LIVE СВЕЖЕЕ
Securityskill-scanner: Анализ безопасности Skill, локальноSecurityskill-safe-install-l0-strict: Безопасная установка скилловTechnical Docsskill-creator: Создание и оптимизация скилловSecuritySecurity Skill: анализ и защита данныхTestingquality-gate: Скилл итеративного улучшения артефактовAutomation To..redis-development: Скилл оптимизации производительности RedisTechnical Docsjsdoc-comment-generator: Скилл для автоматической генерации комментариевNoSQL Databasesbackend-coding-standards: Скилл для стандартизации кодаAutomation To..openapi-spec-generator: Скилл для генерации APIDatabase Toolstype-mapping-encyclopedia: Скилл для преобразования типов данныхSecurityskill-scanner: Анализ безопасности Skill, локальноSecurityskill-safe-install-l0-strict: Безопасная установка скилловTechnical Docsskill-creator: Создание и оптимизация скилловSecuritySecurity Skill: анализ и защита данныхTestingquality-gate: Скилл итеративного улучшения артефактовAutomation To..redis-development: Скилл оптимизации производительности RedisTechnical Docsjsdoc-comment-generator: Скилл для автоматической генерации комментариевNoSQL Databasesbackend-coding-standards: Скилл для стандартизации кодаAutomation To..openapi-spec-generator: Скилл для генерации APIDatabase Toolstype-mapping-encyclopedia: Скилл для преобразования типов данных
$ pwd: ~ / categories / Tools / Automation Tools / skill-resident-physician-ekspert-dlya-vrachey-internov
view --main skill-resident-physician-ekspert-dlya-vrachey-internov.md

Skill Resident Physician: Эксперт для врачей-интернов

//

Этот скилл моделирует работу врача-интерна (PGY 2-4) для поддержки клинических решений, требующих контроля и надзора. Он предназначен для имитации процесса принятия решений, характерного для интернов, и помогает в обучении, фокусируясь на систематическом клиническом подходе. Задача – предоставить структурированный фреймворк для решения сложных клинических задач.

Скилл использует LLM для генерации ответов, основанных на структурированном фреймворке принятия решений. Оценка решений происходит по четырем критериям: качество (30%), эффективность (25%), точность (25%) и безопасность (20%), с использованием соответствующих методов оценки и пороговых значений. При несоблюдении порогов предпринимаются корректирующие действия (пересмотр, оптимизация, исправление, смягчение).

В основе работы лежат ментальные модели: анализ "5 Whys" для выявления первопричин, Парето-оптимизация для оценки компромиссов, многоуровневая верификация и цикл PDCA для обучения. Разработка осуществлялась с использованием Python, Prompt Engineering и VS Code. Используется API для взаимодействия с LLM.

Проводник файлов
1 файлы
SKILL.md
readonly --- lines
Инициализация мануала...
package.json
Author
author
⭐ 24 | 🍴 8
theneoai
// Verified Repository Master Account
$ gh browse
$ install --global skills.sh
npx skills add https://github.com/theneoai/awesome-skills/tree/main/skills/healthcare/resident-physician
$ download --local man

[HINT] Скачивает всю директорию скилла с GitHub: SKILL.md и все связанные файлы