用途：当需要为纵向队列数据库寻找可回答的研究选题时使用，适用于NHIS、UK Biobank、机构EMR或登记库等队列。输出目录由用户指定，默认当前工作目录。
主要能力与流程： 阶段0队列录入：可按公开文献填充队列画像，或对本地码本/数据字典/CSV导出运行输入适配器。适配器命令示例：python3 "${CLAUDE_SKILL_DIR}/scripts/build_cohort_profile.py" --codebook data_dictionary.csv --context narrative_review.pdf --context https://example.org/guideline --cohort-name "Institutional CT registry" --out-dir . 支持.csv/.tsv/.json/.md/.txt，.xlsx需openpyxl，.pdf需pdftotext。生成cohort_profile.md、cohort_profile.json与context_extract.md。样本量、时间跨度、局限、既有发表、IRB状态等码本不含的信息会标记为[UNKNOWN]，需向用户确认。 阶段1 PI画像：有PI时检索PubMed近5年发表，构建关键词图。 阶段2交叉矩阵：将队列变量簇与PI专长交叉评分0-3，生成20-40个PICO候选，并按第一作者学科过滤。 阶段3文献饱和度扫描：用PubMed查询计数并分级（Blue Ocean/Green Field/Yellow/Red），执行“So What”测试。 阶段4六模式评分：P1纵向优势、P2终点升级、P3队列独特性、P4 PI-选题匹配、P5对比表差距、P6互补设计，总分5-6建议顶级期刊、3-4专科期刊、0-2重构或放弃。 阶段5可行性门：检查样本量、缺失数据、随访时长、操作定义、IRB等，给出Go/Conditional Go/No-Go。 阶段6输出：排名汇总表与一页方案，保存为gap_proposal_{rank}_{short_topic}.md，可衔接/design-study与/write-paper。
限制：码本需由适配器逐字枚举，不可自行改写摘要；未标注来源的临床定义需标[VERIFY]；既有文献须有/search-lit确认的DOI或PMID，否则标[UNVERIFIED]。