDF 格式不利於 AI 工具直接消費。當醫師詢問特定臨床決策時，LLM 若只依賴一般訓練資料，可能引用過時版本或產生幻覺。本專案以「元 Skill」（meta-skill）為定位：它的功能不是直接回答臨床問題，而是把任意 NCCN PDF 指引「轉換為可被 Claude 等客戶端載入的 Skill 套件」。

# Methods（方法）

實作以 Python 為主，整體流程：擷取 PDF 為結構化區段（章節、決策樹、藥物表格）；以平行 Haiku 模型完成各區段的細節轉譯；產出符合 Vercel Skills 協定的 Skill 套件，包含 metadata、漸進式揭露的內容檔與抗幻覺機制。引文強制機制要求最終 Skill 在回答時必須引用對應的指引段落原文，避免 LLM 自行延伸。

設計重點為「漸進式揭露」：Skill 不會一次將整份指引塞入 LLM context，而是依使用者問題動態擷取相關段落，平衡資訊密度與 context 長度。平行 Haiku 設計則大幅縮短轉換時間，使一份完整指引可在數十分鐘內被「Skill 化」。

# Results（結果）

研究者或臨床教師可將任意 NCCN 指引透過本元 Skill 轉換為可分享的 Skill 套件，並透過 npx skills add 安裝至 Claude 客戶端。對於組織內部教學，這提供一種「將共享資源轉化為共享工具」的新方式。實證上產出的 Skill 在抗幻覺機制下顯著降低引文錯誤率。

# Discussion（討論）

本專案具體實踐了「指引即 Skill」的觀念：當臨床指引能以結構化方式被 LLM 消費時，便能在不違反著作權的前提下大幅提升 LLM 的臨床可信度。限制方面，PDF 結構複雜時轉換品質仍需人工審核；NCCN 指引更新頻繁，Skill 需有版本管理機制。未來可擴展支援其他指引（ESMO、ASH、ESC），並建立中央 Skill 倉庫供臨床社群協作。

# 連結

• GitHub：htlin222/nccn-skill
• 主要語言：Python
• 最後更新：2026-03-28