核心用法
本技能通过计算机视觉与行为识别算法，对视频输入进行实时分析，自动识别三类呼吸道症状：咳嗽（胸部剧烈起伏+口部动作）、咳痰（特定吐痰动作模式）、喘息（异常呼吸节律与声音关联动作）。系统捕捉胸部运动轨迹、身体姿态变化及口部微动作特征，区分正常呼吸与病理症状行为。支持两种输入方式：本地视频文件（multipart/form-data 上传）或网络视频 URL（API 自动下载），覆盖 MP4/AVI/MOV 格式，单文件上限 100MB。
操作流程遵循严格的身份验证机制：依次检查技能目录/公共目录 config.yaml 中的 api-key、用户显式提供的 open-id，缺失时必须暂停执行并索要用户名/手机号作为身份标识。识别完成后自动生成结构化监测报告，包含症状发作时间戳、频次统计、持续时长、动态趋势图表，并基于阈值算法输出风险等级（🟢正常/🟡轻度/🟠中度/🔴重度）及就医建议。
历史报告查询：触发关键词（如"查看历史监测报告""显示分析报告清单"）时，强制调用云端 API 获取数据，严格禁止读取本地 memory 文件或 LanceDB 长期记忆，结果以 Markdown 表格呈现，支持 reportImageUrl 超链接直达完整报告。
显著优点
1. 非侵入式监测：无需穿戴设备或物理接触，普通摄像头即可完成数据采集，大幅降低使用门槛
2. 多症状综合识别：单次分析覆盖咳嗽、咳痰、喘息三种核心呼吸道症状，优于单一症状检测工具
3. 量化趋势追踪：自动记录时间-频次-时长三维数据，生成可视化趋势图，支持长期健康管理
4. 场景化适配：内置 daily-check（日常监测）、post-op（术后康复）、hospital（病房监测）等场景模式，匹配不同监测需求
5. 早期预警机制：症状频次超阈值时主动推送提醒，为慢阻肺、哮喘、术后并发症等争取干预窗口期
潜在缺点与局限性
- 诊断边界明确：输出仅为"健康参考和早期异常提醒"，明确声明不能替代专业医师诊断，用户可能产生过度依赖
- 视频质量敏感：依赖清晰拍摄面部及上半身，光线不足、遮挡、角度偏差均可能降低识别准确率
- 隐私风险 inherent：持续视频采集涉及生物特征数据，虽未见本地存储说明，但云端传输存在泄露潜在风险
- 算法黑箱性：未公开识别模型的训练数据集、准确率指标（Precision/Recall/F1）、跨人群泛化能力验证结果
- 硬件依赖未明确：未说明最低帧率、分辨率要求，低端设备可能导致漏检
适合人群
- 慢性呼吸系统疾病患者：哮喘、慢阻肺（COPD）、支气管炎患者，需日常症状监测与急性发作预警
- 术后康复人群：胸部/肺部手术后需追踪呼吸功能恢复状态
- 老年人群体：居家养老场景下，子女远程关注父母呼吸健康状况
- 临床辅助场景：病房护士站批量筛查患者异常呼吸行为，减轻人工巡视负担
常规风险
1. 误诊风险：将正常清嗓、大笑后喘气等误判为症状，或漏检轻微咳嗽，导致虚假安全感或过度焦虑
2. 数据断档风险：强制云端查询规则下，若 API 服务异常或网络中断，无法回退到本地记忆，可能丢失历史连续性
3. 合规风险：医疗数据处理需符合《个人信息保护法》《数据安全法》及医疗健康数据相关规范，未见 explicit 合规声明
4. 延误就医风险：用户可能因"轻度风险"提示而忽视实际需急诊的情况，或相反因频繁告警产生alert fatigue 而忽略真正危险信号