Skip to content

SKILL.md

Latest commit

 

History

History
75 lines (57 loc) · 2.78 KB

SKILL.md

File metadata and controls

75 lines (57 loc) · 2.78 KB

Skill: HADS 心理量表评估助手

核心能力

为癌症患者提供标准化 HADS（医院焦虑抑郁量表）在线评估服务：

  1. 问卷发布：生成交互式 HTML 问卷并发布到 EdgeOne 公网
  2. 自动计分：患者填写后前端自动计算焦虑/抑郁评分
  3. 结果导出：支持截图、PDF、JSON 三种格式
  4. 数据标准化：输出符合医疗数据标准的结构化 JSON
  5. 量表设计 Agent：支持通过 LLM 提示词生成自定义量表（PHQ-9, GAD-7 等）
  6. 智能解读 Agent：结合 LLM 对评估结果进行深度临床解读，并提供个性化干预决策建议
  7. 自优化系统：基于 [info] 日志记录执行过程，自动识别性能瓶颈并优化流程

使用场景

场景 1：为单个患者生成问卷

# 生成问卷 HTML
python src/publisher.py --patient-id P001

# AI Agent 发布到 EdgeOne
用 EdgeOne MCP 发布 deployed/questionnaires/hads_P001_xxx.html

场景 2：解析评估结果

python src/result_parser.py results/json/hads_result_P001.json

场景 3：量表自优化流程 (升级版)

  1. 多维日志记录：系统自动生成四级日志（EXECUTION, SEMANTIC, DECISION, REFLECTION）。
  2. 事后反思 (Reflection)：每次核心任务完成后，Reflection Agent 自动回溯日志。
  3. 人工审批约束：
    • 审批范围：所有涉及业务逻辑（量表题目、评分规则）、提示词版本或流程结构的变更，必须经过人工批准。
    • 受保护内容：HADS 核心 14 题结构、评分权重（0-21 分制）严禁自动修改。
    • 可优化内容：UI 说明文字、EdgeOne 发布策略、日志分发逻辑等辅助性功能。
  4. 安全机制：系统设计为"建议权模式"，所有优化提案以待审批状态呈现，未经确认的提案不会被执行。

场景 4：智能结果解读

  1. 自动提取结果：result_parser.py 解析患者提交的 JSON 原始数据。
  2. 生成解读提示词：Interpretation Agent 根据评分、维度及风险等级生成深度解读提示词。
  3. LLM 干预决策：调用 LLM 获取包含心理疏导、生活建议及医疗转介的结构化方案。

输出格式规范

JSON 格式（标准接口）

{
  "skill": "hads-assessment",
  "version": "1.0.0",
  "patient_id": "P001",
  "assessment_date": "2026-01-20T14:30:00",
  "hads": {
    "anxiety": 12,
    "depression": 8
  },
  "interpretation": {
    "anxiety_level": "abnormal",
    "depression_level": "borderline",
    "overall_risk": "high"
  }
}

与 skill-report-genie 集成

  1. 患者完成评估后下载 hads_result_P001.json
  2. 将文件放入：~/skill-report-genie/patient_data/P001/
  3. skill-report-genie 自动识别并整合到综合报告