基于 Open Wearables 的趋势/异常推理,实现患者端慢病异常指标预警,构建慢病闭环管理能力。
本 skill 对应:病人端 / 慢病管理 / 异常指标预警。
要求:慢病闭环能力。
只参考 Open Wearables 的 trends/anomalies reasoning 部分:
OpenClaw 中应构建为一个独立的预警型 skill:
indicator_type:指标类型,如血糖、血压、心率value:指标值或指标对象unitmeasured_atthreshold_profile:阈值配置skill: 异常指标预警indicator_typeis_abnormalalert_levelreasonsuggested_action本 skill 只做基于规则的异常提示,不做诊断,不给出治疗方案。
从本 skill 目录执行:
bash
python3 scripts/run.py --input input.json --output output.json --appkey YOUR_KEY
json
{
"indicator_type": "blood_glucose",
"value": 11.2,
"unit": "mmol/L",
"measured_at": "2026-04-29 08:00",
"threshold_profile": {
"high": 10.0
},
"suggested_action": "按既定随访规则提醒用户关注"
}
本 skill 不内置医学阈值;所有阈值必须由调用方通过 threshold_profile 提供。
输出 UTF-8 JSON,采用统一格式:
json
{
"skill": "技能名称",
"status": "ok",
"data": { /* 结构化数据 */ },
"text": "API 生成的 Markdown/自然语言内容,OpenClaw 直接渲染给用户"
}
data:本地预处理得到的结构化数据text:内部医疗大模型生成的自然语言解读/分析/提醒,Markdown 格式除 JSON 外,还支持以下格式(通过 --input-type 自动检测或手动指定):
格式说明JSON默认,直接读取结构化输入CSV / XLSX / XLS表格数据,按列头自动映射字段TXT / MDkey:value 文本格式(支持中文/英文字段名)PDF / DOC / DOCX文档,提取文本后解析PNG / JPG 等图片OCR 提取文本后解析
text
指标类型:blood_glucose
值:11.2
单位:mmol/L
text
指标类型,值,单位
blood_glucose,11.2,mmol/L
--input-type auto|pdf|doc|docx|xls|xlsx|csv|txt|json:输入类型;默认 auto。--sheet STRING:读取 Excel 时指定 sheet(可选)。--encoding STRING: txt/csv 编码(默认: utf-8)。--save-prepared:保存预处理后的 JSON,便于调试。--appkey STRING: 必填。调用内部医疗大模型的鉴权 key,由平台分配。包名用途必要条件openpyxl读取 .xlsx 文件输入为 xlsx 时必须pypdf提取 PDF 文本输入为 pdf 时必须
工具用途必要条件LibreOffice ( soffice)转换 .doc / .xls输入为 doc/xls 时必须pdftotext(poppler-utils)提取 PDF 文本输入为 pdf 且未安装 pypdf 时tesseract(含 chi_sim+eng)图片 OCR输入为图片时必须
仅使用 JSON 输入时,无需安装任何第三方包或外部工具。
本 skill 执行时通过内部医疗大模型进行推理:
https://maas-api.hivoice.cn/v1/chat/completionsu2-med--appkey 参数传入 Bearer token,由用户在 OpenClaw 中调用时提供本 skill 强制走 API 推理,无本地透传模式。