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。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
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：
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
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.
日本語の概要は準備中です。原文の説明を表示しています。
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`.
日本語の概要は準備中です。原文の説明を表示しています。
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.
日本語の概要は準備中です。原文の説明を表示しています。
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.
日本語の概要は準備中です。原文の説明を表示しています。
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.
日本語の概要は準備中です。原文の説明を表示しています。
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.
日本語の概要は準備中です。原文の説明を表示しています。