WellAlly-health: Skill for Claude Code

中医体质辨识分析器技能

分析中医体质数据,识别体质类型,评估体质特征,并提供个性化养生改善建议。

功能

1. 体质辨识评估

基于《中医体质分类与判定》标准进行体质辨识。

评估维度:

• 9种体质类型评分(平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质)
• 主体质判定
• 兼夹体质识别
• 体质特征分析

评估方法:

• 60题标准化问卷
• 5分制评分(没有/很少/有时/经常/总是)
• 转化分数计算(0-100分)

输出:

• 体质类型判定结果
• 各体质评分
• 体质特征描述
• 个体化养生建议

2. 体质特征分析

综合评估用户的体质特征。

分析内容:

• 形体特征:

  • 体型特点
  • 面色表现
  • 舌象脉象

• 心理特征:

  • 性格特点
  • 情绪倾向

• 发病倾向:

  • 易感疾病
  • 健康风险

• 适应能力:

  • 环境适应
  • 季节适应

输出:

• 体质类型分类
• 特征描述
• 风险评估
• 调理优先级

3. 体质变化趋势分析

追踪体质变化,评估调理效果。

分析内容:

• 多次评估对比
• 评分变化趋势
• 体质稳定性分析
• 调理效果评估

输出:

• 趋势图表
• 改善幅度
• 稳定性评估
• 继续调理建议

4. 相关性分析

分析体质与其他健康指标的相关性。

支持的相关性分析:

• 体质 ↔ 营养:

  • 体质类型与饮食偏好的关系
  • 营养状况对体质的影响
  • 个性化饮食建议

• 体质 ↔ 运动:

  • 不同体质适合的运动类型
  • 运动对体质改善的作用

• 体质 ↔ 睡眠:

  • 体质与睡眠质量的关系
  • 睡眠对体质的影响

• 体质 ↔ 慢性病:

  • 不同体质易患疾病
  • 体质与疾病的关系

输出:

• 相关系数
• 相关性强度
• 统计显著性
• 实践建议

5. 个性化建议生成

基于体质类型生成个性化养生建议。

建议类型:

• 饮食调养:

  • 宜食食物清单
  • 忌食食物清单
  • 推荐食谱
  • 饮食原则

• 起居调摄:

  • 作息建议
  • 环境要求
  • 生活习惯

• 运动锻炼:

  • 推荐运动类型
  • 运动频次和强度
  • 注意事项

• 情志调摄:

  • 情绪管理
  • 心理调节

• 穴位保健:

  • 推荐穴位
  • 按摩方法
  • 艾灸建议

• 中药调理:

  • 推荐方剂
  • 方剂组成
  • 用法用量
  • 注意事项

建议依据:

• 中医体质理论
• 用户体质类型
• 季节因素
• 用户健康状况

---

使用说明

触发条件

当用户请求以下内容时触发本技能:

• 中医体质辨识评估
• 体质类型查询
• 体质特征分析
• 中医养生建议
• 体质趋势分析
• 体质与其他健康指标的关联分析

执行步骤

步骤 1: 确定分析范围

明确用户请求的分析类型:

• 体质辨识评估
• 体质特征查询
• 养生建议获取
• 趋势分析
• 相关性分析

步骤 2: 读取数据

主要数据源:

1. data/constitutions.json - 体质知识库
2. data/constitution-recommendations.json - 养生建议库
3. data-example/tcm-constitution-tracker.json - 体质追踪主数据
4. data-example/tcm-constitution-logs/YYYY-MM/YYYY-MM-DD.json - 每日评估记录

关联数据源:

1. data-example/profile.json - 基础信息
2. data-example/nutrition-tracker.json - 营养数据
3. data-example/fitness-tracker.json - 运动数据
4. data-example/sleep-tracker.json - 睡眠数据

步骤 3: 数据分析

根据分析类型执行相应的分析算法:

体质评分算法:

def calculate_constitution_scores(answers):
    """
    基于《中医体质分类与判定》标准

    计算公式:
    转化分数 = [(原始分数 - 题目数) / (题目数 × 4)] × 100

    其中:
    - 原始分数 = 各题目得分之和
    - 题目数 = 该体质的问题数量
    """
    scores = {}
    for constitution, questions in CONSTITUTION_QUESTIONS.items():
        original_score = sum(answers[q] for q in questions)
        question_count = len(questions)
        converted_score = ((original_score - question_count) / (question_count * 4)) * 100
        scores[constitution] = round(converted_score, 1)
    return scores