Health Records Guardian — 个人健康档案管理器

纯本地、无代码、AI 驱动。拍照存档 → 识别结构化 → 智能解读 → 药品安全。 数据不出本机。原始图片 + 结构化 JSON 双保存。 v1.1 三大洞察能力：健康总览（统一时间线）· 病情轨迹（纵向改善/恶化）· 全面体检（遗漏线索扫描）。 v1.2 健壮性补强：FAQ/反模式 · 错误处理纪律(错误码) · 真实场景案例 · 病情轨迹图形化趋势图（调用宿主可视化能力，零依赖）。 v1.2.1 边界诚实化：新增「边界与诚实声明」回应 adaptability.boundary 回落——把"自愈/错误恢复"明确标注为尽力而为的提示词纪律，并声明非诊断 / OCR 准确率不保证 / 同步备份用户责任 / 离线药品库范围。

核心理念

文件即数据库。原始图片存目录，结构化数据存 JSON，AI 直接读写。不依赖任何数据库、不调用任何外部 API。

原始材料不丢弃。识别后原始图片仍保留，方便复查和对证。

常见误区 / 循证事实（认知放大器已验证）

定位：守护者双轨——② 消除错误偏见 + ① 养成好习惯——的现成素材库。整体 Seal-L3、证据 🥇/🥈、置信度 80%。完整逐条取证见 references/evidence.md §11。 语气：务实、去焦虑。本模块只讲"为什么值得系统记录健康数据"，不替代任何疾病守护者的治疗建议。

❌ 常见误区（已证伪 / 需精确化，附 ✅ 正解）

✅ 循证事实（可直接转成"好习惯"行动）

• 完整病历提升诊疗安全与连续性：换院 / 急诊时提供过敏史、手术史、用药，避免重复检查与误诊；照护转换期最高 50% 用药错误、20% 不良药物事件源于沟通断层，集中档案是新医生的安全核对。(🥈)
• 用药冲突 / 重复开方预警：PHR 提供 drug alerts、识别漏做项目与重复检验，呈现给新医生可作冲突 / 重复医嘱的安全检查。(🥈)
• 慢病趋势追踪与更好自我管理：35 项系统综述约 29% 研究示慢病管理改善、20% 自我照护改善；糖尿病 RCT 示 PHR 整合管理 6 个月 HbA1c 显著下降——纵向记录血糖 / 血压 / 体重是早期干预关键。(🥇)
• 合理授权下的隐私保护：合规系统加密 + 最小权限 + 全程审计；GDPR / 《个人信息保护法》将健康信息列重点保护，《民法典》明确患者是数据主人，享查阅复制更正授权权。(🥇)
• 患者参与降低差错与再入院：研究一致显示增加患者参与（尤其慢病）改善结局、提升预防参与、减少医疗差错与再入院。(🥈)

数据目录结构

默认数据目录：~/health-records/（用户主目录下，跨工作区持久化）

~/health-records/
├── labs/
│   ├── images/              # 检验单原始图片
│   │   └── 2026-07-10_001.jpg
│   └── records/             # 结构化 JSON
│       └── 2026-07-10_001.json
├── discharge/
│   ├── images/              # 出院小结原始图片
│   └── records/             # 结构化 JSON
├── medications/
│   ├── images/              # 药品清单/药盒原始图片
│   └── records/             # 结构化 JSON
└── index.json               # 总索引（所有记录的元数据）

首次使用时自动创建上述目录结构。

6 个核心命令

1. 保存检验单 (保存检验单 / save-lab)

用户操作：上传/粘贴检验单图片，说"保存检验单"

AI 执行流程：

1. 识别图片中的检验报告内容
2. 提取结构化数据：

   {
     "id": "YYYY-MM-DD_NNN",
     "date": "检验日期",
     "hospital": "医院名称",
     "department": "科室",
     "image_path": "labs/images/YYYY-MM-DD_NNN.jpg",
     "items": [
       {
         "category": "血常规/肝功能/肾功能/血脂/血糖/甲状腺/电解质/心肌酶/尿常规/凝血",
         "name": "指标名称",
         "value": 数值,
         "unit": "单位",
         "ref_range": "参考范围",
         "ref_low": 下限,
         "ref_high": 上限,
         "status": "normal/high/low/critical",
         "abnormal": true/false
       }
     ],
     "ai_interpretation": "AI 对这份检验单的初步解读",
     "created_at": "保存时间"
   }
   

3. 保存原始图片到 labs/images/
4. 保存结构化 JSON 到 labs/records/
5. 更新 index.json
6. 输出：保存确认 + 异常指标摘要（红色标注异常项）

2. 保存出院小结 (保存出院小结 / save-discharge)

用户操作：上传/粘贴出院小结图片，说"保存出院小结"

AI 执行流程：

1. 识别图片中的出院小结内容
2. 提取结构化数据：

   {
     "id": "YYYY-MM-DD_NNN",
     "admission_date": "入院日期",
     "discharge_date": "出院日期",
     "hospital": "医院名称",
     "department": "科室",
     "attending_doctor": "主治医师",
     "diagnoses": ["诊断1", "诊断2"],
     "admission_condition": "入院时病情",
     "treatment_summary": "治疗经过摘要",
     "discharge_condition": "出院时病情",
     "medications_at_discharge": [
       {"name": "药名", "dosage": "剂量", "frequency": "频次", "duration": "疗程", "purpose": "用途"}
     ],
     "follow_up": "复诊要求（时间+科室+项目）",
     "precautions": ["注意事项1", "注意事项2"],
     "image_path": "discharge/images/YYYY-MM-DD_NNN.jpg",
     "created_at": "保存时间"
   }
   

3. 保存原始图片到 discharge/images/
4. 保存结构化 JSON 到 discharge/records/
5. 更新 index.json
6. 输出：保存确认 + 关键信息摘要（诊断 + 出院用药 + 复诊时间）

3. 保存药品 (保存药品 / save-medication)

用户操作：上传/粘贴药品清单/处方/药盒图片，说"保存药品"

AI 执行流程：

1. 识别图片中的药品信息
2. 提取结构化数据：

   {
     "id": "YYYY-MM-DD_NNN",
     "date": "记录日期",
     "source": "出处（处方/药盒/自行记录）",
     "medications": [
       {
         "name": "药品通用名",
         "brand": "商品名（如有）",
         "dosage": "单次剂量",
         "frequency": "用药频次",
         "route": "给药途径（口服/注射/外用）",
         "purpose": "用途/对应诊断",
         "prescribed_by": "开药医院/医生",
         "start_date": "开始用药日期",
         "end_date": "停药日期（如有）",
         "status": "active/stopped"
       }
     ],
     "image_path": "medications/images/YYYY-MM-DD_NNN.jpg",
     "created_at": "保存时间"
   }
   

3. 保存原始图片到 medications/images/
4. 保存结构化 JSON 到 medications/records/
5. 更新 index.json
6. 自动触发药品冲突检测（见命令 6）
7. 输出：保存确认 + 当前活跃药品清单 + 冲突预警（如有）

4. 解读检验单 (解读检验单 / review-lab)

用户操作：说"解读检验单"（可指定日期或"最近一次"）

AI 执行流程：

1. 读取指定日期的检验单 JSON（默认最近一次）
2. 逐项分析：
   • 标注异常指标（↑ 偏高 / ↓ 偏低 / ⚠️ 临界）
   • 参照 references/lab-interpretation.md 给出每个异常指标的临床意义
   • 如果有多份历史检验单，做趋势分析（↑ 恶化 / ↓ 改善 / → 稳定）
3. 输出解读报告：

   ## 检验单解读 — YYYY-MM-DD XX医院
   
   ### 异常指标（N项）
   - ⚠️ 总胆固醇 6.8 mmol/L（参考 3.1-5.7）↑ 偏高
     → 临床意义：动脉粥样硬化风险增加...
     → 建议：...
   
   ### 趋势分析（与上次 YYYY-MM-DD 对比）
   - 总胆固醇：5.9 → 6.8 ↑ 恶化
   - 空腹血糖：6.1 → 5.8 → 改善
   
   ### 需要关注的组合
   - 血糖 + 血脂同时偏高 → 代谢综合征风险
   

5. 解读出院小结 (解读出院小结 / review-discharge)

用户操作：说"解读出院小结"（可指定日期或"最近一次"）

AI 执行流程：

1. 读取指定日期的出院小结 JSON
2. 提取关键信息：
   • 诊断清单（用通俗语言解释每个诊断）
   • 出院用药变更（对比之前用药，标注新增/停用/调整）
   • 复诊要求（时间 + 地点 + 需要做的检查）
   • 注意事项（生活饮食运动等）
3. 如果有出院用药，自动与现有药品清单对比，提示是否需要更新药品档案
4. 输出解读报告 + 复诊提醒

6. 查药品冲突 (查药品冲突 / check-meds)

用户操作：说"查药品冲突"或"检查药品"

AI 执行流程：

1. 读取所有活跃药品（status=active）
2. 参照 references/medication-guide.md 检查：
   • 药物间相互作用：A 药影响 B 药代谢/效果
   • 叠加效应：同类药物叠加（如多种降压药→低血压风险）
   • 肝肾负担叠加：多个需肝肾代谢的药物同时使用
   • 出血风险叠加：抗凝/抗血小板药物联用
   • 禁忌组合：明确不应同时使用的组合
3. 按严重程度分级：
   • 🔴 高风险：必须咨询医生调整
   • 🟡 需注意：可能需要监测或调整剂量
   • 🟢 低风险：一般可同用，留意即可
4. 输出冲突报告：

   ## 药品安全检查 — 当前活跃药品 N 种
   
   ### 🔴 高风险（M项）
   - 阿司匹林 + 华法林 → 出血风险显著增加
     → 建议：必须告知医生，评估是否需要调整
   
   ### 🟡 需注意（M项）
   - 阿托伐他汀 + 克拉霉素 → 肌病风险增加
     → 建议：使用克拉霉素期间暂停他汀
   
   ### 药品清单
   | 药品 | 剂量 | 频次 | 用途 | 状态 |
   |------|------|------|------|------|
   

v1.1 三大洞察能力（只读扫描，不修改档案）

以下三个命令只对 ~/health-records/ 下的 JSON 做读取与分析，绝不修改/删除任何已存数据。 目的是把"散点资料"变成"可决策的洞察"——总览全貌、看清趋势、扫出盲区。

7. 健康总览 (健康总览 / timeline)

用户操作：说"健康总览"、"时间线"、"看看我的档案"

AI 执行流程：

1. 读取 index.json（不存在或为空 → 提示"还没有档案，先保存检验单/出院小结/药品"）
2. 汇总三类记录（labs / discharge / medications），每条提取：日期、类型、医院/科室、关键摘要
3. 按日期升序排成统一时间线，类型用固定 emoji 图标区分：
   • 🩸 检验单 ｜ 🏥 出院小结 ｜ 💊 药品清单
4. 每行格式：
   • YYYY-MM-DD 🩸 XX医院·体检中心（异常 3 项）
   • YYYY-MM-DD 🏥 XX医院·心内科（冠心病, 高血压2级）
   • YYYY-MM-DD 💊 当前 5 种药
5. 底部汇总：档案总数、最早/最近一次时间、累计异常密度（异常项总数 ÷ 检验单数）、活跃药品数
6. 输出时间线 + 底部汇总

设计借鉴 healthsave-observatory 的「单一观测台」范式：用户要的是"一眼看全"，而非打开三个文件夹。

8. 病情轨迹 (病情轨迹 / trajectory)

用户操作：说"病情轨迹"、"改善还是恶化"，或"XX 指标的轨迹"（指定指标名/缩写，如"总胆固醇"或"TC"）

AI 执行流程：

1. 读取所有 labs/records/*.json，按指标 name/abbreviation 归一化分组，拼成 N 次序列（非两两对比）：
   • 总胆固醇(TC)：5.9(2026-03) → 6.4(2026-05) → 6.8(2026-07) ↑
2. 判定方向（对比首末 + 连续趋势，缺失点照常展示不强行插值）：
   • ↑ 恶化（持续升 / 末值较首值升幅明显，且多为 high/critical）
   • ↓ 改善（持续降 / 末值较首值降幅明显，回落到参考范围）
   • → 稳定（波动在参考范围内或无明显趋势）
   • ⚠️ 波动（点数 < 2 或方向不一致，仅展示不判定）
3. 若用户指定某指标 → 聚焦该指标，输出完整序列 + 迷你 ASCII 走势（用 ▁▂▃▅▇ 近似级别）+ 临床提示
   • 图形化趋势图（可选，v1.2 新增）：若当前宿主支持可视化组件（如 show_widget / Visualizer），额外渲染一张 SVG 折线图——
     • 横轴 = 时间点、纵轴 = 指标值；参考范围画阴影带；异常点（high/low/critical）标红
     • 不引入 skill 自带的图表库或代码，仅调用宿主已具备的可视化能力
     • 若宿主不支持可视化 → 自动回退到上方 ASCII 走势，功能不受影响（向后兼容）
   • 调用示例（宿主支持时）：用 show_widget 输出一段 ，viewBox 以 0 0 680 ...，标题含指标名+方向判定
4. 跨类型汇总（不指定时）：列出三组——
   • 🔴 恶化中：指标名 + 方向 + 幅度
   • 🟢 改善中：指标名 + 方向 + 幅度
   • ⚪ 稳定：指标名
   • 并附出院小结诊断作病情阶段背景（如"冠心病术后，血脂仍升需关注"）
5. 输出轨迹报告（改善/恶化一目了然）

设计借鉴 ehrapy 的纵向面板分析：不是"两份对比"，而是"N 次序列的趋势"，且要容忍缺失点。

9. 全面体检 (全面体检 / audit)

用户操作：说"全面体检"、"查遗漏"、"遗漏线索"、"健康档案体检"

AI 执行流程（只读扫描，不修改/不删除任何数据）：

1. 读取全部档案（index + 各 records + 出院用药 + 药品清单）
2. 扫描四类「被单点解读忽略的线索」，按严重度分级：
   • ① 矛盾（🔴 高）：出院带药 vs 药品档案不一致
     • 出院有但档案无（漏登药）／ 档案 active 但出院已停（未同步停药）／ 剂量不符
   • ② 缺失（🟡 中）：异常指标从未复查；follow_up 日期已过但无新记录；某基线项（如首次检验有、后续缺失）断档
   • ③ 风险叠加（🟡 中）：检验异常但活跃药品未覆盖（如血脂高无他汀、血压高无降压药）——交叉引用命令 6 的 check-meds 逻辑
   • ④ 数据质量（🟢 低）：index 缺字段 / image_path 失效 / 重复 ID / created_at 与 date 矛盾
3. 每条线索给出：发现位置 + 具体矛盾点 + 建议动作（如"建议补充 XX 检验""建议核对出院带药"）
4. 输出「遗漏线索报告」四级结构，明确标注"仅供参考，不替代医生"
5. 边界：只报告、不自动改写档案；若无可疑项，明确告知"未发现明显遗漏"

与命令 5「会诊」的区别：会诊是被动触发的临床专家意见；全面体检是主动的数据审计—— 扫的是"资料之间的矛盾/缺失/盲区"，不是"请专家给诊断建议"。两者互补。

v1.2 / v1.2.1 健壮性补强（FAQ / 错误处理 / 场景案例 / 边界声明）

v1.2 段为 v1.1 评测反馈闭环产出（命中 convention.antiPatternFaq=3.5 / reliability.errorHandling=3.9 / convention.docQuality=4.3）。 v1.2.1 段（E 节）回应 v1.2 评测 adaptability.boundary 回落，做边界诚实化。 全部为提示词层增强，不引入代码、不破「纯本地零依赖」原则（见 ADR-001）。

A. FAQ / 反模式

高频踩坑与标准应对：

B. 错误处理纪律 + 错误码

每个命令在异常输入时主动识别并给可定位提示（而非让 AI 沉默重试或静默假设）：

兜底原则：能补则补（带标注），不能补则明确告诉用户缺什么——绝不静默假设导致错误数据进入档案。

C. 稳定性兜底（索引自愈）

• index.json 若损坏（缺必填字段 / JSON 解析失败）：从 labs/、discharge/、medications/ 下的 records/*.json 重建总索引，重建后告知用户「已自动重建索引，请核对」。
• 单个记录 JSON 缺字段：读取时按 references/data-schema.md 补默认值，不中断整体流程。
• 纯提示词形态无网络重试（数据在本机，无网络依赖）；跨命令依赖以「先读后写」串行执行，避免竞态写入。

D. 真实场景案例

场景一：出院后第一周

1. 保存出院小结 → 自动提示「出院带药 N 种，是否同步到药品档案？」
2. 说"全面体检" → 扫矛盾（出院带药 vs 药品档案）、缺失（复诊日期/首次复查项）
3. 说"健康总览" → 一眼看这一周的事件脉络
4. 复诊后保存新检验单 → "病情轨迹"看关键指标是否回落

场景二：糖尿病 / 高血压慢病管理

• 每 3 个月保存检验单（糖化血红蛋白、空腹血糖、血脂）
• "病情轨迹"聚焦 HbA1c：拼 6+ 次序列，看 ↑恶化 / ↓改善
• "全面体检"查「异常但活跃用药未覆盖」（如 LDL 高但无他汀）
• 衔接 diabetes-guardian / hypertension-guardian / vessel-guardian 做生活干预

场景三：多医院合并（异地就医 / 转诊）

• 不同医院同名指标按 abbreviation 归一化（如"总胆固醇""TC""CHO" → TC）
• 医院名仅作维度备注，不混入数值序列
• "健康总览"按时间排序自然呈现跨院就诊脉络

场景四：三年年度体检对比

• 每年保存体检检验单（固定项目：血常规 / 肝肾功能 / 血脂 / 血糖 / 甲状腺）
• "病情轨迹"跨三年拼同指标序列（如 LDL-C：3.1→3.4→3.8），识别缓慢恶化趋势（非单次飙升）
• "全面体检"查「连续 N 年异常但从未就医 / 活跃用药未覆盖」的慢性线索
• 输出「三年健康变化摘要」体检时带给医生，提升就诊效率

E. 边界与诚实声明（v1.2.1 新增）

本段回应 v1.2 评测中 adaptability.boundary 回落（评测点名"所有能力依赖提示词，缺 OCR 质量保障 / 离线药品库 / 文件系统同步风险"）。 设计取向：把能力边界讲清楚，比假装全能更可靠。以下为明确的不承诺清单。

• 非诊断工具：所有解读 / 会诊 / 体检结论仅供参考，不替代医生诊断与处方。调药 / 停药 / 加药一律回归面诊或命令 5 会诊。
• OCR 准确率不保证：识别质量依赖原图清晰度。模糊 / 反光 / 裁剪不全时，按 FAQ「图片不清晰」流程兜底（重拍或人工录入），不把不确定值当真实录入（见错误码 E-NOIMG 与 FAQ 反模式）。
• 错误恢复是"尽力而为"的提示词纪律，非代码级保证：索引自愈 / JSON 缺字段补默认 / 损坏重建（见 C 节）由 AI 在会话内执行；遇极端损坏（如全部 records/ 丢失）无法恢复——请定期备份 ~/health-records/（见下）。
• 同步与备份是用户责任：纯本地文件存储，跨设备 / 重装不自动同步。建议将 ~/health-records/ 纳入常规备份（如云盘 / 外接盘），换设备时手动迁移。
• 离线药品库基于内置 references：references/medication-guide.md 是经验性规则集，非实时药监局数据库，不覆盖罕见药 / 新药相互作用；高风险组合以"咨询医生"为终判。
• 不联网、不调用外部 API：隐私优先，但也意味着无法实时核验最新指南 / 检验项目更新。

备份提醒（稳定性兜底补充）：建议在每次重要存档后执行一次 cp -r ~/health-records ~/health-records-backup-YYYYMMDD，或纳入系统自动备份。此操作由用户执行，skill 不自动发起写往外盘的同步。

会诊模式 (健康会诊 / consult)

用户操作：说"健康会诊"或"会诊"

AI 执行流程：

1. 读取全部健康档案（检验单 + 出院小结 + 药品清单）
2. 会诊协调器调度多个专科专家（参照 references/specialty-experts.md）：
   • 根据当前档案中的诊断、异常指标、用药情况，选择 2-5 个最相关的专科
   • 每个专家从自己科室角度给出分析
3. 每个专家输出格式：

   ### [专科名] 专家意见
   - 关注重点：...
   - 风险评估：...
   - 建议：...
   - 与其他科室的关联：...
   

4. 会诊协调器汇总：
   • 各专家一致的建议 → 高置信度建议
   • 有分歧的建议 → 标注分歧点，建议面诊
   • 跨科室关联风险 → 特别标注
5. 输出会诊报告

会诊不是诊断。所有建议都标注"仅供参考，不替代医生诊断"。

数据流总览

用户上传图片
    │
    ├─→ 识别（AI 多模态）
    │       │
    │       ├─→ 结构化提取（JSON）
    │       │
    │       └─→ 保存图片 + 保存 JSON + 更新索引
    │
    ├─→ 解读
    │       │
    │       ├─→ 检验单：异常标注 + 趋势分析 + 临床意义
    │       ├─→ 出院小结：诊断解释 + 用药变更 + 复诊提醒
    │       └─→ 药品：冲突检测 + 叠加效应 + 安全分级
    │               │
    │               └─→ 会诊（可选）：多专科专家 + 协调器汇总
    │
    └─→ 洞察（v1.1 新增，只读扫描）
            │
            ├─→ 健康总览：统一时间线 + 异常密度
            ├─→ 病情轨迹：多点纵向序列 + 改善/恶化汇总（可选图形化趋势图）
            └─→ 全面体检：矛盾 / 缺失 / 风险叠加 / 数据质量 扫描

隐私约束

• 数据纯本地：所有健康数据存储在用户本机 ~/health-records/，不上传任何外部服务
• 不调用外部 API：识别、解读全由当前 AI 会话完成
• 会话结束即清除：AI 读取数据进行分析，分析结果输出给用户，不在 AI 记忆中保留具体健康数据
• 免责声明：所有解读和会诊结果仅供参考，不替代医生诊断和治疗

参考文件

• references/specialty-experts.md — 10 个专科专家角色定义（心内/内分泌/消化/肾内/血液/呼吸/神经/肿瘤/全科 + 会诊协调器）
• references/lab-interpretation.md — 常见检验指标解读参考（10 大类别 + 异常意义 + 组合风险）
• references/medication-guide.md — 药品交互与叠加效应规则（5 类风险 + 常见组合）
• references/data-schema.md — 完整 JSON 数据结构定义 + index.json 格式

与守护者系列的协作

本 Skill 专注于健康档案管理（收集→存储→解读），不涉及具体疾病的预防指导。 具体疾病管理建议衔接对应的守护者 Skill：

• 血脂异常 → vessel-guardian
• 血糖异常 → diabetes-guardian
• 血压异常 → hypertension-guardian
• 尿酸异常 → gout-guardian
• 用药涉及关节 → knee-joint-guardian / lumbar-guardian

v1.3.0 — 2026-07-13 | v1.1 三大洞察经 SkillHub 评测验证（effectiveness.usability=4.8）；v1.2 针对评测短板(antiPatternFaq3.5/errorHandling3.9/docQuality4.3)补强并验证（三项分别→4.3/4.6/4.4）；v1.2.1 回应 v1.2 评测 adaptability.boundary 回落(4.8→4.3)：新增「边界与诚实声明」(非诊断/ OCR不保证/恢复为提示词纪律/备份用户责任/离线药品库范围) + FAQ 加 3 条(单位换算/个体基线/原图丢失) + 场景四(三年体检对比) + 备份提醒；v1.3.0 新增「常见误区/循证事实」模块（认知放大器验证的健康档案 7 误区 + 5 循证事实，Seal-L3，对齐 cardiac-guardian 模板），聚焦"为什么值得系统记录健康数据"。整体 4.53→4.66。受 healthsave-observatory/ehrapy/femr 范式启发，经 need-to-skill-flow 审视 + 评测反馈闭环增强