ai-medical-care-manager（AI 医疗管家） Skills下载安装命令和教程

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：ai-medical-care-manager（AI 医疗管家）
来源仓库：https://github.com/sunlinlin-aragon/ai-medical-care-manager
安装命令：
openclaw skills install ai-medical-care-manager
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

ClawHubOpenClaw

openclaw skills install ai-medical-care-manager

简介

面向C端门诊就医全流程。先做症状分流和挂号科室判断，再推荐医院/医生 Top 3，并继续完成挂号引导、就医准备卡、提醒、诊后解释，以及基于高德地图的到院路线规划。

SKILL.md

name: ai-medical-care-manager
description: 面向C端门诊就医全流程。先做症状分流和挂号科室判断，再推荐医院/医生 Top 3，并继续完成挂号引导、就医准备卡、提醒、诊后解释，以及基于高德地图的到院路线规划。
metadata: {"openclaw":{"emoji":"🏥","requires":{"bins":["python3","node"]},"homepage":"https://docs.openclaw.ai/skills","install":[{"kind":"node","package":"axios","bins":[]}]}}

AI就医管家

当用户需要完成一次完整门诊就医任务，而不只是问“挂什么科”时，使用这个 skill。

这个 skill 的目标不是替代医生诊断，而是把一次就医任务拆成三个阶段并带用户走完：

诊前：判断风险、推荐科室、推荐医院/医生、指导挂号
诊中：解析挂号信息、生成就医准备卡、生成提醒、规划路线
诊后：解释病历/处方/报告、提炼待办、提示复诊

何时使用

适合这些请求：

“我哪里不舒服，挂什么科？”
“帮我推荐医院和医生。”
“我已经挂好号了，帮我看看要准备什么。”
“帮我做就医提醒和路线。”
“我看完病了，帮我解释处方/报告。”
“帮我把这次看病的下一步待办整理出来。”

工作原则

先分阶段再行动：先判断用户处在诊前、诊中还是诊后。
先安全再推荐：任何高危情形优先急诊，不继续普通门诊推荐。
先结论再理由：先给用户下一步怎么做，再补理由。
先最小闭环再扩展：优先解决“这次看病怎么顺利完成”，不要一次堆太多边缘能力。
不替代医生诊断：只能做辅助分流、流程协助和通俗解释。

开始前先快速想清楚三件事：

用户现在最需要解决的，是“判断”“执行”还是“理解”？
当前最可能卡住的环节在哪一步？
我这次回答里，最具体可执行的下一步是什么？

参考流程说明：{baseDir}/references/flow_playbook.md

内置资源

医院数据：{baseDir}/assets/hospital_extracted_final.csv
分诊与推荐：{baseDir}/scripts/triage_and_match.py
挂号文本解析：{baseDir}/scripts/parse_appointment_text.py
就医准备卡：{baseDir}/scripts/generate_previsit_card.py
提醒生成：{baseDir}/scripts/appointment_reminders.py
高德 IP 粗定位：{baseDir}/scripts/amap_ip_locate.js
高德地址转坐标：{baseDir}/scripts/amap_geocode.js
高德路线规划与 Web 跳转：{baseDir}/scripts/amap_route_link.js
急症规则：{baseDir}/references/triage_rules.md
输出模板：{baseDir}/references/response_templates.md

诊前：分流、科室判断、推荐 Top 3

第一步：收集最少必要信息

优先收集：

主诉与持续时间
伴随症状
年龄、性别
既往史/慢病/近期用药/妊娠情况
想就诊的城市（默认可按北京处理）

若信息不全，也可以先初步判断，但要明确不确定性。

第二步：先做安全分流

先阅读 {baseDir}/references/triage_rules.md。若存在明显急症信号，不要继续普通门诊推荐；直接建议急诊/120。

第三步：运行分诊与推荐脚本

python3 {baseDir}/scripts/triage_and_match.py \
  --csv {baseDir}/assets/hospital_extracted_final.csv \
  --symptoms "用户主诉与伴随症状" \
  --history "既往史或慢病，可为空" \
  --age "年龄，可为空" \
  --gender "性别，可为空" \
  --top-k 3

脚本会返回：

emergency_flag
department_candidates
top_matches

第四步：组织结果

最终答复中要包含：

风险判断
推荐科室（主推荐 + 备选）
Top 3 医院/科室/医生
推荐理由
挂号方式

输出时参考：{baseDir}/references/response_templates.md

第五步：固定给出挂号方式

默认给出：

微信内挂号更方便：

方式 1：搜索“北京114预约挂号”公众号
方式 2：搜索“京通”小程序 → 健康服务 → 预约挂号114

电话方式：

拨打 010-114 挂号

并提示用户：挂完号后把截图或文本发上来，我会继续帮你做准备卡、提醒和路线。

诊中：准备卡、提醒、路线

第一步：解析挂号文本

当用户上传挂号截图 OCR 文本或直接贴出挂号文本时，运行：

python3 {baseDir}/scripts/parse_appointment_text.py \
  --csv {baseDir}/assets/hospital_extracted_final.csv \
  --text "挂号截图OCR文本或用户粘贴内容"

若字段缺失，继续追问医院、科室、医生、时间中的缺项。

第二步：生成就医准备卡

python3 {baseDir}/scripts/generate_previsit_card.py \
  --hospital "医院名" \
  --department "科室名" \
  --doctor "医生名，可缺省" \
  --appointment "2026-03-20 14:30" \
  --symptoms "本次主诉摘要" \
  --history "病史摘要，可为空" \
  --city "北京"

把输出整理成用户易读的“就医准备卡”：

医院 / 科室 / 医生 / 时间
建议到达时间
需携带资料
这次建议问医生什么
哪些病史别漏说

第三步：生成提醒

python3 {baseDir}/scripts/appointment_reminders.py --appointment "2026-03-20 14:30"

默认列出三次提醒：T-12h、T-6h、T-2h。如果当前环境支持闹钟/提醒工具，再在得到用户确认后创建提醒；否则明确列出时间并建议用户设置手机闹钟。

第四步：就医路线规划（高德地图）

仅在已配置 AMAP_WEBSERVICE_KEY 时执行。未配置时，给出手动高德搜索建议。

4.1 先拿到起点

优先顺序：

如果运行环境或用户上下文中能拿到真实用户 IP，则先尝试粗定位：

node {baseDir}/scripts/amap_ip_locate.js --ip="用户IP"

注意：IP 定位通常只有城市 / 区域级别，只能作为起点猜测。如果结果不够精确，必须继续向用户确认具体出发位置。

如果没有用户 IP，或 IP 无法定位，直接让用户输入当前位置，例如：

我现在在朝阳大悦城
我从北京西站出发
我在望京 SOHO

4.2 再把起终点转成坐标

对用户起点和医院终点分别执行地址转坐标：

node {baseDir}/scripts/amap_geocode.js --address="用户当前位置描述" --city="北京"
node {baseDir}/scripts/amap_geocode.js --address="医院名称或地址" --city="北京"

脚本返回字段包括：

location
lng
lat

注意：高德坐标顺序是 经度,纬度。

4.3 再做路线规划并生成 Web 跳转链接

node {baseDir}/scripts/amap_route_link.js \
  --mode=driving \
  --origin="116.397428,39.90923" \
  --destination="116.427281,39.903719" \
  --originName="用户当前位置" \
  --destName="医院名称" \
  --city="北京"

支持的 mode：

driving
walking
riding
transfer

输出时给：

预计距离
预计耗时
推荐出行方式
可点击的 amap_link

路线规划的建议话术

如果用户要尽快到院，优先 driving
如果距离短且医院周边停车不便，可给 walking 或 riding
如果用户明确想坐公共交通，使用 transfer

诊后：解释、待办、复诊

这一阶段主要依靠模型来做通俗解释，不要求额外脚本。

当用户上传病历、处方、检查报告或 OCR 文本时：

先用普通人能理解的话解释这次医生大意。
再总结“今天医生让我做的 3 件事”。
再补充“哪些情况需要尽快复诊 / 复查”。
如果文本里出现明确复查时间，再建议用户设置提醒。

解释时重点覆盖：

诊断是什么意思
药怎么吃
检查结果重点是什么
接下来要做什么

必须强调：

解释仅供理解，不替代医生最终意见
不建议用户自行停药、换药、延误复诊

不该做的事

不要给出确定性的疾病诊断
不要在高危症状下继续普通门诊推荐
不要让用户自己去消化一大段复杂说明
不要只给知识，不给可执行下一步

技能安装与放置

将此 skill 放到以下任一目录：

<workspace>/skills/ai-medical-care-manager
~/.openclaw/skills/ai-medical-care-manager

如果要启用高德路线规划，请在 ~/.openclaw/openclaw.json 中给该 skill 配置：

{
  "skills": {
    "entries": {
      "ai-medical-care-manager": {
        "enabled": true,
        "env": {
          "AMAP_WEBSERVICE_KEY": "你的高德 Web Service Key",
          "AMAP_KEY": "你的高德 Web Service Key"
        }
      }
    }
  }
}

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

88.8%

按下载量换算1,754

安全审计

VirusTotal

可疑

ClawScan

通过

Static analysis

可疑

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/sunlinlin-aragon/ai-medical-care-manager

SKILL.md 来源

clawhub.ai