← 返回
未分类 Key

unisound-glucose-monitor-record

病人端慢病管理血糖监测记录。参考 Glucosio 的 blood glucose logging 部分,构建慢病管理基础记录能力。
患者端血糖监测记录,参考 Glucosio 血糖日志,实现慢病管理基础记录能力。
unisound-llm unisound-llm 来源
未分类 clawhub v1.0.0 1 版本 100000 Key: 需要
★ 0
Stars
📥 231
下载
💾 0
安装
1
版本
#latest

概述

血糖监测记录

概述


本 skill 对应:病人端 / 慢病管理 / 血糖监测记录。

要求:慢病管理基础记录能力。

来源核验


  • 匹配来源:Glucosio
  • 来源类型:公开开源 Android App
  • 来源链接:https://f-droid.org/packages/org.glucosio.android/
  • 匹配结论:匹配。Glucosio 明确面向糖尿病管理,包含 blood glucose 记录、HbA1c、目标范围、提醒、图表、CSV 导入导出等能力。

参考部分


只参考 Glucosio 的 blood glucose logging 部分:

  • 血糖值记录
  • 血糖测量类型区分
  • 血糖目标范围
  • 历史记录与趋势展示
  • CSV 导入导出思路

不参考部分


  • 不参考 Glucosio 的完整 Android App 架构
  • 不参考 Google Drive 备份
  • 不参考研究数据上报
  • 不扩展到血压、胆固醇、体重等非本 skill 能力

构建方式


OpenClaw 中应构建为一个独立的记录型 skill:

  • 输入患者本次血糖记录信息
  • 识别并结构化血糖值、单位、测量时间、测量类型
  • 输出标准血糖记录 JSON
  • 可追加输出简短自然语言确认

建议输入字段


  • value:血糖值
  • unit:单位,如 mmol/Lmg/dL
  • measure_type:测量类型,如空腹、餐后、随机
  • measured_at:测量时间
  • note:备注

建议输出字段


  • skill血糖监测记录
  • record_typeblood_glucose
  • value
  • unit
  • measure_type
  • measured_at
  • note

医疗边界


本 skill 只做血糖记录,不做诊断,不替代医生判断。

快速开始


从本 skill 目录执行:

python3 scripts/run.py --input input.json --output output.json --appkey YOUR_KEY

最小输入示例


{
  "value": 6.8,
  "unit": "mmol/L",
  "measure_type": "空腹",
  "measured_at": "2026-04-29 08:00",
  "note": ""
}

输出约定


输出 UTF-8 JSON,采用统一格式:

{
  "skill": "技能名称",
  "status": "ok",
  "data": { /* 结构化数据 */ },
  "text": "API 生成的 Markdown/自然语言内容,OpenClaw 直接渲染给用户"
}
  • data:本地预处理得到的结构化数据
  • text:内部医疗大模型生成的自然语言解读/分析/提醒,Markdown 格式

支持的输入格式


除 JSON 外,还支持以下格式(通过 --input-type 自动检测或手动指定):

格式说明
------------
JSON默认,直接读取结构化输入
CSV / XLSX / XLS表格数据,按列头自动映射字段
TXT / MDkey:value 文本格式(支持中文/英文字段名)
PDF / DOC / DOCX文档,提取文本后解析
PNG / JPG 等图片OCR 提取文本后解析

文本格式示例


血糖值:6.8
单位:mmol/L
测量类型:空腹

CSV 格式示例


血糖值,单位,测量类型
6.8,mmol/L,空腹

统一入口附加参数


  • --input-type auto|pdf|doc|docx|xls|xlsx|csv|txt|json:输入类型;默认 auto
  • --sheet STRING:读取 Excel 时指定 sheet(可选)。
  • --encoding STRINGtxt/csv 编码(默认:utf-8)。
  • --save-prepared:保存预处理后的 JSON,便于调试。
  • --appkey STRING必填。调用内部医疗大模型的鉴权 key,由平台分配。

依赖


运行环境

  • Python 3.7+

Python 第三方包(可选,按输入格式需要)

包名用途必要条件
---------------------
openpyxl读取 .xlsx 文件输入为 xlsx 时必须
pypdf提取 PDF 文本输入为 pdf 时必须

外部工具(可选,按输入格式需要)

工具用途必要条件
---------------------
LibreOffice (soffice)转换 .doc / .xls输入为 doc/xls 时必须
pdftotext(poppler-utils)提取 PDF 文本输入为 pdf 且未安装 pypdf 时
tesseract(含 chi_sim+eng)图片 OCR输入为图片时必须

> 仅使用 JSON 输入时,无需安装任何第三方包或外部工具。

模型配置


本 skill 执行时通过内部医疗大模型进行推理:

  • endpoint:https://maas-api.hivoice.cn/v1/chat/completions
  • model:u1-insuremed
  • 协议:OpenAI Chat Completions(兼容标准 /v1/chat/completions)
  • 鉴权:通过 --appkey 参数传入 Bearer token,由用户在 OpenClaw 中调用时提供

> 本 skill 强制走 API 推理,无本地透传模式。

版本历史

共 1 个版本

  • v1.0.0 当前
    2026-05-21 15:35 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

med-initial-record-genenration

unisound-llm
从医患对话生成门诊初诊结构化病历文本
★ 0 📥 411

unisound-overall-report

unisound-llm
输入完整报告文本,输出健康评级、主要发现(含严重程度)、优先行动清单和个性化生活方式建议(JSON + 通俗解读)。
★ 0 📥 413

unisound-health-risk-assessment

unisound-llm
体检健康风险评估:依据体检报告对心脑血管、糖代谢、肿瘤、代谢综合征等多维度风险进行分级,生成含时间节点的个性化健康管理方案(JSON 格式 + 健康风险报告)。
★ 1 📥 430