SKILLEMALL.ai

AF medical-record-structuring

Преобразование неструктурированных китайских клинических текстов (истории болезни, дневные записи, выписные эпикризы, амбулаторные карты) в структурированный JSON, соответствующий стандартам HL7 FHIR R4 и национальным стандартам электронных медицинских карт Китая (WS 445-2014, ICD-10, ICD-9-CM-3). Используйте, когда пользователь предоставляет медицинский текст и просит "структурировать / извлечь / разобрать историю болезни / преобразовать в FHIR / извлечь диагнозы / разобрать EMR".

машинный переводПоказать оригиналСкрыть оригинал«EN: Convert unstructured Chinese clinical narratives (admission notes,…»

EN: Convert unstructured Chinese clinical narratives (admission notes, progress notes, discharge summaries, outpatient records) into structured JSON aligned with HL7 FHIR R4 and Chinese national EMR standards (WS 445-2014, ICD-10, ICD-9-CM-3). Use when the user provides medical text and asks to "结构化 / 抽取 / 解析病历 / 转 FHIR / extract diagnoses / parse EMR". 中文:将非结构化中文临床文本(入院记录、病程记录、出院小结、门诊病历)转换为符合 HL7 FHIR R4 与国家电子病历共享文档规范(WS 445-2014、ICD-10、ICD-9-CM-3)的结构化 JSON。当用户提供病历文本并要求"结构化/抽取实体/解析病历/转FHIR"时触发。

ClawHub Agent Skills автор: boboy v1.0.0 MIT-0 15 файлов тело ≈ 1 671 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Преобразование неструктурированных китайских клинических текстов (истории болезни, дневные записи, выписные эпикризы, амбулаторные карты) в структурированный…

Как процесс F 51/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: templates/extraction_prompt.md

ПроцедураРазработкаБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
F
51/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: templates/extraction_prompt.md
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: templates/extraction_prompt.md

Процессный рейтинг: все десять параметров 51/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: templates/extraction_prompt.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): templates/extraction_prompt.md
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 44
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1671 токенов

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 500 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (8 блоков кода)
  • +3Все 6 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

Внешние проверки

ClawHub: clean
This skill locally converts user-provided Chinese medical notes into structured FHIR-style JSON, with no evidence of network upload, hidden persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.