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。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
실행 점수 미검증
설치 방법 보기설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.
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。
当用户提到以下场景时，使用此技能：
通用询问:
风险预测:
智能问答:
报告生成:
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。
const profile = readFile('data/profile.json');
获取基础信息：年龄、性别、身高、体重、BMI等。
根据配置的数据源读取相关数据：
// 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;
整合所有数据源，进行数据清洗、时间对齐和缺失值处理。
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
基于Framingham、ADA、ACC/AHA等标准进行风险预测：
根据分析结果生成三级建议：
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
记录分析结果到 data/ai-history.json
| 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 |
/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功能状态此Skill仅使用以下工具：
아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.
로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.
Testing patterns for PHPUnit and Playwright E2E tests. Use when writing tests, debugging test failures, setting up test coverage, or implementing test patterns for ActivityPub features.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Add unsigned integer (uint) type support to PyTorch operators by updating AT_DISPATCH macros. Use when adding support for uint16, uint32, uint64 types to operators, kernels, or when user mentions enabling unsigned types, barebones unsigned types, or uint support.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Unified analysis pipeline for affinity-based proteomics platforms — Olink (PEA, NPX) and SomaLogic SomaScan (SOMAmer, RFU). Platform-aware QC, normalisation, differential abundance, volcano plots, heatmaps, and PCA.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.