healthcare-providers-extract

医疗服务提供者提取

利用 Nimble 的网页数据 API，从医疗机构网站中提取结构化的执业人员信息。

用户请求：$ARGUMENTS

运行任何命令之前，请先阅读 references/nimble-playbook.md，了解 Claude Code 的限制（不保留 Shell 状态、不使用 &/wait、子 Agent 权限、沟通风格）。

---

说明

步骤 0：预检 + WSA 发现

遵循 references/nimble-playbook.md 中的传输方式选择和标准预检流程——在会话开始时选择 CLI 或 MCP，然后并行运行标准预检调用（日期计算、今天、配置文件、记忆索引）。

同时——运行 WSA 发现和设置：

• mkdir -p ~/.nimble/memory/{reports,healthcare-providers-extract/checkpoints}
• ls ~/.nimble/memory/healthcare-providers-extract/checkpoints/ 2>/dev/null
• 按照 references/wsa-reference.md 运行第 1 层（垂直领域）和第 3 层（通用工具）的 WSA 发现。第 2 层（特定会话）在步骤 1 之后、得知用户的专业领域后运行。

将发现的 Agent 按阶段分类，并按照 references/wsa-reference.md 通过 nimble extract:templates get 验证。

根据预检结果：

• CLI 缺失或未设置 API 密钥 -> 参考 references/profile-and-onboarding.md，然后停止
• 为所有 nimble CLI 调用添加标签：nimble --client-source nimble-agent-skills <subcommand>。MCP 请求在传输层进行归因——参见 references/nimble-playbook.md。
• 配置文件存在 -> 记录下来以供参考。根据 references/nimble-playbook.md 中的智能日期窗口判断模式：
  • **完整模式：**首次运行，或上次运行距今已超过 14 天
  • **快速刷新：**上次运行距今不足 14 天（仅重新提取新增或有变更的页面）
  • **当天重复运行：**如果 last_runs.healthcare-providers-extract 的日期是今天，检查 ~/.nimble/memory/reports/healthcare-providers-extract-*[today].md 中是否已有报告。 如果找到，询问：“今天已经运行过。要再次运行以获取最新数据吗？”
• 没有配置文件 -> 没关系。此技能不需要引导设置。继续步骤 1。

步骤 1：解析输入并提出初始问题

按照 references/nimble-playbook.md 中的输入解析模式解析 $ARGUMENTS，并按以下规则路由：

• 检测到 URL -> 继续步骤 3
• 专业领域 + 地点（无 URL）-> 继续步骤 2（机构发现）
• 不明确 -> 提问（计为最多 2 次提问中的 1 次）

如果输入明确，请确认并提出一个用于确定提取范围的问题（纯文本，不使用 AskUserQuestion）：

“正在从 N 个医疗机构网站提取执业人员信息。快速确认：

1. 医疗领域？（眼科、牙科、皮肤科、综合或其他）
2. 快速扫描（仅姓名 + 资质）还是完整提取（全部 5 个字段）？”

如果输入模糊，请使用 AskUserQuestion（计为最多 2 次提问中的 1 次）：

要从哪些医疗机构网站提取执业人员信息？

• 直接粘贴 URL（每行一个）
• 提供 CSV 文件路径或包含医疗机构 URL 的 Google Sheet 链接
• 或描述你的需求（例如“德克萨斯州奥斯汀的眼科医生”），我会先查找医疗机构 并跳过用户在初始消息中已经回答的问题。

步骤 2：诊所发现（可选）

仅当用户提供的是专业领域 + 地点，而不是 URL 时执行。

发现流程的两种输入路径：

路径 A — 全新发现。 用户提供了专业领域 + 地点。运行第 2 层 WSA 发现，为本次会话查找 Agent：

nimble extract:templates list --limit 50  # filter items for "[specialty]"
nimble extract:templates list --limit 50  # filter items for "[directory-user-mentioned]"

完整的发现策略、Agent 评估标准和医疗领域发现优先级，请参阅 references/wsa-reference.md。

同时运行所有发现阶段的 Agent。先使用 nimble extract:templates get 验证参数。

路径 B — 市场查找器移交。 用户先运行了 market-finder，并希望从这些结果中提取服务提供者。读取市场查找器的输出：

cat ~/.nimble/memory/market-finder/{slug}/entities.json 2>/dev/null

提取诊所记录。注意：Google Maps 结果包含 place_url（Maps 链接），但不包含诊所的实际网站 URL。在映射网站前，继续执行步骤 2b 以解析真实的网站 URL。

完成任一路径后： 按域名去重。展示发现的诊所：

"在 [location] 的 [specialty] 领域中，通过 [M] 个数据来源找到了 N 家诊所。 正在从这些网站提取服务提供者……"

回退方案 — 如果没有找到发现用的 WSA，或结果较少（< 3）：

nimble search --query "[specialty] in [location]" --max-results 20 --search-depth lite

步骤 2b：解析诊所网站 URL

发现来源（Google Maps、Yelp、BBB）返回的是列表页面 URL，而不是诊所网站 URL。在映射网站前，先解析每家诊所的实际网站：

1. 先检查结构化数据 — Google Maps 结果通常会在结构化输出中包含 website 字段。如果存在，则使用该字段。
2. 从列表页面提取 — 如果没有 website 字段，则提取 Maps 列表页面以查找诊所网站链接：

   nimble extract --url "[maps-listing-url]" --format markdown
   

3. 搜索回退方案 — 如果提取失败：

   nimble search --query "[practice-name] [city] official website" --max-results 3 --search-depth lite
   

如果无法解析出网站 URL，则跳过该诊所，并在输出的“数据质量摘要”部分注明。

步骤 3：网站映射

针对每个诊所 URL，按照 references/nimble-playbook.md 中的网站映射模式执行。技能专用设置：

• 关键词权重表： references/provider-extraction-patterns.md
• 页面上限： 每个网站 15 个
• 回退查询： site:[domain] doctors OR providers OR team

如果有 6 家或更多诊所，请使用子 Agent（参见下文的“子 Agent 策略”）。

保存检查点：~/.nimble/memory/healthcare-providers-extract/checkpoints/{slug}/mapping.json

步骤 4：页面提取

优先使用 WSA 快捷方式： 如果 WSA 发现了可从医疗目录中提取服务提供者数据的 Agent，则对匹配的诊所使用这些 Agent — 结构化的 WSA 输出质量高于解析后的 Markdown。

对于其他所有诊所，按照 references/nimble-playbook.md 中的“带重试的页面提取”模式执行。使用同一参考文档中的“扩展执行”模式进行扩展。

保存检查点：~/.nimble/memory/healthcare-providers-extract/checkpoints/{slug}/extraction.json

步骤 5：结构化解析

解析提取出的 Markdown，以识别服务提供者及其字段。阅读 references/provider-extraction-patterns.md，了解 5 个核心字段、资质正则表达式模式和专业领域关键词。

对于每个提取的页面：

1. 扫描服务提供者姓名模式（Dr. 前缀、标题模式、资质后缀附近的粗体文本）
2. 使用 references/provider-extraction-patterns.md 中的正则表达式模式匹配资质
3. 使用与检测到的医疗领域相对应的关键词匹配专业领域
4. 提取联系信息（电话正则表达式、预约 URL、电子邮件）
5. 提取教育和培训相关信息

构建结构化记录：

{
  "name": "Dr. Jane Smith",
  "credentials": "MD, FACS",
  "specialty": "Retinal Surgery",
  "contact": {"phone": "(555) 123-4567", "scheduling_url": "..."},
  "education": "Fellowship: Bascom Palmer Eye Institute",
  "source_url": "https://practice.com/our-doctors",
  "practice_name": "Shore Center for Eye Care",
  "practice_url": "https://practice.com",
  "confidence": "High"
}

步骤 6：去重与置信度评分

按照 references/nimble-playbook.md 中的实体去重和实体置信度评分模式执行。技能专用的去重规则和 5 字段置信度标准见 references/provider-extraction-patterns.md。

步骤 7：输出

按诊所分组展示结果，并在每家诊所内按置信度排序。

# Provider Extraction: [N] Providers from [M] Practices
*[Date] | [H] High, [M] Medium, [L] Low confidence*

## TL;DR
Extracted [N] providers from [M] practice websites. [H] with complete profiles,
[L] with partial data. [Key finding: e.g., "12 of 15 providers are board-certified"].

## [Practice Name] ([domain])

| # | Name | Credentials | Specialty | Contact | Education | Confidence |
|---|------|------------|-----------|---------|-----------|------------|
| 1 | Dr. Jane Smith | MD, FACS | Retinal Surgery | (555) 123-4567 | Fellowship: Bascom Palmer | High |
| 2 | Dr. John Doe | OD | General Ophthalmology | [Book](url) | Residency: Wills Eye | Medium |

[Repeat per practice]

## Data Quality Summary
- **Complete profiles (High):** [N] providers
- **Partial profiles (Medium):** [N] providers — missing: [list common gaps]
- **Minimal profiles (Low):** [N] providers — missing: [list common gaps]

## Sources
[Clickable URL for every page extracted, grouped by practice]

必须提供来源链接。 每条服务提供者记录都必须能追溯到来源 URL。

第 8 步：保存到记忆

同时执行所有写入调用：

• 报告 -> ~/.nimble/memory/reports/healthcare-providers-extract-{slug}-{date}.md
• 医疗服务提供者数据 -> ~/.nimble/memory/healthcare-providers-extract/{slug}/providers.json
• 配置文件 -> 更新 ~/.nimble/business-profile.json 中的 last_runs.healthcare-providers-extract（仅当配置文件存在时）
• 按照 references/memory-and-distribution.md 中的维基更新模式：更新所有受影响实体文件在 index.md 中的行，并为本次运行在 log.md 中追加一条记录。
• 清理检查点（运行已完成）或保留检查点（运行未完成）

第 9 步：分享与分发

始终提供分发选项——不可跳过。 按照 references/memory-and-distribution.md 检测连接器并执行分享流程。

Notion：创建包含完整服务提供者表格的带日期子页面。 Slack：仅发送包含服务提供者数量和置信度细分的 TL;DR。

第 10 步：后续操作

• “详细介绍一下 Dr. X” -> 显示完整提取的个人资料
• “导出为 CSV” -> 根据 providers.json 生成 CSV
• “在更多网站上运行” -> 追加新的诊所 URL，提取并合并
• “缺少什么？” -> 详细说明每位服务提供者的数据缺漏

利用发现的 WSA 进行补充： 如果第 0 步发现了补充阶段的 Agent （评价、监管、诊所详情），请提供这些选项作为即时后续操作：

“我还发现了 [N] 个可以补充这些数据的 WSA：[简要列表]。要我对这些服务提供者／诊所进行声誉检查或监管信息查询吗？”

有关补充阶段映射和回退链，请参阅 references/wsa-reference.md。

同类技能建议：

后续步骤：

• 运行 healthcare-providers-enrich 以补充缺失数据（NPI 查询、委员会认证核验、其他联系信息）
• 运行 healthcare-providers-verify 以验证资质和执照状态
• 运行 market-finder 以发现此区域内更多诊所 URL

---

子 Agent 策略

对于批量提取（6 家以上诊所），使用 nimble-researcher Agent （agents/nimble-researcher.md）并行处理网站映射和信息提取。

遵循 references/nimble-playbook.md 中的子 Agent 启动规则 （bypassPermissions、批次最多 4 项、明确的 Bash 指令、失败时回退）。

启动模式： 每家诊所启动一个 Agent（大型任务则每批 3 家诊所启动一个 Agent）。每个 Agent 为分配给它的诊所执行第 3 至第 5 步，并返回结构化的服务提供者记录。

单家诊所优化： 如果只有 1 至 2 家诊所，则直接在主上下文中运行，而不是启动 Agent。

回退： 如果任何 Agent 失败，则在主上下文中直接执行这些信息提取任务。切勿让输出留下缺漏。

---

错误处理

标准错误表（缺少 API 密钥、429、401、结果为空、提取内容无效）请参阅 references/nimble-playbook.md。此技能特有的错误：

• 未找到服务提供者页面： “在 [domain] 上找不到服务提供者／团队页面。该网站可能以其他方式列出员工。要我尝试从主页提取信息，或在医疗目录中搜索这家诊所吗？”
• 所有提取结果均无效： “这些诊所网站似乎大量使用 JavaScript 渲染。正在使用浏览器渲染重试……”（按照通用模式自动使用 --render 重试）
• 诊所名称不明确： 如果 URL 无效且用户提供的是名称，则搜索这家诊所：nimble search --query "[practice name] [location] doctors" --max-results 5 --search-depth lite
• CSV／Sheet 解析错误： “无法解析输入文件。需要包含诊所 URL 的列。可以直接粘贴 URL 吗？”