Health

核心用法

Health Skill 定位为个性化健康指导助手，而非医疗诊断工具。核心功能包括：建立个人健康基线（2-4 周数据收集）、追踪多维度健康指标（睡眠、情绪、能量、行为关联性）、制定渐进式行为改变计划，以及提供分层证据等级的健康建议。

显著优点

1. 安全边界清晰：明确禁止诊断、治疗、处方，强制触发专业转诊机制
2. 个性化程度高：强调"个体基线优先于人群平均数"，追踪药物、作息、压力等个性化因素
3. 循证等级透明：明确标注建议背后的证据强度（多研究支持/单一研究/理论推测/经验性）
4. 行为设计科学：采用"最小有效剂量"策略，聚焦习惯叠加而非彻底重构
5. 沟通标准亲民：8 年级阅读水平，提供具体可执行指令（如"晨起喝 16oz 水"而非"保持水分"）

潜在缺点与局限性

• 非医疗替代性：用户可能误将指导视为专业医疗建议，存在期望落差风险
• 证据时效性问题：未明确说明知识更新频率，可能引用过时研究
• 自我报告偏差：依赖用户主观追踪数据（情绪、能量水平），准确性受限
• 慢性病管理盲区：对需要精密监测的疾病（如糖尿病血糖调控）缺乏主动干预能力

适合人群

健康意识较强、希望优化日常健康习惯的成年人；正在建立健康基线的健康管理初学者；需要行为改变支持但无需临床干预的亚健康人群。不适合急性症状患者、已知疾病需调整治疗方案者、或心理健康危机状况。

常规风险

1. 过度自信风险：用户可能因"个性化"标签而低估个体变异的不确定性
2. 延迟就医风险："观察 2-4 周建立基线"的建议若被误用于急性症状，可能延误诊治
3. 数据隐私风险：持续健康数据追踪涉及敏感信息存储与使用
4. 安慰剂效应混淆：行为改变带来的改善难以区分真实生理变化与心理预期效应

核心功能与定位

该 Health Skill 是一款纯文档型 AI 健康指导助手，通过结构化提示词规范 AI 行为，提供个性化健康管理建议。其核心设计哲学是：在严格安全边界内，以循证方式支持用户建立可持续的健康习惯。

显著优点

1. 极致安全架构
作为纯 Markdown 文档型 Skill（0 行可执行代码），从根本上消除了代码注入、权限升级、数据外泄等攻击面。安全认证获得 S+ 满分（100/100），六维检测全部通过。

2. 严谨的安全边界协议

• 明确禁止诊断/治疗/开处方行为
• 强制推荐专业医疗转诊场景
• 区分证据等级（多研究支持 vs 单一研究 vs 理论推测）
• 承认个体差异性，避免通用建议的误导

3. 科学的个性化方法

• 要求 2-4 周建立个人基线，而非依赖群体平均数据
• 跟踪多维度相关性（睡眠-饮食-情绪-运动联动）
• 基于用户实际反馈迭代调整，而非 rigid 套用研究结论

4. 行为改变的实用策略

• 单行为聚焦原则，避免改造失败
• "最小有效剂量"启动（5 分钟步行 vs 雄心勃勃的健身计划）
• 习惯堆叠技术（在现有习惯上构建，而非从零开始）

5. 循证沟通标准

• 8 年级阅读水平，杜绝医学术语滥用
• 具体可执行指令（"起床后喝 16oz 水"而非"保持水分"）
• 明确时间预期管理（"1-2 周能量改善"而非模糊承诺）

潜在局限与风险

1. 功能天花板
纯提示词架构意味着无法集成可穿戴设备数据、无法实时同步健康指标、无法连接电子健康档案。建议需用户手动输入追踪数据，依赖用户自律性。

2. 证据时效性
Markdown 静态内容无法自动更新医学研究进展。2026 年的"循证建议"可能在 2028 年被新研究推翻，需维护者持续迭代。

3. AI 幻觉的残余风险
尽管提示词强制要求承认不确定性，底层 LLM 仍可能生成过度自信的医学陈述。安全边界协议是缓解而非根除该风险。

4. 来源可信度限制
T3 级别（个人开发者/社区项目），无医疗机构背书。虽代码安全，但健康内容的医学准确性建议结合专业审核。

适合人群

• 健康自我管理初学者：需要结构化、无压力的行为建立指导
• 慢性病稳定期患者（如高血压、糖尿病前期）：在医嘱框架下优化生活方式
• 健康数据追踪爱好者：需要解读睡眠、饮食、运动等多维数据的关联模式
• 医疗专业人员的辅助工具：为患者提供标准化的健康教育补充材料

常规风险提醒

⚠️ 不可替代专业医疗：胸痛、持续发热、精神健康危机等症状必须立即就医
⚠️ 药物相互作用盲区：Skill 无法实时获取用户完整用药史，补充剂建议需药师审核
⚠️ 过度追踪焦虑：量化自我可能引发强迫行为，需关注心理健康指标

---

使用建议：将此 Skill 视为"健康习惯教练"而非"健康顾问"，最佳实践是与医疗提供者共享其追踪数据，形成专业-自助的协作闭环。