MCP HubMCP Hub
스킬 목록으로 돌아가기

perform-csv-assessment

pjt222
업데이트됨 2 days ago
9 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 GAMP 5 방법론에 따라 컴퓨터 시스템 밸리데이션(CSV) 평가를 수행합니다. 사용자 요구사항, 위험 평가, IQ/OQ/PQ 계획 수립, 추적성 매트릭스 작성, 밸리데이션 요약 보고서 작성을 다룹니다. GxP 환경에서 신규 시스템 도입, 기존 시스템의 주요 변경 관리, 주기적 재검증, 규제 점검을 위한 차이 분석에 활용할 수 있습니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/perform-csv-assessment

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서


name: perform-csv-assessment description: > 按照 GAMP 5 方法执行计算机系统验证(CSV)评估。涵盖用户需求、 风险评估、IQ/OQ/PQ 规划、追溯矩阵创建和验证摘要报告。适用于 GxP 环境中引入新计算机化系统、现有已验证系统发生重大变更、 需要定期重新验证,或法规检查要求验证差距分析时使用。 locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: compliance complexity: advanced language: multi tags: csv, gamp-5, validation, risk-assessment, iq-oq-pq, traceability

执行 CSV 评估

使用 GAMP 5 基于风险的方法,对受监管环境进行计算机系统验证评估。

适用场景

  • GxP 环境中引入新计算机化系统
  • 现有已验证系统发生重大变更
  • 需要定期重新验证
  • 法规检查准备需要验证差距分析

输入

  • 必填:系统描述(名称、用途、供应商、版本)
  • 必填:预期用途说明及法规背景(GxP 范围)
  • 必填:GAMP 5 软件类别(1–5)
  • 可选:现有用户需求规范(URS)
  • 可选:供应商文档(设计规范、发布说明、SOP)
  • 可选:以往验证文档

步骤

第 1 步:确定 GAMP 5 软件类别

对系统进行分类:

类别类型示例验证工作量
1基础软件操作系统、固件低——验证安装
3非配置产品原版 COTS低至中——验证功能
4已配置产品带配置的 LIMS中至高——验证配置
5自定义应用定制 R/Shiny 应用高——全生命周期验证

预期结果: 已明确分配类别并记录依据。 失败处理: 若类别不明确,默认选择更高类别并记录依据。

第 2 步:编写用户需求规范(URS)

创建含编号需求的 URS 文档:

# 用户需求规范
## 系统:[系统名称] v[版本]
## 文档 ID:URS-[SYS]-[NNN]

### 1. 目的
[预期用途说明]

### 2. 功能需求
| ID | 需求 | 优先级 | 来源 |
|----|------|--------|------|
| URS-001 | 系统应根据身高和体重输入计算 BMI | 必须 | 法规 SOP-xxx |
| URS-002 | 系统应为所有数据更改生成审计追踪条目 | 必须 | 21 CFR 11.10(e) |
| URS-003 | 系统应以 PDF 格式导出结果 | 应该 | 用户请求 |

### 3. 非功能需求
| ID | 需求 | 优先级 | 来源 |
|----|------|--------|------|
| URS-010 | 标准查询的系统响应时间应在 3 秒以内 | 应该 | 可用性 |
| URS-011 | 系统应通过基于角色的身份验证限制访问 | 必须 | 21 CFR 11.10(d) |

### 4. 数据完整性需求
[ALCOA+ 需求:可归因、清晰、及时、原始、准确]

### 5. 法规需求
[具体适用的 21 CFR Part 11、EU Annex 11 或其他要求]

预期结果: 所有需求均有唯一 ID、优先级及对来源的追溯。 失败处理: 将来源或优先级不明确的需求标记以供利益相关方审核。

第 3 步:执行风险评估

使用故障模式及影响分析(FMEA)应用 GAMP 5 基于风险的方法:

# 风险评估
## 文档 ID:RA-[SYS]-[NNN]

| 需求 ID | 故障模式 | 严重性 (1-5) | 概率 (1-5) | 可检测性 (1-5) | RPN | 风险等级 | 缓解措施 |
|--------|---------|------------|----------|--------------|-----|---------|---------|
| URS-001 | BMI 计算错误 | 4 | 2 | 1 | 8 | 低 | OQ 测试用例 |
| URS-002 | 审计追踪条目缺失 | 5 | 3 | 3 | 45 | 高 | IQ + OQ + 监控 |
| URS-011 | 未经授权访问 | 5 | 2 | 2 | 20 | 中 | OQ 测试 + 定期审核 |

风险优先数(RPN)= 严重性 × 概率 × 可检测性。

RPN 范围风险等级测试要求
1–12基本验证
13–36有记录的测试用例
37+完整 IQ/OQ/PQ 并重新测试

预期结果: 每个 URS 需求均有对应的风险评估行。 失败处理: 在继续前将未评估的需求升级至验证负责人。

第 4 步:定义验证策略(验证计划)

# 验证计划
## 文档 ID:VP-[SYS]-[NNN]

### 范围
- 系统:[名称] v[版本]
- GAMP 类别:[N]
- 验证方法:[前瞻性 / 回顾性 / 并发性]

### 确认阶段
| 阶段 | 范围 | 适用? | 依据 |
|------|------|--------|------|
| IQ | 安装正确性 | 是 | 验证安装、依赖项、配置 |
| OQ | 操作需求 | 是 | 验证 URS 中的功能需求 |
| PQ | 真实条件下的性能 | [是/否] | [依据] |

### 角色与职责
| 角色 | 姓名 | 职责 |
|------|------|------|
| 验证负责人 | [姓名] | 计划、协调、批准 |
| 测试人员 | [姓名] | 执行测试脚本 |
| 系统负责人 | [姓名] | 批准用于生产 |
| QA | [姓名] | 审核和签字 |

### 验收标准
- 所有关键测试用例通过
- 无未解决的关键或重大偏差
- 追溯矩阵完整

预期结果: 验证计划在测试执行前获得所有利益相关方批准。 失败处理: 未获批准的验证计划不得进行测试执行。

第 5 步:创建测试协议(IQ/OQ/PQ)

为每个确认阶段编写测试脚本:

# 操作确认协议
## 测试用例:TC-OQ-001
## 追溯至:URS-001

**目标:** 验证 BMI 计算准确性

**前提条件:**
- 系统已按 IQ 协议安装
- 测试数据集已准备好

**测试步骤:**
| 步骤 | 操作 | 预期结果 | 实际结果 | 通过/失败 |
|------|------|---------|---------|---------|
| 1 | 输入身高=180cm,体重=75kg | BMI 显示为 23.15 | | |
| 2 | 输入身高=160cm,体重=90kg | BMI 显示为 35.16 | | |
| 3 | 输入身高=0,体重=75kg | 显示错误消息 | | |

**测试人员:** _________ 日期:_________
**审核人员:** _________ 日期:_________

预期结果: 每个中等和高风险需求至少有一个测试用例。 失败处理: 在执行开始前补充缺失的测试用例。

第 6 步:构建追溯矩阵

创建需求追溯矩阵(RTM),将每个需求通过风险评估链接到测试用例:

# 追溯矩阵
## 文档 ID:TM-[SYS]-[NNN]

| URS ID | 需求 | 风险等级 | 测试用例 | 测试结果 | 状态 |
|--------|------|---------|---------|---------|------|
| URS-001 | BMI 计算 | 低 | TC-OQ-001 | 通过 | 已验证 |
| URS-002 | 审计追踪 | 高 | TC-IQ-003, TC-OQ-005 | 通过 | 已验证 |
| URS-003 | PDF 导出 | 低 | TC-OQ-008 | 通过 | 已验证 |
| URS-011 | 基于角色的访问 | 中 | TC-OQ-010, TC-OQ-011 | 通过 | 已验证 |

预期结果: 100% 的 URS 需求出现在追溯矩阵中并链接了测试结果。 失败处理: 没有链接测试结果的任何需求均被标记为验证差距。

第 7 步:编写验证摘要报告

# 验证摘要报告
## 文档 ID:VSR-[SYS]-[NNN]

### 1. 执行摘要
[系统名称] v[版本] 已根据 [VP 文档 ID] 完成验证。

### 2. 已执行的验证活动
| 活动 | 文档 ID | 状态 |
|------|--------|------|
| 用户需求 | URS-SYS-001 | 已批准 |
| 风险评估 | RA-SYS-001 | 已批准 |
| 验证计划 | VP-SYS-001 | 已批准 |
| IQ 协议/报告 | IQ-SYS-001 | 已执行——通过 |
| OQ 协议/报告 | OQ-SYS-001 | 已执行——通过 |
| 追溯矩阵 | TM-SYS-001 | 完整 |

### 3. 偏差
| 偏差 ID | 描述 | 影响 | 解决方案 |
|--------|------|------|---------|
| DEV-001 | [描述] | [影响评估] | [解决方案和依据] |

### 4. 结论
该系统满足 [URS ID] 中记录的所有用户需求,验证被认为[成功/有条件成功]。

### 5. 批准
| 角色 | 姓名 | 签名 | 日期 |
|------|------|------|------|
| 验证负责人 | | | |
| 系统负责人 | | | |
| 质量保证 | | | |

预期结果: 报告引用了所有验证交付物,并有明确的通过/失败结论。 失败处理: 若偏差未解决,报告必须说明"有条件"状态并引用 CAPA。

验证清单

  • GAMP 5 类别已分配并记录了依据
  • URS 有带优先级和来源追溯的编号需求
  • 风险评估涵盖每个 URS 需求
  • 验证计划在测试执行前获得批准
  • 测试协议具有前提条件、步骤、预期结果和签名字段
  • 追溯矩阵将每个需求链接到风险和测试结果
  • 验证摘要报告记录了所有活动、偏差和结论
  • 所有文档均有唯一文档 ID 和版本控制

常见问题

  • 过度验证:对 Category 3 软件应用 Category 5 的工作量浪费资源,应根据风险匹配工作量
  • 缺少追溯性:不追溯到测试用例的需求是看不见的差距
  • 无计划执行测试:在验证计划批准前执行测试会使结果无效
  • 忽视非功能需求:安全、性能和数据完整性需求经常被遗漏
  • 静态验证:将验证视为一次性事件,变更需要重新评估

相关技能

  • setup-gxp-r-project — 已验证 R 环境的项目结构
  • write-validation-documentation — IQ/OQ/PQ 协议和报告编写
  • implement-audit-trail — 电子记录的审计追踪实施
  • validate-statistical-output — 统计输出验证方法
  • conduct-gxp-audit — 审计已验证系统

GitHub 저장소

pjt222/agent-almanac
경로: i18n/zh-CN/skills/perform-csv-assessment
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기