domain-skill-design
用途: 设计领域专用的 Skills（区别于 Core Skills）
输入:
- Workflows 列表（需要什么能力）
- 系统结构（数据在哪）
- 领域特点（health / finance / learning...）
输出: Skills 列表及其规格说明
核心原则
- 基于 Workflow 需求 - Skill 是为了支撑 Workflow
- 单一职责 - 每个 Skill 只做一件事
- 可复用 - 在不同 Workflow 中复用
- 明确输入输出 - 参数清晰
- 可评价 - 每个 Skill 都要有评价标准
输入格式
input:
workflows: # Workflow 列表
- name: string
steps: array # 步骤描述
required_skills: array # 需要的能力
structure: # 系统结构
data_locations: object # 数据在哪
output_locations: object # 产出在哪
domain: string # 领域
requirements: object # 需求细节
输出格式
output:
skills: # Skills 列表
- name: string # Skill 名称（kebab-case）
purpose: string # 用途
input: object # 输入参数
output: object # 输出
dependencies: array # 依赖的 Core Skills
complexity: string # 复杂度（simple/medium/complex）
priority: string # 优先级（high/medium/low）
# 实现提示
implementation_hints:
approach: string # 实现思路
key_logic: string # 核心逻辑
edge_cases: array # 边缘情况
# 评价维度
evaluation_dimensions:
- name: string
weight: number
criteria: string
设计流程
1. 分析 Workflows，提取能力需求
def extract_required_skills(workflows):
"""
从 Workflow 步骤中提取需要的 Skills
"""
skills = set()
for workflow in workflows:
for step in workflow.steps:
# 识别动词 → 能力
if "collect" in step:
skills.add("data-collect-skill")
if "analyze" in step:
skills.add("analysis-skill")
if "generate" in step:
skills.add("generate-skill")
if "notify" in step:
skills.add("notify-skill")
return list(skills)
2. 按领域细化 Skills
根据领域特点，细化通用能力为具体 Skills：
示例：健康管理系统
# 通用能力 → 领域 Skills
analyze →
- checkup-analysis-skill（体检报告分析）
- health-indicators-skill（健康指标分析）
- risk-assessment-skill（风险评估）
- trend-analysis-skill（趋势分析）
generate →
- daily-review-skill（生成每日总结）
- weekly-report-skill（生成每周报告）
- recommendation-skill（生成健康建议）
notify →
- notify-user-skill（通知用户）
- alert-skill（风险预警）
3. 定义每个 Skill 的规格
# 示例：checkup-analysis-skill
name: checkup-analysis-skill
purpose: 分析体检报告，提取关键指标和异常项
input:
report_path: string # 体检报告路径（PDF）
profile_path: string # 用户健康档案
history_path: string # 历史体检记录（可选）
output:
parsed_data: object # 解析后的结构化数据
abnormal_items: array # 异常指标
risk_factors: array # 风险因素
trends: object # 与历史对比的趋势
recommendations: array # 建议
dependencies:
- research-skill # 调研医学知识
- plan-skill # 规划分析步骤
complexity: complex # 复杂（需要 OCR + NLP + 医学知识）
priority: high # 高优先级（核心功能）
implementation_hints:
approach: |
1. 使用 OCR 提取 PDF 文本
2. 使用 NLP 识别指标名称和数值
3. 与标准范围对比，找出异常项
4. 结合历史数据，分析趋势
5. 基于医学知识，评估风险
key_logic: |
- OCR: pypdf + pytesseract
- NLP: 正则表达式 + 模式匹配
- 医学知识: 预定义的指标范围表
- 趋势分析: 简单统计（增长/下降）
edge_cases:
- 扫描件质量差，OCR 失败
- 不同医院的报告格式不同
- 某些指标缺失
- 用户没有历史记录
evaluation_dimensions:
- name: 提取准确度
weight: 40%
criteria: 指标和数值提取的正确率
- name: 异常识别准确度
weight: 30%
criteria: 异常指标识别的准确率
- name: 建议合理性
weight: 20%
criteria: 建议是否科学、可行
- name: 鲁棒性
weight: 10%
criteria: 处理各种格式和边缘情况的能力
4. 识别可复用的 Skills
有些 Skills 可以在多个 Workflow 中复用：
# 复用示例
notify-user-skill:
used_in:
- daily-check workflow
- weekly-report workflow
- checkup-analysis workflow
# 通用设计
input:
message: string
priority: string (normal/high/urgent)
channel: string (file/email/...)
output:
notified: boolean
timestamp: string
示例
输入: 健康管理系统
workflows:
- name: daily-check
steps:
- collect_today_data
- analyze_indicators
- generate_report
- notify_user
required_skills:
- data-collect-skill
- health-indicators-skill
- daily-review-skill
- notify-user-skill
- name: weekly-report
steps:
- aggregate_week_data
- analyze_trends
- generate_insights
- notify_user
required_skills:
- data-collect-skill
- trend-analysis-skill
- weekly-report-skill
- notify-user-skill
- name: checkup-analysis
steps:
- parse_report
- compare_history
- assess_risks
- generate_recommendations
required_skills:
- checkup-analysis-skill
- risk-assessment-skill
- recommendation-skill
- notify-user-skill
structure:
data_locations:
profile: data/profile/profile.json
indicators: data/indicators/{date}.json
checkups: data/checkups/
output_locations:
reports: outputs/reports/
domain: health
focus: disease_prevention
输出: Skills 列表
skills:
# ────────────────────────────────────
# 数据相关
# ────────────────────────────────────
- name: data-collect-skill
purpose: 收集和聚合数据
complexity: simple
priority: high
input:
date: string
sources: array
output:
collected_data: object
dependencies: []
# ────────────────────────────────────
# 分析相关
# ────────────────────────────────────
- name: checkup-analysis-skill
purpose: 分析体检报告
complexity: complex
priority: high
input:
report_path: string
profile_path: string
output:
parsed_data: object
abnormal_items: array
risk_factors: array
dependencies:
- research-skill
implementation_hints:
approach: "OCR + NLP + 医学知识库"
key_logic: "pypdf + pytesseract + 规则引擎"
edge_cases:
- "不同医院格式"
- "扫描质量差"
evaluation_dimensions:
- name: 提取准确度
weight: 40%
- name: 异常识别准确度
weight: 30%
- name: health-indicators-skill
purpose: 分析每日健康指标
complexity: medium
priority: high
input:
indicators: object
profile: object
output:
analysis: object
alerts: array
dependencies: []
- name: risk-assessment-skill
purpose: 评估健康风险
complexity: medium
priority: high
input:
indicators: object
checkup_data: object
profile: object
output:
risk_level: string
risk_factors: array
suggestions: array
dependencies:
- research-skill
- name: trend-analysis-skill
purpose: 分析健康指标趋势
complexity: medium
priority: medium
input:
historical_data: array
timeframe: string
output:
trends: object
insights: array
dependencies: []
# ────────────────────────────────────
# 报告生成相关
# ────────────────────────────────────
- name: daily-review-skill
purpose: 生成每日健康总结
complexity: simple
priority: high
input:
analysis: object
date: string
output:
report: string (Markdown)
dependencies: []
- name: weekly-report-skill
purpose: 生成每周健康报告
complexity: medium
priority: medium
input:
week_data: object
trends: object
output:
report: string (Markdown)
dependencies: []
- name: recommendation-skill
purpose: 生成健康建议
complexity: medium
priority: high
input:
analysis: object
risks: array
output:
recommendations: array
dependencies:
- research-skill
# ────────────────────────────────────
# 通知相关
# ────────────────────────────────────
- name: notify-user-skill
purpose: 通知用户
complexity: simple
priority: high
input:
message: string
priority: string
path: string (可选)
output:
notified: boolean
method: string
dependencies: []
implementation_hints:
approach: "第一版：写文件到 outputs/；后续扩展：邮件、Slack"
key_logic: "简单文件写入"
设计模式
1. 数据处理 Skills
# 模式：collect → parse → validate → transform
- collect-skill: 收集原始数据
- parse-skill: 解析格式
- validate-skill: 验证数据
- transform-skill: 转换格式
2. 分析 Skills
# 模式：analyze → interpret → assess → recommend
- analyze-skill: 分析数据
- interpret-skill: 解释结果
- assess-skill: 评估风险
- recommend-skill: 生成建议
3. 报告 Skills
# 模式：aggregate → visualize → format → output
- aggregate-skill: 聚合信息
- visualize-skill: 可视化（可选）
- format-skill: 格式化
- output-skill: 输出
领域 Skills 库
health（健康管理）
常见 Skills：
- checkup-analysis-skill
- health-indicators-skill
- risk-assessment-skill
- trend-analysis-skill
- diet-analysis-skill
- exercise-tracking-skill
- medication-reminder-skill
- symptom-checker-skill
finance（财务管理）
常见 Skills：
- transaction-categorize-skill
- budget-tracking-skill
- investment-analysis-skill
- tax-calculation-skill
- expense-forecast-skill
- portfolio-rebalance-skill
learning（学习管理）
常见 Skills：
- progress-tracking-skill
- quiz-generation-skill
- note-summarize-skill
- spaced-repetition-skill
- goal-tracking-skill
评价标准
见 criteria.md
版本历史
- v1.0.0 (2026-01-19): 初始版本