但“补一点领域知识”其实是一句很危险的话。
知道 RNA-seq 是什么，和能判断一份 RNA-seq 数据哪里可能有 bias，不是一回事；会跑一个 bioinformatics pipeline，也不等于知道这个结果到底值不值得相信。
ISCB 的 bioinformatics competency framework 就不只写“知识”。它还要求理解数据生成技术的 limitation、sources of error，能根据实验材料和研究目标选择方法，并知道什么时候该去问真正的专家。
Medicine 更明显。FDA 现在评估 AI 用于 drug development，一个关键概念就是 context of use：同一个模型拿来做 exploratory research，和拿来支持 safety / effectiveness 决策，要求的可信度根本不是一回事。
Mathematics 又是另一套逻辑。那里最终要面对 proof、formal verification，以及“为什么成立”；Biology 可能依赖 experiment，Medicine 最后可能要看 clinical endpoint。
所以 domain expertise 不只是知道这个领域已经知道什么，还包括知道这个领域拿什么当证据、什么结果值得相信、什么问题值得继续追。
我现在会把它粗略拆成 literacy、working competence、scientific judgment、research authority。不同 role 需要的深度本来就不同。
“AI + X”不是两边都学一半。真正的问题是：未来的你，要对多深的 scientific judgment 负责？
07 再继续：为什么同一个 role，去了大学、Big Tech、pharma、national lab以后，真正值钱的能力又会变。
