Xpersona
agentCLAWHUBUnverified

Meta Analysis / 医学Meta分析

Comprehensive R-based meta-analysis skill covering RevMan + Stata equivalents + esc + RVE + Bayesian NMA + survival meta + TSA + single-group meta + diagnostic meta + systematic review workflow; produces forest plots, funnel plots, heterogeneity (I²), publication bias, subgroup analysis, meta-regression, network meta, for a total of 23 analysis figures. All analyses ship reproducible R code. Can also provide meta topic-direction judgment + literature retrieval and organization + screening + data-extraction functionality. / 基于 R 的全方位 Meta 分析技能，覆盖 RevMan + Stata 等价 + esc + RVE + 贝叶斯 NMA + 生存 Meta + TSA + 单组率 Meta + 诊断 Meta + 系统评价流程；输出森林图、漏斗图、异质性(I²)、发表偏倚、亚组分析、元回归、网络 Meta等共 23 种分析图形。所有分析提供可复现 R 代码。还可提供Meta选题方向判断 + 文献检索整理 + 筛选 + 数据提取功能。 Skill: Meta Analysis / 医学Meta分析 Owner: medstatstar Summary: Comprehensive R-based meta-analysis skill covering RevMan + Stata equivalents + esc + RVE + Bayesian NMA + survival meta + TSA + single-group meta + diagnostic meta + systematic review workflow; produces forest plots, funnel plots, heterogeneity (I²), publication bias, subgroup analysis, meta-regression, network meta, for a total of 23 analysis figures. All

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

2.0k

Updated

Oct 9, 2026

Version

2.20.1

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2K downloads reported by the source. Last updated 10/9/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 9, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 9, 2026
Adoption signal
2K downloadsadoption · observed Oct 9, 2026
Latest release
2.20.1release · observed Oct 9, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s176fv8983h1rte6dmxwp9wt4n89j8p5:meta-analysis
  1. Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-medstatstar-meta-analysis/snapshot"

Documentation

CLAWHUB

160,000 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: meta-analysis
cn_name: 医学Meta分析
slug: meta-analysis
displayName: Meta Analysis / 医学Meta分析
version: 2.20.1
license: MIT
summary: 基于 R 的全方位 Meta 分析技能，覆盖 RevMan + Stata 等价 + esc + RVE + 贝叶斯 NMA + 生存 Meta + TSA + 单组率 Meta + 诊断 Meta + 系统评价流程；输出森林图、漏斗图、异质性(I²)、发表偏倚、亚组分析、元回归、网络 Meta等共 23 种分析图形。所有分析提供可复现 R 代码。还可提供Meta选题方向判断 + 文献检索整理 + 筛选 + 数据提取功能。
description: "Comprehensive R-based meta-analysis skill covering RevMan + Stata equivalents + esc + RVE + Bayesian NMA + survival meta + TSA + single-group meta + diagnostic meta + systematic review workflow; produces forest plots, funnel plots, heterogeneity (I²), publication bias, subgroup analysis, meta-regression, network meta, for a total of 23 analysis figures. All analyses ship reproducible R code. Can also provide meta topic-direction judgment + literature retrieval and organization + screening + data-extraction functionality. / 基于 R 的全方位 Meta 分析技能，覆盖 RevMan + Stata 等价 + esc + RVE + 贝叶斯 NMA + 生存 Meta + TSA + 单组率 Meta + 诊断 Meta + 系统评价流程；输出森林图、漏斗图、异质性(I²)、发表偏倚、亚组分析、元回归、网络 Meta等共 23 种分析图形。所有分析提供可复现 R 代码。还可提供Meta选题方向判断 + 文献检索整理 + 筛选 + 数据提取功能。"

required_commands: [python]
invocable: true

triggers:
  - "meta分析"
  - "meta-analysis"
  - "系统评价"
  - "森林图"
  - "漏斗图"
  - "异质性"
  - "发表偏倚"
  - "元回归"
  - "network meta"
  - "贝叶斯meta"
  - "效应量转换"
  - "TSA"
  - "诊断meta"
  - "full meta pipeline"
  - "上下文菜单"
  - "对话菜单"
  - "全流程菜单"
  - "flow menu"
  - "论文撰写"
  - "写稿"
  - "初稿"
  - "投稿建议"
  - "发表建议"
  - "writing advisor"
  - "manuscript"
permissions:
  scope: "user-space-only"
  network: required
  network_note: "All numerical computation runs on the coze cloud R engine; analysis params/summary stats are POSTed to coze. No local-R fallback (paid-only feature); IPD only if the user explicitly opts in."
  filesystem: "writes only to the current working directory (meta_analysis/ and output/ report artifacts: generated .R scripts, .svg/.png figures, .csv tables); otherwise read-only"
metadata:
  {
    "openclaw": { "emoji": "📊", "icon": "assets/icon.svg" },
    "authors": ["medstatstar", "phoe-zip"],
    "homepage": "https://github.com/medstatstar/meta-analysis",
    "workbench_url": "https://meta.app.workbuddy.host/",
    "workbench_url_alias": "https://meta.app.workbuddy.link/",
    "workbench_domain_prefix": "meta",
    "workbench_domain_note": "Registered exception to the ct-base iron rule (2026-09-16): simplified prefix 'meta' instead of the skill name. Whitelisted, do not extend.",
    "workbench_app_id": "wbapp_hNZl928SI6wByvJt2COtcC",
    "workbench_owner_workspace": "2026-09-17-09-54-01",
    "workbench_sandbox": "a3c70e48be8f45019845b76383334bfc",
    "tags": ["meta-analysis", "systematic-review", "clinical-trials", "R", "biostatistics", "evidence-based-medicine", "forest-plot", "network-meta-analysis", "bayesian", "metafor", "meta", "netmeta", "gemtc", "revman", "robumeta", "clubSandwich", "esc", "dosresmeta", "mada", "metagear", "forestploter"],
  }
---

# Meta-Analysis

> R-based comprehensive meta-analy

adapters/README.md

# adapters/ — 计算出口层（ct-base §16.9 架构预留）

> 本目录是 **meta-analysis 技能** 的分析计算出口层。**发布形态为 coze-only**（2026-08-19 决策）：
> 所有数值计算经 coze 元分析工作流，本地 LLM 仅做需求标准化/数据整理/结果呈现，**最终用户无需安装 R**。
> 回退逻辑已于 2026-08-26 取消：coze 不可达 / 未授权时直接返回结构化错误，**不再兜底本地引擎**。

## 路由策略（coze 唯一路径，无回退）

```
                 ┌─────────────────────────────────────────────┐
   分析请求 ──────▶│ adapters/run_analysis.py  (统一入口)         │
 (task/data/…)    │   唯一对外路径 = coze                         │
                 └───────────────┬─────────────────────────────┘
                                 │
                   coze_client.run_meta ── 成功 ──▶ _source="coze"
                                 │ 失败（网络/HTTP/空响应/未授权）
                                 ▼
                          返回结构化错误（不再回退本地）
```

- **发布形态**：唯一路径 = `coze`。coze 失败时直接返回 `{status:"error", ...}`，由上层决定如何提示用户。
- **`_source` 字段**：仅 `"coze"`（成功）或缺失（结构化错误，不标 local_fallback）。
- **开发者/复现**：本地无独立计算引擎。所有数值计算由 coze 端 R 引擎完成；`_dev/` 仅作开发调试占位（历史本地 R 引擎 `local_engine.py` 已于 2026-09-01 按架构终态原则删除）。

## 文件

```
adapters/
├── run_analysis.py        # 统一前端：唯一对外路径 = coze
├── literature_probe.py    # ★ 选题去重自包含探针：Europe PMC REST（Cochrane+PubMed 层真实 hit_count），零依赖、不依赖其他技能
├── coze_client.py         # Coze /run 客户端（唯一路径）：信封打包 / 响应解析
├── coze_cases/            # 3 个冒烟案例（快速自测）
├── coze/          # ★ coze 项目本地镜像（与 coze 远端双向同步的唯一源，2026-08-19 统一放置）
│   ├── coze_contract.md   #   接口契约（§16.7 红线：不随技能发布，已 ignore）
│   ├── src/r_engine/*.R   #   R 引擎（run_task.R 等，coze 端运行本体）
│   ├── scripts/           #   部署脚本（http_run.sh / setup.sh 等）
│   └── docker/ assets/    #   镜像/依赖清单
├── _dev/                  # ★ 开发调试用，已 ignore（不随发布包分发）；历史本地 R 引擎已删除
└── README.md              # 本文件
```

## coze 项目镜像：双向同步约定（2026-08-19 统一）

> **`adapters/coze/` 是 coze 远端代码在本地唯一的同步源。** 所有 coze 端代码变更都从这里进出：
> 本地改代码 → 打包部署 coze；coze 平台导出 → 覆盖回此目录。**不再使用工作区 `coze_meta_project/` 作为主镜像**（保留为历史快照）。

- **本地 → coze**：改 `adapters/coze/` 内文件 → `tar -czf coze_final_YYYYMMDD.tar.gz .`（在镜像目录内）→ 上传 coze 平台 → vefaas 重部署 → 线上 96 例复测。
- **coze → 本地**：coze 平台导出 project → 解包覆盖 `adapters/coze/` → `diff -r` 与镜像内 `src/r_engine/` 比对确认。
- **发布排除**：`adapters/coze/` 已加入 `.gitignore` / `.clawhubignore`，**不随技能发布**（coze_contract.md 属 §16.7 红线）。
- **一致性基准**：`adapters/coze/src/r_engine/` 为唯一本地引擎（技能根 `r_engine/` 已删），与 coze 远端同步。

## 配置（环境变量）

| 变量 | 说明 | 默认 |
|------|------|------|
| `COZE_META_ENDPOINT` | coze 工作流 `/run` 地址（2026-08-26 改造，主工作流回切 ct-meta） | `https://ct-meta.coze.site/run` |
| `COZE_META_TOKEN` | 可选 Bearer 鉴权令牌 | 空（不带 Authorization） |
| `COZE_META_TIMEOUT` | 请求超时（秒） | `600` |

## 用法

```python
import sys; sys.path.insert(0, "adapters")
from run_analysis import run_analysis

# 唯一路径：coze 云端 R 计算
out = run_analysis(
    task="pairwise_meta",
    data={"rows": [{"study": "A", "event_exp": 12, "n_exp": 100,
                    "event_ctrl": 20, "n_ctrl": 100}]},
    params={"sm": "OR", "model": "REML"},
    figure={"plots": ["forest"]},
)
# 成功：out["_source"] == "coze"
# 失败：out["status"] == "error"（coze 不可达/未授权），无 _sou

cases/README.md

# meta-analysis 案例库总览

> 由 `cases/case_catalog.py` 生成。案例库 = 技能最便宜的回归基准：每次改 block_a/b/c、pdf_extractor、run_stage 都跑一遍全套案例比对信封/数值是否漂移。
>
> 📋 离线验证结果见 **[VERIFICATION_REPORT.md](./VERIFICATION_REPORT.md)**（14 案例全链路 A4 抽取 + 11 模板 1:1 映射 + 本地可算/需 coze 状态）。

## 案例清单（14 个）

| 案例 | 标题 | 类别 | 设计 | 效应量 | 模板 |
|---|---|---|---|---|---|
| C01 | SGLT2 抑制剂 vs 安慰剂对 T2DM 患者 MACE 的影响（二分类 OR） | 数值指标 | 干预性 RCT，二分类结局，pairwise | OR | TPL-01 |
| C02 | 卡介苗（BCG）疫苗对结核病发病的保护效力（二分类 RR） | 数值指标 | 干预性 RCT，二分类结局，pairwise（RR） | RR | TPL-01 |
| C03 | 某干预对术后 30 天死亡率的影响（二分类 RD） | 数值指标 | 干预性 RCT，二分类结局，pairwise（RD） | RD | TPL-01 |
| C04 | 降压药对收缩压（SBP）降低的均数差（连续型 MD） | 数值指标 | 干预性 RCT，连续型结局，pairwise（MD） | MD | TPL-02 |
| C05 | 心理干预对抑郁量表评分的影响（连续型 SMD） | 数值指标 | 干预性 RCT，连续型结局异量纲，pairwise（SMD） | SMD | TPL-02 |
| C06 | 肿瘤免疫治疗对总生存期（OS）的 HR 合并（已有效应量 logHR） | 数值指标 | 干预性 RCT，时间-事件结局，已有效应量 pairwise（logHR） | logHR | TPL-03 |
| C07 | 中心静脉导管相关血流感染（CLABSI）率比（IRR，人时数据） | 数值指标 | 前后对照/队列，率比，pairwise（IRR） | IRR | TPL-04 |
| C08 | 教育年限与健康评分的相关性合并（ZCOR） | 数值指标 | 观察性，相关系数，pairwise（ZCOR） | ZCOR | TPL-05 |
| C09 | 不同地区成人吸烟率合并（单组率 PLOGIT） | 数值指标 | 流行病学调查，单组率，pairwise（PLOGIT） | PLOGIT | TPL-06 |
| C10 | 慢性疼痛患者基线疼痛评分合并（单组均值 MN） | 数值指标 | 观察性/基线，单组均值，pairwise（MN） | MN | TPL-07 |
| C11 | 心衰治疗对心血管死亡风险的 HR（生存分析，O-E/V 法） | 数值指标 | 干预性 RCT，时间-事件结局，pairwise（logHR via O-E/V） | logHR | TPL-08 |
| C12 | 三类降压药对 SBP 降低的网状 Meta（NMA，≥3 干预） | 复杂设计 | 干预性 RCT，多臂，网状 Meta（直接+间接比较） | OR | TPL-09 |
| C13 | 新冠抗原检测准确性的诊断 Meta（DTA，TP/FP/TN/FN） | 复杂设计 | 诊断准确性研究，2×2 四格表，pairwise（DOR/Sens/Spec） | DOR | TPL-10 |
| C14 | 三臂肿瘤 RCT（2 活性药 + 安慰剂）独立对比 Meta（多臂拆分） | 复杂设计 | 干预性多臂 RCT，按对比拆分，pairwise（OR） | OR | TPL-11 |

## 模板清单（11 个）↔ 对应案例

| 模板 | 情境 | 效应量 | PDF表型 | 自动识别 | 演示案例 |
|---|---|---|---|---|---|
| TPL-01 | 二分类 2×2 四格表 | OR/RR/RD | T_DICHOT | ✅ 已自动识别 | C01, C02, C03 |
| TPL-02 | 连续型两臂（均值±SD） | MD/SMD | T_CONTINUOUS / T_CONT_TWOARM | ⚠️ 部分自动 | C04, C05 |
| TPL-03 | 已有效应量（对数尺度） | lnOR/SMD/logHR/ROM/ZCOR | T_EFFECT_TABLE / T_MD_CI | ⚠️ 部分自动 | C06 |
| TPL-04 | 率比（人时数据 IRR） | IRR | （暂无自动，需人工映射） | ✋ 需人工映射 | C07 |
| TPL-05 | 相关系数 | ZCOR | （暂无自动，需人工映射） | ✋ 需人工映射 | C08 |
| TPL-06 | 单组率 | PLOGIT/PRAW | （暂无自动，需人工映射） | ✋ 需人工映射 | C09 |
| TPL-07 | 单组均值 | MN | （暂无自动，需人工映射） | ✋ 需人工映射 | C10 |
| TPL-08 | 生存分析 HR | logHR | （暂无自动，需人工映射） | ✋ 需人工映射 | C11 |
| TPL-09 | 网状 Meta（多臂） | OR/RR/MD | （暂无自动，需人工映射） | ✋ 需人工映射 | C12 |
| TPL-10 | 诊断试验准确性（DTA） | DOR/Sens/Spec | （暂无自动，需人工映射） | ✋ 需人工映射 | C13 |
| TPL-11 | 多臂 RCT（独立对比） | OR/RR/RD/MD | （暂无自动，需人工映射） | ✋ 需人工映射 | C14 |

## 1:1 对应关系说明

- 每个**数据形状/研究情境**有且仅有一个 Excel 提取模板（`TPL-xx`）。
- 每个模板的「数据录入」sheet 列定义与 `references/data_templates.md` 完全一致，并追加 `PDF来源(页/表)` 与 `备注` 两列用于溯源。
- `pdf_extractor` 当前 P1 仅自动识别 T_DICHOT / T_CONTINUOUS 系列；其余形状标注「需人工映射」，模板即人工映射的落地载体。
- 运行：`python adapters/run_case_human.py --case <案例ID>`（默认 C01）。

README.md

# meta-analysis

- **English guide** → [README.md](https://github.com/medstatstar/meta-analysis/blob/main/README.md) · **中文指南** → [README_zh-CN.md](https://github.com/medstatstar/meta-analysis/blob/main/README_zh-CN.md)

<div align="center">
  <img src="assets/icon.svg" width="240" height="240" alt="meta-analysis logo"/>
</div>

> **Works without installation:** If you'd rather not install and just want to quickly use this skill's basic features, you can also visit the ct-series unified web portal **https://ct.medstatstar.com** directly.

> **Easy-to-use R-based Meta-Analysis for Clinical Researchers**
>
> You don't need to code or memorize commands — just describe your meta-analysis needs in **plain language inside a chat**, and the skill **automatically runs** the full analysis (pooling, figures, report) for you. Powered by R and 14 core + 2 optional professional R packages (metafor, meta, netmeta, bayesmeta, dosresmeta, mada, etc.), it returns results in Chinese or English depending on your OS language setting (you can force-switch via a prompt at any time). Once you describe a request, the skill **auto-executes** and returns results + figures; ask for the full reproducible R code at any time.

---

## Who This Is For

meta-analysis is part of the CT-series skill family, built for three groups:

- **Clinical-trial practitioners at pharmaceutical companies** — sponsors, CROs, and medical / statistical / regulatory roles who need to pool and compare study evidence;
- **Clinicians and nurses who design, conduct, or participate in clinical research** and need meta-analysis / systematic-review support;
- **Medical students who want to learn evidence-based medicine and meta-analysis methodology in a structured way**.

---

## 1. How to Use It in a Chat (the Core)

meta-analysis is a **conversational skill**: you simply tell the assistant what you want in natural language — no commands, no parameter names to remember. As a WorkBuddy skill it **auto-loads with no extra installation**.

Below are 7 real conversational examples — **one per category** in the Scenario Index (§2): ① systematic-review workflow, ② pairwise meta, ③ heterogeneity & bias, ④ advanced models, ⑤ effect-size conversion, ⑥ visualization, ⑦ study quality. Each shows **"You say"** and a sketch of **"The assistant replies"**, plus how to get the actual number.

### Example 1 · ① Systematic review workflow: topic selection
**You say:**
> I'm interested in SGLT2 inhibitors for renoprotection and cardiovascular benefit in chronic kidney disease (CKD), but I haven't decided which specific meta-analysis direction to pursue. Can you help me shortlist candidate directions?

**Assistant replies (sketch):**
> Sure — I'll use a **topic-selection approach** to lock down the direction. First I run the **in-skill dedup probe (Cochrane + PubMed real hit counts)**, then shortlist — otherwise a saturated direction can be wrongly pushed as top pick.
>
> **First, rule out the saturated directions**: the

references/design/ccm/README.md

# CCM — Conversation Context Menu / 对话上下文菜单（设计归档）

> **状态：设计完成 · 已实现（2026-09-10）。** 本目录只放设计文档；
> **可运行代码在 `scripts/flow_menu.py`，规范版在 `references/conversation_flow_menu.md`，
> 回归在 `tests/test_flow_menu.py`（153 PASS / 0 FAIL）。** 以规范版为准，本目录仅存设计过程。
> **背景：** 工作台（`adapters/workbench/`）已有完整的 12 节点渲染契约（`form_schema.py`）与 HITL 状态机（`adapters/fullflow.py`），但**对话侧没有菜单**——每轮展示什么、闸位有哪些选项，全靠 LLM 即兴，同一节点两次渲染可能不一致。
> CCM 的目标是给同一套 schema 加一层「对话投影」，**不新建第二套流程定义**。

---

## 归档清单

| 文件 | 状态 | 内容 |
|---|---|---|
| **`10_A_stage_menu_spec_v1.0.md`** | 🗄 已被收编 | A 阶段四节点菜单规格 —— **内容已收编进规范版 `references/conversation_flow_menu.md`，以那份为准**；此处仅存设计过程 |
| `03_v0.4_A2fix_A3_contract.md` | ✅ 已实施 | A2 解释器路径修复记录（含端到端回归证据）+ A3 纯文件交接契约 + A4 按清单直下 |
| `02_v0.3_A2A3_handoff.md` | ✅ 已实施 | A2/A3 向 ct-literature 移交的可行性评估、简化后菜单、风险 |
| `01_framework_v0.2_draft.md` | 📐 框架草案 | 三层菜单（L0 导航条 / L1 节点菜单 / L2 字段菜单）+ **操作四策略分流**（原生迁移 · 降级简化 · 文件交接 · **跳过转出**）+ 四问判定 + `defer` 语义 |
| `00_framework_v0.1_superseded.md` | 🗄 存档 | 最初框架，已被 v0.2 取代（保留备查） |

> ⚠️ 阅读顺序：先 `01`（拿框架与分流规则），再 **`references/conversation_flow_menu.md`**（拿现行规范与落地细节）。`02`/`03` 是已实施的改动记录，`00`/`10` 可跳过。
>
> **实测遗留（2026-09-10）**：规范版 **§7.1 会话版本漂移** + **§8 的 D18 / D19**
> （A4 下载配额与菜单未暴露 `fetch_log`）来自真实会话验收，**尚未修复**，交接前先读那两节。

---

## 框架要点（来自 `01`，尚未实现）

**三层菜单**
- **L0 上下文导航条** —— 12 节点压一行，每轮必贴（解决「每轮无位置感」）
- **L1 节点菜单** —— 节点头 + 数据摘要 + 该节点专属选项
- **L2 字段菜单** —— 只列该节点 `EDITABLE_KEYS`；全局指令 `/flow` `/node` `/rewind` `/explain` `/raw` `/workbench` `/export`

**操作四策略**（对话侧不是工作台的能力等价物）

| 策略 | 判据 | 例 |
|---|---|---|
| 原生迁移 | 读 + 单决策 | 9 个节点的主体面板 |
| 降级简化 | 可自动化掉人工步骤 | 上传按 DOI/标题自动匹配，只问未匹配项 |
| 文件交接 | >10 条逐条编辑，表格更合适 | A3 裁决表（⬇ 导出 / ⬆ 传回） |
| **跳过转出** | 需视觉/空间信息、多选拖拽指派 | PDF 页码预览、文件↔条目映射 |

**四问判定**（命中任一即转出，不进对话）
1. 需要视觉/空间信息（PDF 页面、图片、并排）？
2. 涉及 >10 条记录逐条编辑？
3. 需要多选/拖拽/指派（文件↔条目映射）？
4. 只是读 + 单决策？→ 优先进

**`defer` ≠ `skip`（关键概念）**

| | `skip` | `defer` |
|---|---|---|
| 含义 | 本会话不再停靠该节点，按默认值放行 | 人工动作**未完成**，流程**不得前进** |
| 适用 | 仅软停 | 任意节点，尤其 🔴 |
| 审计 | 写 `human_decisions` | **不写**，改写 `pending_actions`（双端共享待办） |
| 效果 | 下游继续跑 | 闸位保持，`approve` 被拒 |

> **混淆这两者 = 让红线的人工核验被静默绕过。** 因此 `pending_actions` 非空时须在**脚本层**直接拒绝放行，不靠提示词约束。

**选项穷举原则** —— GUI 的选项是「可见的」，对话里用户不知道有哪些选项，所以**选项必须由我方穷举编号**（禁止「你要继续吗？」这类开放式问法）；≤3 个用卡片，≥4 用编号文本菜单；🔴 节点选项集中**禁止出现「跳过」**（由 `_REDLINE_GATES` 派生过滤）。

---

## 实现时的硬约束

1. **状态真源只有一个**：复用工作台 `fullflow_session_ff-*.json`，CCM 不另起一套。收益是**对话 ↔ 工作台可中途无缝互切**。
2. **菜单由代码产出、LLM 只转述** —— 避免同节点两次渲染不一致。
3. **`/rewind` 候选集须服务端派生** —— `workbench.html:737` 的候选枚举是纯 JS（块序 + 块内次序 + `curIdx=-1`），对话侧**不可重写这套逻辑**（第二份真源必然漂移），应从 `/api/session` 的 `progress`/`next_human_action` 派生。
4. **🔴 选项由 `cc._REDLINE_GATES` 派生** —— 不硬编码第二份清单。
5. **不干扰纯算数请求** —— 「合并这 5 项 OR」/ NMA / 敏感性分析等**完全不出现 CCM**，保住「描述即执行」卖点。
6. **回显块前缀分离** —— CCM 用 `## 当前流程设定 / Current pipeline settings:`，与计算轨道的 `## 当前分析设定:` 互不覆盖。

---

## 待落地清单

> ⚠️ **以下清单已于 2026-09-10 落地**（`scripts/flow_menu.py` + `tests/test_flow_

Related agents

Same protocol, similar job.

Github ReposUpdated 10h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/medstatstar/skills/meta-analysis",
      "sourceUrl": "https://clawhub.ai/medstatstar/skills/meta-analysis",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-09T20:31:28.629Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-medstatstar-meta-analysis/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-medstatstar-meta-analysis/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-09T20:31:28.629Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "2K downloads",
      "href": "https://clawhub.ai/medstatstar/meta-analysis",
      "sourceUrl": "https://clawhub.ai/medstatstar/meta-analysis",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-09T20:31:28.629Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "2.20.1",
      "href": "https://clawhub.ai/medstatstar/meta-analysis",
      "sourceUrl": "https://clawhub.ai/medstatstar/meta-analysis",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-10-09T12:22:07.882Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-medstatstar-meta-analysis/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-medstatstar-meta-analysis/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 2.20.1",
      "description": "v2.20.1: fix workbench quick-channel 504; unify skillname persistence; enhance i18n dictionary and localization; sync bilingual READMEs.",
      "href": "https://clawhub.ai/medstatstar/meta-analysis",
      "sourceUrl": "https://clawhub.ai/medstatstar/meta-analysis",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-10-09T12:22:07.882Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 10, 2026.

Sponsored

Ads related to Meta Analysis / 医学Meta分析 and adjacent AI workflows.