Skill flagged — suspicious patterns detected

ClawHub Security flagged this skill as suspicious. Review the scan results before using.

重大疾病距离模拟器

v1.0.2

AI驱动的个性化"疾病距离"可视化工具。用户说一句"帮我看看我离重大疾病有多远",Agent通过自然对话逐步解析用户画像(性别、年龄、地域、生活习惯、职业、家族史等),结合最新精算表+癌症统计+流行病学数据,生成"你的重大疾病还有多远"的动态时间轴报告。 输出形式:2段式教育报告 —— ①距离可视化(预警期时间轴...

1· 75·0 current·0 all-time

Install

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for wwbwin/disease-distance-simulator.

Previewing Install & Setup.
Prompt PreviewInstall & Setup
Install the skill "重大疾病距离模拟器" (wwbwin/disease-distance-simulator) from ClawHub.
Skill page: https://clawhub.ai/wwbwin/disease-distance-simulator
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install disease-distance-simulator

ClawHub CLI

Package manager switcher

npx clawhub@latest install disease-distance-simulator
Security Scan
VirusTotalVirusTotal
Suspicious
View report →
OpenClawOpenClaw
Benign
medium confidence
Purpose & Capability
The skill claims to build a personalized 'disease distance' timeline from user demographics, lifestyle, family history and actuarial/epidemiological data. The SKILL.md asks the agent to gather those inputs and run RAG queries against listed public data sources — these requirements are coherent with the described purpose.
Instruction Scope
Instructions focus on conversational collection of sensitive health attributes (age, sex, BMI, family history, chronic conditions) and on performing real-time web searches (RAG) to fetch actuarial/epidemiological data. The scope stays within the skill's purpose, but collecting sensitive personal health information plus free-form RAG retrieval means user data could be exposed to external search providers or logs unless the platform/RAG connector is privacy-aware. SKILL.md does not instruct the agent to read unrelated system files or credentials.
Install Mechanism
This is an instruction-only skill with no install spec and no code files, so there is nothing being written to disk or downloaded — lowest install risk.
Credentials
The skill declares no required environment variables or credentials, which is proportionate given it's instruction-only. However, it states it will 'call联网搜索API' (perform RAG/search) without specifying which retrieval service or whether API keys, vector stores, or third-party connectors will be used — that ambiguity can affect where sensitive user inputs are sent and who can see them.
Persistence & Privilege
always:false and default agent invocation settings are used. The skill does not request elevated or permanent presence nor does it claim to modify other skills or global agent config.
Assessment
This skill is coherent with its stated goal, but before installing consider: (1) It will collect sensitive personal health data — confirm how and where that conversational data and any RAG prompt/context will be transmitted, logged, or stored by your platform and any search/RAG provider. (2) Ask what retrieval connector is used (internal safe search, your organization’s approved vector DB, or external web search API) and whether API keys or third-party services will see user-provided health data. (3) Understand retention and deletion policies for conversation logs and any generated reports. (4) Remember the skill explicitly states it is educational and not a medical diagnosis — do not rely on it for clinical decisions. If you need stronger privacy guarantees, require explicit mention of the retrieval endpoints, data handling, and opt-in consent for collecting health details before enabling.

Like a lobster shell, security has layers — review code before you run it.

educationvk97c8vezwwvctgqgjmdvzv18sd8520tthealthvk97c8vezwwvctgqgjmdvzv18sd8520ttlatestvk97c8vezwwvctgqgjmdvzv18sd8520tt
75downloads
1stars
2versions
Updated 1w ago
v1.0.2
MIT-0

重大疾病距离模拟器 | Disease Distance Simulator

"看清自己的健康未来,比什么都重要。"

核心理念

从"冰冷概率"转向"可视化的健康未来"

传统健康评估:填表 → 算概率 → 给结论 → 用户一脸懵
本技能:对话 → 画像建模 → 时间轴可视化 → 教育性建议 → 用户自主决策

用户喜欢看"可视化未来",不喜欢"冰冷概率"。本技能用AI+RAG把精算数据变成"你的重大疾病还有X年预警期"的可感知信息。


工作流程

用户触发(自然语言,无需填表)
  ↓
【阶段1:渐进式画像解析】
  Agent通过自然对话逐步收集:
  - 基础画像:性别、年龄、地域
  - 生活方式:睡眠、饮食、运动、吸烟饮酒、久坐
  - 职业环境:工作类型、压力、出差/夜班
  - 健康因素:BMI、慢性病、家族史、体检情况
  ↓
【阶段2:RAG实时数据查询】
  基于画像,查询:
  - 2020重疾表:年龄段性别发生率
  - 2025生命表:预期寿命、死亡率
  - 国家癌症中心数据:地域癌症谱
  - GBD流行病学数据:风险因素权重
  ↓
【阶段3:AI风险预测建模】
  大模型综合分析:
  - 基础发生率 × 生活方式系数 × 职业系数 × 健康系数
  - 生成"疾病距离"时间轴
  - 识别高发疾病类型
  ↓
【阶段4:2段式教育报告输出】
  ① 距离可视化:你的重大疾病预计还有X年"预警期"
  ② 身体信号+缓解行动清单:个性化、可执行

交互设计:渐进式自然对话

触发方式

用户输入任一自然语言即可触发:

  • "帮我看看我离重大疾病有多远"
  • "我的健康生命线还有多长"
  • "我想知道我的重疾风险"
  • "帮我做个疾病距离模拟"

对话引导策略

不要求一次性填完表单,而是通过自然对话逐步获取信息:

【示例对话】

用户: 帮我看看我离重大疾病有多远

Agent: 好的,让我帮你做个"疾病距离"模拟。先问几个简单问题:
       你是男士还是女士?今年大概多少岁?

用户: 男,45岁,做销售的

Agent: 收到。45岁男性,销售工作——这个职业比较辛苦,应酬多、压力大。
       你目前在哪个城市?平时的生活习惯怎么样?比如睡眠、运动、吸烟喝酒这些?

用户: 北京,睡眠一般6小时,很少运动,偶尔喝酒

Agent: 北京一线城市,工作节奏快。6小时睡眠偏少,偶尔喝酒还好。
       你身高体重多少?家里父母或兄弟姐妹有没有什么慢性病史?比如高血压、糖尿病、癌症这些?

用户: 175cm,85kg,我爸有高血压,其他没什么

Agent: BMI约27.8,属于超重。父亲有高血压,这个有遗传倾向。
       最后问一下:你最近两年有做过体检吗?有没有查出什么异常指标?

用户: 去年体检说血脂偏高,其他还好

Agent: 好的,信息收集完毕。正在为你生成"疾病距离模拟报告"...
       [生成报告中...]

信息收集清单

维度关键信息对话中自然获取
基础画像性别、年龄、常驻城市
生活方式睡眠、运动、吸烟饮酒、饮食习惯、久坐时长
职业环境工作类型、压力水平、出差/夜班频率
健康因素身高体重(BMI)、慢性病史、家族史、体检异常

交互原则:像朋友聊天一样,不要像审问犯人。如果用户主动提供信息,直接记录;如果没有,自然地询问。


数据底座:RAG实时查询

核心数据源

数据源提供信息更新频率
《中国人身保险业重大疾病经验发生率表(2020)》6病种/25病种/28病种分年龄性别发生率静态
《中国人身保险业经验生命表(2025)》预期寿命、死亡率、生存概率2025年新发布
国家癌症中心统计分省份癌症发病率、死亡率、癌谱分布年度更新
GBD全球疾病负担数据风险因素权重、慢性病流行病学数据年度更新

RAG查询策略

当用户画像确定后,Agent通过联网搜索实时查询:

查询示例:
1. "45岁男性 重大疾病发生率 2020重疾表"
2. "北京 肺癌发病率 2025年统计"
3. "销售职业 健康风险 久坐 心血管"
4. "BMI 27 高血压家族史 心血管风险"

为什么用RAG而不是硬编码?

  • 硬编码数据会过时,RAG实时查询确保最新
  • 不同地域癌症谱差异大(如沿海肝癌高发、内陆食管癌高发)
  • 新版生命表(2025版)刚发布,旧版数据已不再适用

AI风险预测模型

风险系数计算

综合风险指数 = 基础发生率 × 生活方式系数 × 职业系数 × 健康系数 × 地域系数

其中:
- 基础发生率:来自2020重疾表,分年龄性别
- 生活方式系数:睡眠×运动×吸烟饮酒×饮食×久坐
- 职业系数:工作类型×压力×环境因素
- 健康系数:BMI×慢性病×家族史×体检异常
- 地域系数:来自国家癌症中心分省份数据

"疾病距离"计算逻辑

疾病距离(年)= 预期发病年龄 - 当前年龄

预期发病年龄估算:
- 基于重疾发生率曲线,找到累计发病率达到50%的年龄点
- 根据个人风险系数调整(高风险提前,低风险延后)

预警期分级

预警期含义建议
>20年"远期预警"保持健康生活方式,定期体检
10-20年"中期预警"关注风险因素,考虑专项筛查
5-10年"近期预警"加强健康管理,咨询专业医生
<5年"紧急预警"立即就医检查,加强健康管理

输出:3段式教育报告

报告模板

═══════════════════════════════════════════════════════
    重大疾病距离模拟报告
═══════════════════════════════════════════════════════

【报告编号】DDS-202X-XXXXXX
【生成日期】YYYY年MM月DD日
【数据来源】
  · 中国人身保险业重大疾病经验发生率表(2020)
  · 中国人身保险业经验生命表(2025)
  · 国家癌症中心统计年报
  · GBD全球疾病负担数据

⚠️ 声明:本报告仅供健康教育参考,不构成医疗诊断或治疗建议。
═══════════════════════════════════════════════════════

## 第一部分:你的"疾病距离"可视化

### 📊 健康生命线时间轴

当前年龄 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 预期发病年龄 ↓ ↓ 45岁 约68岁 |←────────── 剩余"预警期"约 23 年 ──────────→|


### 你的预警期评级

| 指标 | 你的数值 | 参考范围 | 评价 |
|------|---------|---------|------|
| 预警期 | **XX年** | 10-30年 | [评级] |
| 综合风险指数 | **X.XX** | 1.0-6.0 | [评级] |
| 预期发病年龄 | **XX岁** | 同龄平均XX岁 | [对比] |

### 你需要重点关注的疾病

根据你的画像,按风险从高到低排序:

| 排名 | 疾病类型 | 为什么关注你 | 发病率参考 |
|------|---------|-------------|-----------|
| 1 | **心脑血管疾病** | 高压职业+超重+高血压家族史 | X.XX% |
| 2 | **肺癌** | 吸烟/二手烟/空气污染因素 | X.XX% |
| 3 | **结直肠癌** | 久坐+饮食不规律+应酬饮酒 | X.XX% |
| 4 | **肝癌** | 饮酒+潜在脂肪肝风险 | X.XX% |
| 5 | **糖尿病** | 超重+饮食不规律+高血压家族史 | X.XX% |

---

## 第二部分:身体信号 + 缓解行动清单

### 🚨 你现在可能已经有的"身体信号"

根据你提供的信息,以下症状值得关注:

| 信号 | 可能原因 | 你的情况 | 建议 |
|------|---------|---------|------|
| 疲劳感加重 | 睡眠不足+工作压力 | 睡眠6小时 | ⚠️ 关注 |
| 血脂偏高 | 饮食不规律+久坐 | 已体检确认 | ⚠️ 需干预 |
| 体重超标 | 久坐+应酬饮食 | BMI 27.8 | ⚠️ 需干预 |
| 血压波动风险 | 家族史+压力 | 父亲有高血压 | 关注 |

### ✅ 个性化缓解行动清单

**【立即行动——本周开始】**

| 行动 | 具体做法 | 预期效果 |
|------|---------|---------|
| 🌙 恢复睡眠 | 每晚11点前入睡,保证7小时 | 降低心血管风险15% |
| 🥗 控制应酬饮食 | 应酬时少油少盐,避免暴饮暴食 | 改善血脂指标 |
| 🚶 每天走6000步 | 午休或下班后快走30分钟 | 降低久坐危害 |

**【短期目标——1-3个月】**

| 行动 | 具体做法 | 预期效果 |
|------|---------|---------|
| 📋 完整体检 | 包含心血管、肿瘤标志物、肝肾功能 | 建立健康基线 |
| 💪 加入运动计划 | 每周3次中等强度运动 | 降低综合风险10% |
| 📊 监测血压 | 每周测量2次,记录趋势 | 早期发现高血压 |

**【长期目标——1年以上】**

| 行动 | 具体做法 | 预期效果 |
|------|---------|---------|
| 🏃 建立运动习惯 | 每周150分钟中等强度运动 | 降低全因死亡率20% |
| 🥦 饮食结构调整 | 减少红肉、增加蔬果、控制饮酒 | 降低癌症风险15% |
| 😴 睡眠质量提升 | 规律作息、睡前不看手机 | 改善整体健康状态 |

---

## 附录:数据来源说明

本报告数据来源于以下权威机构:

1. **中国精算师协会**《中国人身保险业重大疾病经验发生率表(2020)》
2. **中国精算师协会**《中国人身保险业经验生命表(2025)》(2025年10月发布)
3. **国家癌症中心**《Cancer Incidence and Mortality in China, 2022》及各省肿瘤登记年报
4. **华盛顿大学IHME**《Global Burden of Disease Study》(GBD 2021)

以上数据通过联网搜索实时查询,确保信息的时效性和准确性。

---

## 免责声明

本报告基于公开数据和你提供的信息生成,仅供健康教育和风险认知参考,不构成任何形式的医疗诊断或治疗建议。

如有健康问题,请咨询专业医疗机构。

═══════════════════════════════════════════════════════
报告生成时间:YYYY-MM-DD HH:MM
Skill版本:2.0.0
═══════════════════════════════════════════════════════

技术实现要点

1. 渐进式信息收集

  • 使用对话状态追踪,记录已收集的信息
  • 不强制一次性收集所有信息,允许用户分多次对话完成
  • 如果用户主动提供额外信息,及时更新画像

2. RAG实时查询

  • 基于用户画像生成搜索关键词
  • 调用联网搜索API获取最新数据
  • 对搜索结果进行信息提取和整合

3. 风险预测模型

  • 基于重疾表数据建立基础发生率模型
  • 叠加生活方式、职业、健康因素系数
  • 生成"疾病距离"时间轴可视化

4. 报告输出

  • 纯健康教育导向,不涉及任何产品推荐
  • 以数据可视化帮助用户理解自身健康风险

版本信息

  • Skill版本:2.0.0
  • 更新日期:2026-04-18
  • 核心变更
    • 从"固定问卷"改为渐进式自然对话
    • 数据底座新增2025版生命表 + 实时RAG查询
    • 输出形式为2段式教育报告(距离可视化+行动清单)
    • 纯健康教育导向,不涉及产品推荐
  • 数据来源
    • 中国精算师协会《重大疾病经验发生率表(2020)》
    • 中国精算师协会《经验生命表(2025)》
    • 国家癌症中心统计年报
    • GBD全球疾病负担数据

Comments

Loading comments...