ai-analyzer — Библиотека навыков для AI-агентов и инструментов

--- name: ai-analyzer description: AI驱动的综合健康分析系统，整合多维度健康数据、识别异常模式、预测健康风险、提供个性化建议。支持智能问答和AI健康报告生成。 allowed-tools: Read, Grep, Glob, Write risk: unknown source: community --- # AI健康分析器 基于AI技术的综合健康分析系统，提供智能健康洞察、风险预测和个性化建议。 ## 核心功能 ### 1. 智能健康分析 - **多维度数据整合**: 整合基础指标、生活方式、心理健康、医疗历史等4类数据源 - **异常模式识别**: 使用CUSUM、Z-score等算法检测异常值和变化点 - **相关性分析**: 计算不同健康指标之间的相关性（皮尔逊、斯皮尔曼） - **趋势预测**: 基于历史数据进行趋势分析和预测 ### 2. 健康风险预测 - **高血压风险**: 基于Framingham风险评分模型 - **糖尿病风险**: 基于ADA糖尿病风险评分标准 - **心血管疾病风险**: 基于ACC/AHA ASCVD指南 - **营养缺乏风险**: 基于RDA达成率和饮食模式分析 - **睡眠障碍风险**: 基于PSQI和睡眠模式分析 ### 3. 个性化建议引擎 - **基础个性化**: 基于年龄、性别、BMI、活动水平等静态档案 - **建议分级**: Level 1（一般性）、Level 2（参考性）、Level 3（医疗建议） - **循证依据**: 基于医学指南和循证医学证据 - **可操作性**: 提供具体、可行的改进建议 ### 4. 自然语言交互 - **智能问答**: 支持健康数据查询、趋势分析、相关性查询等 - **上下文理解**: 维护对话历史，支持多轮对话 - **意图识别**: 识别用户查询意图，提供精准回复 ### 5. AI健康报告生成 - **综合报告**: 包含所有维度健康数据、AI洞察、风险评估 - **快速摘要**: 关键指标概览、异常警示、主要建议 - **风险评估报告**: 各类疾病风险、风险因素分析、预防措施 - **趋势分析报告**: 多维度趋势、变化点识别、预测分析 - **HTML交互式报告**: ECharts图表、Tailwind CSS样式 ## 使用说明 ### 触发条件 当用户提到以下场景时，使用此技能： **通用询问**: - ✅ "AI分析我的健康状况" - ✅ "我的健康有什么风险？" - ✅ "生成AI健康报告" - ✅ "AI分析所有数据" **风险预测**: - ✅ "预测我的高血压风险" - ✅ "我有糖尿病风险吗？" - ✅ "评估我的心血管风险" - ✅ "AI预测健康风险" **智能问答**: - ✅ "我的睡眠怎么样？" - ✅ "运动对我的健康有什么影响？" - ✅ "我应该如何改善健康状况？" - ✅ "AI健康助手问答" **报告生成**: - ✅ "生成AI健康报告" - ✅ "创建综合分析报告" - ✅ "AI风险评估报告" ### 执行步骤 #### 步骤 1: 读取AI配置 ```javascript const aiConfig = readFile('data/ai-config.json'); const aiHistory = readFile('data/ai-history.json'); ``` 检查AI功能是否启用，验证数据源配置。 #### 步骤 2: 读取用户档案 ```javascript const profile = readFile('data/profile.json'); ``` 获取基础信息：年龄、性别、身高、体重、BMI等。 #### 步骤 3: 读取健康数据 根据配置的数据源读取相关数据： ```javascript // 基础健康指标 const indexData = readFile('data/index.json'); // 生活方式数据 const fitnessData = readFile('data-example/fitness-tracker.json'); const sleepData = readFile('data-example/sleep-tracker.json'); const nutritionData = readFile('data-example/nutrition-tracker.json'); // 心理健康数据 const mentalHealthData = readFile('data-example/mental-health-tracker.json'); // 医疗历史 const medications = exists('data/medications.json') ? readFile('data/medications.json') : null; const allergies = exists('data/allergies.json') ? readFile('data/allergies.json') : null; ``` #### 步骤 4: 数据整合和预处理 整合所有数据源，进行数据清洗、时间对齐和缺失值处理。 #### 步骤 5: 多维度分析 **相关性分析**: 计算睡眠↔情绪、运动↔体重、营养↔生化指标等关联 **趋势分析**: 使用线性回归、移动平均等方法识别趋势方向 **异常检测**: 使用CUSUM、Z-score算法检测异常值和变化点 #### 步骤 6: 风险预测 基于Framingham、ADA、ACC/AHA等标准进行风险预测： - 高血压风险（10年概率） - 糖尿病风险（10年概率） - 心血管疾病风险（10年概率） - 营养缺乏风险 - 睡眠障碍风险 #### 步骤 7: 生成个性化建议 根据分析结果生成三级建议： - **Level 1**: 一般性建议（基于标准指南） - **Level 2**: 参考性建议（基于个人数据） - **Level 3**: 医疗建议（需医生确认，包含免责声明） #### 步骤 8: 生成分析报告 **文本报告**: 包含总体评估、风险预测、关键趋势、相关性发现、个性化建议 **HTML报告**: 调用 `scripts/generate_ai_report.py` 生成包含ECharts图表的交互式报告 #### 步骤 9: 更新AI历史记录 记录分析结果到 `data/ai-history.json` ## 数据源 | 数据源 | 文件路径 | 数据内容 | |--------|---------|---------| | 用户档案 | `data/profile.json` | 年龄、性别、身高、体重、BMI | | 医疗记录 | `data/index.json` | 生化指标、影像检查 | | 运动追踪 | `data-example/fitness-tracker.json` | 运动类型、时长、强度、MET值 | | 睡眠追踪 | `data-example/sleep-tracker.json` | 睡眠时长、质量、PSQI评分 | | 营养追踪 | `data-example/nutrition-tracker.json` | 饮食记录、营养素摄入、RDA达成率 | | 心理健康 | `data-example/mental-health-tracker.json` | PHQ-9、GAD-7评分 | | 用药记录 | `data/medications.json` | 药物名称、剂量、用法、依从性 | | 过敏史 | `data/allergies.json` | 过敏原、严重程度 | ## 算法说明 ### 相关性分析 - **皮尔逊相关系数**: 连续变量（如睡眠时长与情绪评分） - **斯皮尔曼相关系数**: 有序变量（如症状严重程度） ### 异常检测 - **CUSUM算法**: 时间序列变化点检测 - **Z-score方法**: 统计异常值检测（|z| > 2） - **IQR方法**: 四分位数异常值检测 ### 风险预测 - **Framingham风险评分**: 高血压、心血管疾病风险 - **ADA风险评分**: 2型糖尿病风险 - **ASCVD计算器**: 动脉粥样硬化心血管病风险 ## 安全与合规 ### 必须遵循 - ❌ 不给出医疗诊断 - ❌ 不给出具体用药剂量建议 - ❌ 不判断生死预后 - ❌ 不替代医生建议 - ✅ 所有分析必须标注"仅供参考" - ✅ Level 3建议必须包含免责声明 - ✅ 高风险预测必须建议咨询医生 ### 隐私保护 - ✅ 所有数据保持本地 - ✅ 无外部API调用 - ✅ HTML报告独立运行 ## 相关命令 - `/ai analyze` - AI综合分析 - `/ai predict [risk_type]` - 健康风险预测 - `/ai chat [query]` - 自然语言问答 - `/ai report generate [type]` - 生成AI健康报告 - `/ai status` - 查看AI功能状态 ## 技术实现 ### 工具限制 此Skill仅使用以下工具： - **Read**: 读取JSON数据文件 - **Grep**: 搜索特定模式 - **Glob**: 按模式查找数据文件 - **Write**: 生成HTML报告和更新历史记录 ### 性能优化 - 增量读取：仅读取指定时间范围的数据文件 - 数据缓存：避免重复读取同一文件 - 延迟计算：按需生成图表数据