安诊儿AntAngelMed医学模型落地：基于SKILL架构构建糖尿病高血压智能咨询助手.137

一、系统概述

本系统是一套基于SKILL技能架构、聚焦糖尿病 + 高血压双慢病管理的全栈智能体，整合了专业医学大模型（AntAngelMed）、前后端实时交互、模块化技能体系，专为慢病患者、社区医护人员、家庭健康管理者设计，提供精准、专业、可落地的慢病咨询与管理服务。

系统核心优势的在于"技能化拆分、模块化扩展"，将慢病管理的核心能力（如血糖评估、血压解读、饮食指导、用药提醒等）拆分为标准化SKILL技能单元，每个技能独立开发、独立迭代、可动态加载，既保证了医学建议的专业性，又兼顾了系统的可扩展性和可维护性，彻底解决传统慢病咨询"响应慢、不精准、功能零散"的痛点。

同时，系统采用标准的AntAngelMed医学模型调用格式，确保所有医学建议均符合临床规范，避免非专业误导；前端设计简洁直观，适配不同年龄段用户（尤其是中老年慢病患者），操作便捷，无需专业技术基础即可轻松使用；后端基于 FastAPI+WebSocket 实现实时对话，无延迟交互，让用户获得一对一专属慢病顾问的体验。

早前我们通过普通调用的方式也实现慢病管理的基础智能体，可以结合对比看看基于SKILL做了哪些特性应用变更：
大模型应用：基于安诊儿AntAngelMed模型+FastAPI构建慢病管理AI助手.86https://blog.csdn.net/minhuan/article/details/158010752?spm=1001.2014.3001.5501

二、核心功能

**实时慢病咨询：**针对糖尿病、高血压相关问题，提供 7x24 小时实时响应，涵盖血糖、血压解读、症状分析、风险预警等。
**个性化指导：**根据用户提问，结合医学模型生成个性化饮食、运动、用药建议，适配不同患者的身体状况，如糖尿病合并高血压、老年患者、肥胖患者等。
**技能化交互：**基于 SKILL 架构，自动匹配用户需求与对应技能，确保建议精准、聚焦，避免无关信息干扰。
**可扩展能力：**支持动态新增 SKILL 技能，如体检报告解读、并发症预防、慢病随访提醒等，无需修改核心代码，快速适配业务升级。
**简洁可视化：**前端界面清晰易懂，对话记录可追溯，方便用户反复查看医学建议，也便于医护人员了解患者咨询情况。

功能适配的应用场景：

个人慢病管理：糖尿病、高血压患者日常咨询，如血糖或血压异常解读、饮食运动疑问、用药困惑等。
社区医疗服务：社区医护人员辅助工具，快速响应居民慢病咨询，减轻工作负担。
家庭健康监护：家属为老人咨询慢病护理知识，获取专业、可操作的护理建议。
慢病科普教育：用户主动了解糖尿病、高血压的预防、护理、并发症控制等知识。

三、项目架构

1. 整体架构

分层清晰，贴合 SKILL 体系：

前端层：静态网页（HTML+CSS+JS），提供实时对话界面，支持键盘输入、点击发送，适配PC端、移动端，交互流畅。
通信层：WebSocket 长连接，实现前端与后端的全双工实时通信，确保对话无延迟、无刷新，提升用户体验。
后端层：FastAPI 框架，负责请求处理、技能调度、模型调用，同时提供静态资源挂载，简化部署流程。
SKILL 核心层：包含 SkillRegistry技能注册中心和各类慢病 SKILL 技能，是系统的能力核心，负责技能加载、匹配、执行。
模型调用层：基于 OpenAI SDK，严格按照标准格式调用 AntAngelMed 医学模型，确保医学建议的专业性和准确性。
配置层：.env 环境变量配置，统一管理模型地址、API 密钥等敏感信息，便于部署和维护。

2. 核心技术栈说明

**FastAPI：**后端框架，轻量、高效，负责处理前端请求、调度技能、调用模型，支持WebSocket实时通信
**WebSocket：**实时通信，实现前端与后端的双向实时对话，避免页面刷新，提升交互体验
**OpenAI SDK：**模型调用，按照指定格式调用AntAngelMed医学模型，获取专业医学建议
**SKILL架构：**能力管理，将慢病管理能力拆分为标准化技能，实现模块化开发、动态扩展
**YAML：**技能配置，用于编写SKILL.md，定义技能的触发条件、输入输出规范，实现机器可读、人类可懂
**PyYAML：**辅助工具，用于技能元数据解析，提升系统可维护性

3. 完整目录结构

chronic_agent/ # 项目根目录

├── main.py # 后端核心入口

├── skill_registry.py # SKILL注册中心

├── skills/ # 慢病管理SKILL技能包

│ ├── diabetes_assess/ # 糖尿病评估技能

│ │ ├── SKILL.md # 技能元数据文件

│ │ └── impl.py # 技能执行逻辑

│ ├── hypertension_assess/ # 高血压评估技能

│ │ ├── SKILL.md

│ │ └── impl.py

│ ├── diet_guide/ # 饮食指导技能

│ │ ├── SKILL.md

│ │ └── impl.py

│ └── risk_warning/ # 风险预警技能

│ ├── SKILL.md

│ └── impl.py

├── static/ # 前端静态资源目录

│ └── index.html # 前端实时对话页面

├── .env # 环境变量配置文件

└── requirements.txt # 项目依赖清单

四、项目文件详细

1. 所需依赖和插件 requirements.txt

fastapi # 后端框架，用于搭建API服务和WebSocket通信

uvicorn[standard] # 服务器，用于启动FastAPI服务，支持实时通信

websockets # 支持WebSocket协议，实现前后端实时对话

python-dotenv # 读取.env环境变量，管理敏感配置（如API密钥）

pydantic # 数据校验，确保技能输入输出格式规范

requests # 用于备用模型调用，如需扩展其他API

matplotlib # 用于技能可视化、数据统计，如慢病咨询量统计

pyyaml # 解析SKILL.md中的YAML格式元数据，加载技能信息

watchdog # 用于技能文件变更自动重载，提升开发效率

openai>=1.0 # OpenAI SDK，调用AntAngelMed医学模型，须安装对应版本

2. 配置文件 .env

XML 复制代码

# 医学模型配置
OPENAI_BASE_URL=https://api.tbox.cn/api/llm/v1/  # 模型基础地址，可按实际支持调整
OPENAI_API_KEY=your-token-here                   # 替换为模型调用的实际API密钥
MODEL_NAME=AntAngelMed                           # 模型名称，固定为AntAngelMed

说明：配置时，只需将your-token-here替换为实际API密钥，其他参数无需修改，确保模型调用正常。

3. 技能注册中心 skill_registry.py

python 复制代码

import os
import yaml
import importlib
from typing import Dict, Any

class SkillRegistry:
    """
    SKILL技能注册中心（核心组件）
    作用：扫描skills目录下的所有技能，加载技能元数据，提供技能匹配、实例化功能
    特点：自动加载、动态管理，新增技能无需修改核心代码，直接放入skills目录即可
    """
    def __init__(self, skill_dir="skills"):
        self.skill_dir = skill_dir  # 技能存放目录（默认skills）
        self.skills: Dict[str, Any] = {}  # 存储所有加载的技能（key：技能名称，value：技能元数据）
        self.load_all_skills()  # 初始化时加载所有技能

    def load_all_skills(self):
        """加载skills目录下的所有SKILL技能，自动解析SKILL.md元数据"""
        self.skills.clear()  # 清空技能列表，避免重复加载
        # 遍历skills目录下的所有文件夹（每个文件夹对应一个技能）
        for name in os.listdir(self.skill_dir):
            path = os.path.join(self.skill_dir, name)
            if os.path.isdir(path):  # 只处理文件夹（排除文件）
                self.load_skill(path)  # 加载单个技能
        # 打印加载结果，便于开发调试
        print(f"✅ 慢病管理技能加载完成：共加载 {len(self.skills)} 个技能")
        print(f"📋 已加载技能：{[name for name in self.skills.keys()]}")

    def load_skill(self, path):
        """加载单个技能，解析SKILL.md中的元数据"""
        # 找到技能的SKILL.md文件（核心配置文件，必须存在）
        md_path = os.path.join(path, "SKILL.md")
        if not os.path.exists(md_path):
            print(f"⚠️  跳过无效技能：{os.path.basename(path)}（缺少SKILL.md文件）")
            return
        # 读取并解析SKILL.md中的YAML元数据（机器可解析部分）
        with open(md_path, 'r', encoding='utf-8') as f:
            content = f.read()
            # SKILL.md采用YAML+Markdown混合格式，提取YAML部分（---之间的内容）
            if '---' in content:
                yaml_content = content.split('---')[1]
                skill_meta = yaml.safe_load(yaml_content)
                # 记录技能的模块路径，用于后续实例化
                skill_meta['module'] = f"skills.{os.path.basename(path)}.impl"
                # 将技能元数据存入技能列表
                self.skills[skill_meta['name']] = skill_meta
                print(f"✅ 加载技能：{skill_meta['name']}（{skill_meta['description']}）")

    def match(self, query):
        """
        根据用户查询内容，匹配最适合的SKILL技能
        匹配规则：根据技能的trigger.keywords（触发关键词），匹配用户查询中的关键词
        返回：匹配到的技能列表（按匹配度排序，第一个为最优匹配）
        """
        matched_skills = []
        # 将用户查询转为小写，避免大小写影响匹配
        user_query = query.lower()
        # 遍历所有已加载的技能，匹配关键词
        for skill in self.skills.values():
            # 检查用户查询是否包含当前技能的触发关键词
            for keyword in skill['trigger']['keywords']:
                if keyword.lower() in user_query:
                    matched_skills.append(skill)
                    break  # 匹配到一个关键词即可，无需重复匹配
        return matched_skills

    def get_instance(self, skill_name):
        """
        根据技能名称，获取技能实例（用于执行技能逻辑）
        原理：通过importlib导入技能的impl.py模块，调用get_skill()方法获取实例
        """
        if skill_name not in self.skills:
            raise ValueError(f"❌ 技能不存在：{skill_name}（请检查技能名称或是否已加载）")
        # 获取技能的模块路径（如：skills.diabetes_assess.impl）
        skill_module = self.skills[skill_name]['module']
        # 导入技能模块
        mod = importlib.import_module(skill_module)
        # 返回技能实例（每个技能的impl.py都必须实现get_skill()方法）
        return mod.get_skill()

4. 智能体调度引擎 main.py

python 复制代码

from fastapi import FastAPI, WebSocket, WebSocketDisconnect
from fastapi.staticfiles import StaticFiles
from fastapi.responses import FileResponse
from openai import OpenAI
import os
import asyncio
from dotenv import load_dotenv
from skill_registry import SkillRegistry

# 加载.env环境变量（优先加载敏感配置，避免硬编码）
load_dotenv()

# 初始化FastAPI应用（后端服务核心）
app = FastAPI(
    title="糖尿病&高血压慢病管理SKILL智能体",
    description="基于SKILL架构、AntAngelMed医学模型的全栈慢病管理系统，提供实时咨询、个性化指导服务",
    version="1.0.0"
)

# 挂载前端静态资源（让后端能够访问static目录下的index.html）
app.mount("/static", StaticFiles(directory="static"), name="static")

# 初始化SKILL技能注册中心（加载所有慢病管理技能）
registry = SkillRegistry()

# 初始化医学模型客户端（严格按照你提供的调用格式配置）
model_client = OpenAI(
    base_url=os.getenv("OPENAI_BASE_URL"),  # 从.env读取模型基础地址
    api_key=os.getenv("OPENAI_API_KEY")     # 从.env读取API密钥
)

class ConnectionManager:
    """
    WebSocket连接管理类
    作用：管理所有前端连接，实现消息发送、连接建立/断开等功能
    确保多用户同时访问时，对话不冲突、不串线
    """
    def __init__(self):
        self.active_connections = []  # 存储当前活跃的WebSocket连接

    async def connect(self, websocket: WebSocket):
        """建立WebSocket连接，接收前端请求"""
        await websocket.accept()  # 接受前端连接
        self.active_connections.append(websocket)  # 将连接加入活跃列表
        print(f"🔗 新用户连接：当前在线人数 {len(self.active_connections)}")

    def disconnect(self, websocket: WebSocket):
        """断开WebSocket连接，清理资源"""
        self.active_connections.remove(websocket)  # 从活跃列表中移除连接
        print(f"🔌 用户断开连接：当前在线人数 {len(self.active_connections)}")

    async def send_message(self, message: str, websocket: WebSocket):
        """向指定前端连接发送消息（实时对话核心）"""
        await websocket.send_text(message)  # 发送文本消息

# 实例化连接管理器
conn_manager = ConnectionManager()

def call_medical_model(prompt: str) -> str:
    """
    调用AntAngelMed医学模型，获取专业医学建议
    参数：prompt - 经过格式化的用户查询（结合技能需求，优化提问方式）
    返回：模型返回的医学建议（字符串），异常时返回友好提示
    """
    try:
        # 严格按照你提供的格式调用模型
        response = model_client.chat.completions.create(
            model=os.getenv("MODEL_NAME"),  # 模型名称（AntAngelMed）
            messages=[{"role": "user", "content": prompt}]  # 消息格式（仅用户角色）
        )
        # 提取模型返回的内容（取第一个结果）
        return response.choices[0].message.content
    except Exception as e:
        # 捕获模型调用异常，返回友好提示（避免用户看到技术错误）
        return f"⚠️  医学咨询暂时无法响应，请稍后再试（错误信息：{str(e)[:50]}）"

def execute_skill_flow(user_query: str) -> str:
    """
    技能执行流程（核心逻辑）
    步骤：1. 匹配用户查询对应的SKILL技能 → 2. 执行技能逻辑 → 3. 返回结果
    若未匹配到技能，直接调用医学模型进行通用咨询
    """
    # 1. 匹配技能（根据用户查询中的关键词，找到最适合的技能）
    matched_skills = registry.match(user_query)
    
    # 2. 执行技能（若匹配到技能，优先执行技能逻辑；否则直接调用模型）
    if not matched_skills:
        # 未匹配到技能，直接调用医学模型，进行通用慢病咨询
        print(f"🔍 未匹配到具体技能，直接调用医学模型处理：{user_query}")
        return call_medical_model(f"请作为专业的糖尿病、高血压慢病管理助手，简洁、专业、可执行地回答用户问题：{user_query}")
    else:
        # 匹配到技能，优先执行最优技能（第一个匹配到的技能）
        best_skill = matched_skills[0]
        print(f"🔍 匹配到技能：{best_skill['name']}，执行技能逻辑")
        # 获取技能实例，执行技能
        skill_instance = registry.get_instance(best_skill['name'])
        # 调用技能的execute方法，传入用户查询数据
        skill_result = skill_instance.execute({"query": user_query})
	    # 统一处理字典格式，只返回建议文本
        if isinstance(skill_result, dict):
            return skill_result.get("result", "暂无建议")
        return str(skill_result)
        # return skill_result

# 前端页面访问路由（用户访问根路径时，返回前端对话页面）
@app.get("/")
def home_page():
    """返回前端实时对话页面，用户交互入口"""
    return FileResponse("static/index.html")

# WebSocket实时对话路由（核心交互接口）
@app.websocket("/ws")
async def websocket_endpoint(websocket: WebSocket):
    """
    WebSocket实时对话处理逻辑
    作用：接收前端用户输入，执行技能/模型调用，返回实时响应
    """
    # 建立WebSocket连接
    await conn_manager.connect(websocket)
    try:
        # 循环监听前端消息（持续接收用户输入）
        while True:
            # 接收前端发送的用户查询（文本消息）
            user_message = await websocket.receive_text()
            # 向用户发送"用户输入"提示（便于用户区分自己和AI的消息）
            await conn_manager.send_message(f"👤 你：{user_message}", websocket)
            # 向用户发送"AI思考中"提示（提升用户体验，避免用户以为系统无响应）
            await conn_manager.send_message(f"⚕️ 慢病助手：正在为你分析...", websocket)
            
            # 执行技能/模型调用（使用asyncio.to_thread，避免阻塞WebSocket连接）
            response_result = await asyncio.to_thread(execute_skill_flow, user_message)
            
            # 向用户发送AI的响应结果（格式化显示，清晰易懂）
            await conn_manager.send_message(f"✅ 慢病助手：{response_result}", websocket)
    except WebSocketDisconnect:
        # 捕获用户断开连接异常，清理连接资源
        conn_manager.disconnect(websocket)
    except Exception as e:
        # 捕获其他异常，向用户发送友好提示
        await conn_manager.send_message(f"❌ 系统异常：{str(e)[:50]}，请稍后再试", websocket)
        conn_manager.disconnect(websocket)

# 启动服务（直接运行main.py即可启动，无需额外配置）
if __name__ == "__main__":
    import uvicorn
    print("🚀 慢病管理智能体服务启动中...")
    print("📌 访问地址：http://127.0.0.1:8000")
    print("💡 提示：请确保.env文件中的API密钥配置正确，否则无法调用医学模型")
    # 启动uvicorn服务器，监听0.0.0.0:8000（可通过IP访问，支持局域网共享）
    uvicorn.run(app, host="0.0.0.0", port=8000)

5. 前端页面 static/index.html

html 复制代码

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>糖尿病 & 高血压 慢病管理智能体</title>
    <style>
        /* 全局样式：简洁、清晰，适配中老年用户，避免复杂设计 */
        *{margin:0;padding:0;box-sizing:border-box;font-family:"Microsoft YaHei", Arial, sans-serif}
        body{background:#f7f9fc;/* 浅灰色背景，保护视力 */}
        .container{max-width:900px;margin:30px auto;display:flex;flex-direction:column;height:90vh;/* 占满屏幕高度，提升体验 */}
        /* 标题样式：突出主题，颜色温和 */
        .title{text-align:center;color:#009688;font-size:22px;font-weight:bold;margin-bottom:15px;}
        .subtitle{text-align:center;color:#666;font-size:14px;margin-bottom:10px;}
        /* 对话区域：白色背景，阴影效果，提升层次感 */
        .chat-box{flex:1;background:white;border-radius:12px;padding:20px;overflow-y:auto;box-shadow:0 2px 10px rgba(0,0,0,0.05);}
        /* 输入区域：固定在底部，操作便捷 */
        .input-area{display:flex;margin-top:15px;}
        #message-input{flex:1;padding:16px;border:1px solid #ddd;border-radius:8px;font-size:15px;outline:none;}
        #message-input:focus{border-color:#009688;/* 输入框聚焦时变色，提示用户 */}
        .send-btn{padding:16px 24px;background:#009688;color:white;border:none;border-radius:8px;margin-left:10px;cursor:pointer;}
        .send-btn:hover{background:#00796b;/* 按钮 hover 效果，提升交互感 */}
        /* 消息样式：区分用户和AI，清晰易懂 */
        .message-item{margin:12px 0;padding:14px 16px;border-radius:8px;max-width:82%;word-wrap:break-word;/* 自动换行，避免长文本溢出 */}
        .user-message{background:#e3f2fd;align-self:flex-end;margin-left:auto;/* 用户消息靠右显示 */}
        .ai-message{background:#f1f8e9;align-self:flex-start;/* AI消息靠左显示 */}
        .loading-message{color:#666;font-size:14px;padding:4px;text-align:center;/* 加载提示样式 */}
    </style>
</head>
<body>
    <div class="container">
        <!-- 标题区域：清晰说明系统用途，让用户快速了解 -->
        <div class="title">糖尿病 & 高血压 慢病管理智能体</div>
        <div class="subtitle">专业医学咨询 · 个性化指导 · 实时响应 | 基于AntAngelMed医学模型</div>
        
        <!-- 对话区域：显示用户和AI的对话记录 -->
        <div class="chat-box" id="chatBox"></div>
        
        <!-- 输入区域：用户输入问题，发送请求 -->
        <div class="input-area">
            <input id="message-input" placeholder="请输入你的问题（例：空腹血糖7.0严重吗？高血压吃什么好？）">
            <button class="send-btn" onclick="sendMessage()">发送</button>
        </div>
    </div>

    <script>
        // 获取DOM元素（对话区域、输入框）
        const chatBox = document.getElementById('chatBox');
        const messageInput = document.getElementById('message-input');
        // 建立WebSocket连接（自动连接后端，无需用户操作）
        const ws = new WebSocket(`ws://${location.host}/ws`);

        // 发送消息函数（用户点击发送按钮或按回车键触发）
        function sendMessage() {
            // 获取用户输入的内容，去除前后空格
            const message = messageInput.value.trim();
            // 若输入为空，提示用户，不发送请求
            if (!message) {
                alert("请输入你的问题，例如：空腹血糖7.0严重吗？");
                return;
            }
            // 清空输入框，方便用户输入下一个问题
            messageInput.value = '';
            // 发送消息到后端（通过WebSocket）
            ws.send(message);
        }

        // 监听WebSocket消息（接收后端返回的响应）
        ws.onmessage = function(event) {
            // 创建消息元素，根据消息类型设置样式
            const messageDiv = document.createElement('div');
            if (event.data.includes('👤 你：')) {
                // 用户消息样式
                messageDiv.className = 'message-item user-message';
            } else if (event.data.includes('✅ 慢病助手：')) {
                // AI响应消息样式
                messageDiv.className = 'message-item ai-message';
            } else {
                // 加载提示样式
                messageDiv.className = 'loading-message';
            }
            // 设置消息内容
            messageDiv.innerText = event.data;
            // 将消息添加到对话区域
            chatBox.appendChild(messageDiv);
            // 自动滚动到最新消息（避免用户手动滚动）
            chatBox.scrollTop = chatBox.scrollHeight;
        };

        // 监听回车键（用户按回车键也能发送消息，提升操作便捷性）
        messageInput.addEventListener('keypress', function(event) {
            if (event.key === 'Enter') {
                sendMessage();
            }
        });

        // 监听WebSocket连接状态（提示用户连接状态）
        ws.onopen = function() {
            const welcomeDiv = document.createElement('div');
            welcomeDiv.className = 'loading-message';
            welcomeDiv.innerText = '✅ 已连接慢病助手，可随时提问（支持血糖、血压、饮食、用药等问题）';
            chatBox.appendChild(welcomeDiv);
        };

        // 监听WebSocket断开连接（提示用户重新连接）
        ws.onclose = function() {
            const closeDiv = document.createElement('div');
            closeDiv.className = 'loading-message';
            closeDiv.innerText = '🔌 连接已断开，请刷新页面重新连接';
            chatBox.appendChild(closeDiv);
        };
    </script>
</body>
</html>

五、完整 SKILL 技能包

1. 技能1：糖尿病评估

1.1 skills/diabetes_assess/SKILL.md

XML 复制代码

---
# 技能基础信息（机器可解析，系统识别核心）
name: diabetes_assess                  # 技能唯一标识（英文下划线，不可重复）
description: 糖尿病相关全场景咨询，包括血糖解读、糖尿病风险评估、症状分析、饮食运动建议、用药指导，聚焦糖尿病患者日常管理需求，提供专业、可执行的医学建议。
version: 1.0.0                        # 技能版本（便于升级、回滚，后续迭代可修改）
author: 慢病管理开发团队               # 技能开发者（便于维护、追溯）
category: chronic_diabetes            # 技能分类（糖尿病慢病类）
priority: 8                           # 优先级（1-10，数字越高，匹配时越优先，糖尿病咨询优先级高于通用咨询）

# 触发规则（核心：系统根据这些规则，判断何时调用该技能）
trigger:
  keywords: ["血糖", "糖尿病", "高血糖", "低血糖", "空腹血糖", "餐后血糖", "糖耐量", "糖化血红蛋白", "降糖", "吃糖", "糖尿病饮食", "糖尿病运动", "糖尿病用药", "糖尿病并发症", "糖尿病症状"]  # 触发关键词，用户输入包含这些词，优先匹配该技能
  intent: ["糖尿病咨询", "血糖解读", "糖尿病风险评估", "糖尿病饮食建议", "糖尿病用药指导"]  # 用户意图，大模型可直接识别匹配
  context: ["慢病管理", "日常护理", "血糖监测", "糖尿病预防"]  # 场景上下文，避免无关场景误触发
  confidence: 0.75                    # 触发置信度阈值（高于0.75才触发，避免误匹配）

# 输入规范（明确技能接收的输入格式，确保执行逻辑正常）
input_schema:
  type: object
  properties:
    query:
      type: string
      description: 用户关于糖尿病的咨询问题，如"空腹血糖7.0mmol/L严重吗？""糖尿病患者能吃米饭吗？"
  required: ["query"]                 # 必传参数（必须有用户查询，否则技能无法执行）

# 输出规范（统一技能输出格式，便于后端解析、前端显示）
output_schema:
  type: object
  properties:
    result:
      type: string
      description: 针对用户糖尿病咨询的专业医学建议，简洁、可执行，符合AntAngelMed模型输出规范，避免专业术语过于晦涩，适配普通用户理解。
    success:
      type: boolean
      description: 技能执行是否成功（true=成功，false=失败）
    message:
      type: string
      description: 执行状态提示（成功时为"技能执行成功"，失败时为具体失败原因）

# 示例案例（给大模型提供小样本学习，提升技能执行准确性；给开发者提供测试用例）
examples:
  - input: {"query": "空腹血糖7.0mmol/L严重吗？我是糖尿病患者，平时需要注意什么？"}
    output: {"result": "空腹血糖7.0mmol/L略高于正常范围（正常空腹血糖3.9-6.1mmol/L），对于糖尿病患者而言，需警惕血糖控制不佳。建议：1. 监测餐后2小时血糖，观察波动情况；2. 饮食上减少精制碳水（如白米饭、面条）摄入，增加膳食纤维（蔬菜、杂粮）；3. 适量运动（如快走、太极拳），每次30分钟，每周5次；4. 遵医嘱服用降糖药，不可自行停药或调整剂量；5. 每周监测1-2次空腹+餐后血糖，记录波动。", "success": true, "message": "技能执行成功"}
  - input: {"query": "糖尿病患者能吃水果吗？可以吃哪些水果？"}
    output: {"result": "糖尿病患者可以适量吃水果，建议选择低GI（升糖指数）水果，控制食用量。推荐水果：苹果、柚子、草莓、蓝莓、猕猴桃（每天总量控制在200-350g）；避免水果：荔枝、芒果、榴莲、龙眼（高GI水果，易导致血糖飙升）。食用时间：建议在两餐之间（如上午10点、下午3点），避免餐后立即吃，防止血糖叠加升高。", "success": true, "message": "技能执行成功"}
  - input: {"query": "我最近总是口渴、多尿，是不是得了糖尿病？"}
    output: {"result": "口渴、多尿是糖尿病的典型症状之一，但并非所有口渴多尿都是糖尿病（如饮水过多、甲亢、尿路感染也可能出现类似症状）。建议：1. 及时到医院检测空腹血糖、餐后2小时血糖及糖化血红蛋白，明确诊断；2. 暂时减少高糖、高油食物摄入，多喝水（避免饮料）；3. 注意休息，避免熬夜，观察症状是否缓解。若血糖检测异常，及时就医制定治疗方案。", "success": true, "message": "技能执行成功"}

# 依赖关系（技能执行所需的外部资源、权限）
dependencies:
  api: ["AntAngelMed"]                # 依赖的API/模型（必须依赖AntAngelMed医学模型）
  skills: []                          # 依赖的其他技能（该技能独立执行，不依赖其他技能）
  permissions: ["all"]                # 访问权限（所有用户均可使用，无限制）

# 技能限制（保障系统稳定，避免异常）
limits:
  max_retries: 2                      # 执行失败时，最大重试次数（2次）
  timeout: 8                          # 超时时间（8秒，超过8秒视为执行失败）
  rate_limit: "15/min"                # 限流配置（每分钟最多调用15次，避免频繁调用导致模型异常）
---

# 糖尿病评估技能说明（人类可读，供开发者、运维人员参考）
## 功能概述
本技能是慢病管理智能体的核心技能之一，专注于糖尿病相关全场景咨询，覆盖血糖解读、风险评估、症状分析、饮食运动指导、用药建议等，为糖尿病患者提供专业、可落地的日常管理建议，辅助患者控制血糖、预防并发症。

## 执行流程
1.  接收用户输入的糖尿病相关查询（如血糖解读、饮食疑问等）；
2.  对用户查询进行简单解析，提取核心需求（如"血糖是否正常""能吃什么"）；
3.  调用AntAngelMed医学模型，传入格式化后的查询，获取专业医学建议；
4.  对模型返回的建议进行简单优化（简化专业术语，确保普通用户可理解）；
5.  按照output_schema规范，返回执行结果（包含建议、执行状态）。

## 异常处理
1.  模型调用失败：返回友好提示，告知用户"暂时无法提供咨询，请稍后再试"，并记录错误信息；
2.  用户输入为空：返回提示"请输入具体的糖尿病相关问题"；
3.  超时异常：超过8秒未获取模型响应，视为执行失败，返回超时提示。

## 业务边界
1.  本技能仅提供糖尿病相关咨询建议，不替代专业医疗诊断，不开具处方；
2.  若用户涉及紧急情况（如血糖急剧升高、出现严重并发症症状），会提示用户及时就医；
3.  支持的咨询范围：糖尿病预防、血糖监测、饮食运动、用药指导、症状分析、并发症预防，不涉及其他慢病（如高血压单独咨询，将匹配高血压评估技能）。

1.2 skills/diabetes_assess/impl.py

python 复制代码

from openai import OpenAI
import os
from dotenv import load_dotenv

# 加载.env环境变量（获取模型配置，避免硬编码）
load_dotenv()

# 初始化医学模型客户端（严格按照用户提供的格式配置）
medical_client = OpenAI(
    base_url=os.getenv("OPENAI_BASE_URL"),
    api_key=os.getenv("OPENAI_API_KEY")
)

class DiabetesAssessSkill:
    """
    糖尿病评估技能类（核心逻辑：处理糖尿病相关咨询，调用医学模型返回专业建议）
    方法：execute - 执行技能，接收用户查询，返回格式化结果
    """
    def execute(self, input_data: dict) -> dict:
        """
        执行糖尿病评估技能
        参数：input_data - 包含用户查询的字典（key: query，value: 用户输入的问题）
        返回：字典，包含技能执行结果、状态、提示信息（符合output_schema规范）
        """
        try:
            # 1. 提取用户查询（从input_data中获取，确保参数存在）
            user_query = input_data.get("query", "").strip()
            if not user_query:
                # 若用户查询为空，返回失败结果
                return {
                    "result": "",
                    "success": False,
                    "message": "请输入具体的糖尿病相关问题（如：空腹血糖7.0严重吗？）"
                }

            # 2. 格式化prompt（优化提问方式，让模型返回更精准、可执行的建议）
            prompt = f"""你是专业的糖尿病慢病管理医生，根据用户的问题，提供简洁、专业、可执行的医学建议，要求如下：
1.  语言通俗易懂，避免过于晦涩的专业术语，适配普通糖尿病患者理解；
2.  建议具体、可落地，比如饮食、运动建议要明确"能吃什么、不能吃什么""运动时间、方式"；
3.  若用户涉及血糖异常，需明确告知正常范围，并给出具体的控制建议；
4.  若用户症状可能涉及严重情况，需提示"及时就医"，不替代专业诊断；
5.  聚焦糖尿病相关内容，不回答与糖尿病无关的问题；
6.  篇幅适中，避免过长，重点突出核心建议。

用户问题：{user_query}"""

            # 3. 调用AntAngelMed医学模型（严格按照用户提供的格式）
            model_response = medical_client.chat.completions.create(
                model=os.getenv("MODEL_NAME"),  # 模型名称：AntAngelMed
                messages=[{"role": "user", "content": prompt}]  # 消息格式
            )

            # 4. 提取模型返回结果，格式化输出（符合output_schema规范）
            return {
                "result": model_response.choices[0].message.content,
                "success": True,
                "message": "技能执行成功"
            }

        except Exception as e:
            # 捕获所有异常（模型调用失败、超时等），返回友好提示
            return {
                "result": "",
                "success": False,
                "message": f"技能执行失败：{str(e)[:50]}（请稍后再试）"
            }

def get_skill():
    """
    技能入口函数（必须实现，供SkillRegistry调用，返回技能实例）
    返回：DiabetesAssessSkill实例
    """
    return DiabetesAssessSkill()

2. 技能2：高血压评估

2.1 skills/hypertension_assess/SKILL.md

XML 复制代码

---
name: hypertension_assess
description: 高血压相关全场景咨询，包括血压解读、高血压风险评估、症状分析、饮食运动建议、用药指导，聚焦高血压患者日常管理，提供专业、可执行的医学建议。
version: 1.0.0
author: 慢病管理开发团队
category: chronic_hypertension
priority: 8

trigger:
  keywords: ["血压", "高血压", "低血压", "收缩压", "舒张压", "血压高", "血压低", "降压", "高血压饮食", "高血压运动", "高血压用药", "高血压并发症", "高血压症状"]
  intent: ["高血压咨询", "血压解读", "高血压风险评估", "高血压饮食建议", "高血压用药指导"]
  context: ["慢病管理", "日常护理", "血压监测", "高血压预防"]
  confidence: 0.75

input_schema:
  type: object
  properties:
    query:
      type: string
      description: 用户关于高血压的咨询问题，如"血压150/95mmHg需要吃药吗？""高血压患者能吃盐吗？"
  required: ["query"]

output_schema:
  type: object
  properties:
    result:
      type: string
      description: 针对用户高血压咨询的专业医学建议，简洁、可执行，适配普通用户理解，符合AntAngelMed模型输出规范。
    success:
      type: boolean
      description: 技能执行是否成功
    message:
      type: string
      description: 执行状态提示

examples:
  - input: {"query": "血压150/95mmHg属于高血压吗？需要吃药吗？"}
    output: {"result": "血压150/95mmHg属于1级高血压（正常血压＜120/80mmHg，1级高血压140-159/90-99mmHg）。是否需要吃药需分情况：1. 若为首次检测，建议连续3天不同时间监测，确认是否为持续性高血压；2. 若确诊为原发性高血压，且无其他并发症（如糖尿病、肾病），可先通过生活方式干预（低盐饮食、规律运动、戒烟限酒）3-6个月，若血压仍未控制在140/90mmHg以下，需遵医嘱服药；3. 若合并糖尿病、肾病等，需立即就医，在医生指导下服药。", "success": true, "message": "技能执行成功"}
  - input: {"query": "高血压患者饮食需要注意什么？能吃盐吗？"}
    output: {"result": "高血压患者饮食核心是"低盐、低脂、低糖"，具体建议：1. 严格控盐：每天食盐摄入量不超过5g（约1个啤酒瓶盖），避免咸菜、腌制品、加工肉（如腊肉、香肠）；2. 多吃蔬菜（每天500g以上）、水果、全谷物（如燕麦、糙米）；3. 减少高脂食物摄入（如肥肉、动物内脏、油炸食品）；4. 戒烟限酒，避免浓茶、咖啡；5. 控制体重，避免肥胖（肥胖会加重高血压）。可以吃盐，但必须严格控制量。", "success": true, "message": "技能执行成功"}
  - input: {"query": "高血压患者适合做什么运动？"}
    output: {"result": "高血压患者适合温和的有氧运动，避免剧烈运动，具体建议：1. 推荐运动：快走、慢跑、太极拳、游泳、骑自行车，每次30分钟，每周5次；2. 运动禁忌：避免空腹运动、剧烈运动（如冲刺跑、举重），血压控制不佳（＞160/100mmHg）时，暂时不建议运动；3. 运动注意事项：运动前热身5-10分钟，运动后放松5-10分钟，运动中若出现头晕、胸闷，立即停止休息；4. 运动后监测血压，观察波动情况。", "success": true, "message": "技能执行成功"}

dependencies:
  api: ["AntAngelMed"]
  skills: []
  permissions: ["all"]

limits:
  max_retries: 2
  timeout: 8
  rate_limit: "15/min"
---

# 高血压评估技能说明
## 功能概述
本技能专注于高血压相关全场景咨询，覆盖血压解读、风险评估、症状分析、饮食运动指导、用药建议等，为高血压患者提供专业、可落地的日常管理建议，辅助患者控制血压、预防并发症（如脑梗、心梗、肾病等）。

## 执行流程
1.  接收用户输入的高血压相关查询；
2.  解析用户核心需求，格式化prompt，确保模型返回精准建议；
3.  调用AntAngelMed医学模型，获取专业医学建议；
4.  优化建议表述，简化专业术语，确保普通用户可理解；
5.  按照output_schema规范，返回执行结果。

## 异常处理
1.  模型调用失败：返回友好提示，告知用户暂时无法提供咨询；
2.  用户输入为空：提示用户输入具体的高血压相关问题；
3.  超时异常：超过8秒未获取模型响应，视为执行失败，返回超时提示。

## 业务边界
1.  仅提供高血压相关咨询建议，不替代专业医疗诊断，不开具处方；
2.  若用户血压急剧升高（如＞180/110mmHg）或出现头晕、胸闷、呕吐等紧急症状，提示用户立即就医；
3.  不涉及其他慢病咨询，若用户同时咨询糖尿病+高血压，会分别调用对应技能，整合建议。

2.2 skills/hypertension_assess/impl.py

python 复制代码

from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()

# 初始化医学模型客户端
medical_client = OpenAI(
    base_url=os.getenv("OPENAI_BASE_URL"),
    api_key=os.getenv("OPENAI_API_KEY")
)

class HypertensionAssessSkill:
    """高血压评估技能类，处理高血压相关咨询，调用医学模型返回专业建议"""
    def execute(self, input_data: dict) -> dict:
        try:
            # 提取用户查询
            user_query = input_data.get("query", "").strip()
            if not user_query:
                return {
                    "result": "",
                    "success": False,
                    "message": "请输入具体的高血压相关问题（如：血压150/95需要吃药吗？）"
                }

            # 格式化prompt，优化模型响应
            prompt = f"""你是专业的高血压慢病管理医生，根据用户的问题，提供简洁、专业、可执行的医学建议，要求如下：
1.  语言通俗易懂，避免晦涩的专业术语，适配普通高血压患者理解；
2.  建议具体可落地，比如饮食、运动建议明确具体做法和用量；
3.  解读血压数值时，明确告知正常范围和当前血压等级；
4.  涉及用药建议时，强调"遵医嘱"，不自行推荐具体药物；
5.  若用户症状紧急，提示"立即就医"，不替代专业诊断；
6.  聚焦高血压相关内容，不回答无关问题，篇幅适中。

用户问题：{user_query}"""

            # 调用AntAngelMed模型
            model_response = medical_client.chat.completions.create(
                model=os.getenv("MODEL_NAME"),
                messages=[{"role": "user", "content": prompt}]
            )

            # 返回格式化结果
            return {
                "result": model_response.choices[0].message.content,
                "success": True,
                "message": "技能执行成功"
            }

        except Exception as e:
            return {
                "result": "",
                "success": False,
                "message": f"技能执行失败：{str(e)[:50]}（请稍后再试）"
            }

def get_skill():
    """技能入口，返回技能实例"""
    return HypertensionAssessSkill()

3. 技能3：饮食指导

3.1 skills/diet_guide/SKILL.md

XML 复制代码

---
name: diet_guide
description: 糖尿病+高血压双慢病患者饮食指导，结合两种慢病特点，提供个性化、可执行的饮食建议，包括食材选择、烹饪方式、饮食禁忌、三餐搭配，帮助患者通过饮食控制血糖、血压。
version: 1.0.0
author: 慢病管理开发团队
category: chronic_diet
priority: 7

trigger:
  keywords: ["饮食", "吃饭", "食材", "食谱", "三餐", "忌口", "能吃", "不能吃", "烹饪", "低盐", "低糖", "低脂", "糖尿病饮食", "高血压饮食"]
  intent: ["饮食指导", "食谱推荐", "饮食禁忌", "食材选择", "三餐搭配"]
  context: ["慢病管理", "日常饮食", "血糖控制", "血压控制"]
  confidence: 0.7

input_schema:
  type: object
  properties:
    query:
      type: string
      description: 用户关于糖尿病+高血压患者的饮食咨询，如"糖尿病高血压患者能吃米饭吗？""双慢病患者一日三餐食谱"
  required: ["query"]

output_schema:
  type: object
  properties:
    result:
      type: string
      description: 针对双慢病患者的饮食建议，结合糖尿病低糖、高血压低盐的特点，具体、可执行，适配普通用户理解。
    success:
      type: boolean
      description: 技能执行是否成功
    message:
      type: string
      description: 执行状态提示

examples:
  - input: {"query": "糖尿病高血压患者能吃主食吗？推荐吃什么主食？"}
    output: {"result": "糖尿病高血压患者可以吃主食，但需控制量、选对种类，核心原则：低糖、高纤维、低升糖。推荐主食：1. 杂粮杂豆（燕麦、糙米、藜麦、红豆、绿豆），富含膳食纤维，升糖慢，还能控制血压；2. 薯类（红薯、紫薯、山药），可替代部分精米白面；3. 避免主食：白米饭、白面条、馒头、糕点（精制碳水，升糖快，加重血糖负担）。食用量：每天主食总量控制在200-300g（约1-1.5碗），分三餐食用，每餐70-100g，避免一餐吃太多。", "success": true, "message": "技能执行成功"}
  - input: {"query": "糖尿病高血压患者一日三餐食谱推荐"}
    output: {"result": "双慢病患者一日三餐食谱（适配普通患者，可根据自身情况调整）：\n早餐：燕麦粥1碗（约50g燕麦）+ 水煮蛋1个 + 凉拌黄瓜1份（无盐）；\n午餐：杂粮饭1小碗（约70g）+ 清蒸鱼1块（约100g）+ 清炒时蔬2份（如菠菜、西兰花，少油少盐）；\n晚餐：小米粥1碗（约50g小米）+ 瘦肉炒芹菜（瘦肉50g、芹菜100g，少油少盐）+ 凉拌番茄1份；\n加餐（两餐之间）：苹果1个（约150g）或蓝莓50g，避免空腹吃，控制总量。\n注意：烹饪方式以蒸、煮、凉拌、清炒为主，避免油炸、红烧；每天食盐摄入量不超过5g，不喝含糖饮料。", "success": true, "message": "技能执行成功"}
  - input: {"query": "糖尿病高血压患者不能吃什么食物？"}
    output: {"result": "双慢病患者饮食禁忌（重点规避以下食物）：1. 高糖食物：糖果、蛋糕、含糖饮料、蜂蜜、荔枝、芒果（升高血糖）；2. 高盐食物：咸菜、腌制品、加工肉、酱类（升高血压）；3. 高脂食物：肥肉、动物内脏、油炸食品、黄油（加重血管负担，影响血糖和血压控制）；4. 刺激性食物：浓茶、咖啡、辛辣食物（可能导致血压波动）；5. 酒精类：白酒、啤酒、红酒（升高血压，影响血糖控制，建议戒烟限酒）。", "success": true, "message": "技能执行成功"}

dependencies:
  api: ["AntAngelMed"]
  skills: []
  permissions: ["all"]

limits:
  max_retries: 2
  timeout: 8
  rate_limit: "15/min"
---

# 饮食指导技能说明
## 功能概述
本技能专注于糖尿病+高血压双慢病患者的饮食指导，结合两种慢病的核心饮食需求（糖尿病低糖、高血压低盐），提供个性化、可执行的饮食建议，包括食材选择、烹饪方式、饮食禁忌、三餐搭配等，帮助患者通过科学饮食控制血糖、血压，辅助慢病管理，预防并发症。

## 执行流程
1.  接收用户输入的饮食相关查询（聚焦双慢病患者）；
2.  解析用户核心需求（如"能吃什么""食谱推荐""饮食禁忌"）；
3.  格式化prompt，明确要求模型结合双慢病特点，提供具体可执行的建议；
4.  调用AntAngelMed医学模型，获取专业饮食建议；
5.  优化建议表述，确保简洁、易懂、可落地，按照output_schema规范返回结果。

## 异常处理
1.  模型调用失败：返回友好提示，告知用户暂时无法提供饮食建议；
2.  用户输入为空：提示用户输入具体的饮食咨询问题；
3.  超时异常：超过8秒未获取模型响应，视为执行失败，返回超时提示。

## 业务边界
1.  仅提供糖尿病+高血压双慢病患者的饮食建议，不涉及其他疾病的饮食指导；
2.  饮食建议仅作为日常参考，不替代专业营养师或医生的指导；
3.  若用户有特殊情况（如过敏、合并其他疾病），会提示用户结合自身情况调整，或咨询专业人士。

3.2 skills/diet_guide/impl.py

python 复制代码

from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()

medical_client = OpenAI(
    base_url=os.getenv("OPENAI_BASE_URL"),
    api_key=os.getenv("OPENAI_API_KEY")
)

class DietGuideSkill:
    def execute(self, input_data: dict) -> dict:
        try:
            user_query = input_data.get("query", "").strip()
            if not user_query:
                return {
                    "result": "",
                    "success": False,
                    "message": "请输入具体的饮食问题"
                }

            prompt = f"""你是专业的慢病营养师，专门为糖尿病+高血压双慢病患者提供饮食指导。
要求：
1. 同时兼顾"低糖、低盐、低脂"三大原则，不能顾此失彼。
2. 语言通俗、具体、可执行，给出明确的"能吃/少吃/禁止"。
3. 食谱要实用，适合家庭日常，不要复杂食材。
4. 不使用专业术语堆砌，中老年能看懂。
5. 不提供处方类建议，只做饮食指导。

用户问题：{user_query}
"""

            resp = medical_client.chat.completions.create(
                model=os.getenv("MODEL_NAME"),
                messages=[{"role": "user", "content": prompt}]
            )

            return {
                "result": resp.choices[0].message.content,
                "success": True,
                "message": "ok"
            }

        except Exception as e:
            return {
                "result": "",
                "success": False,
                "message": f"饮食建议获取失败：{str(e)}"
            }

def get_skill():
    return DietGuideSkill()

4. 技能4：风险预警技能

4.1 skills/risk_warning/SKILL.md

XML 复制代码

---
name: risk_warning
description: 糖尿病、高血压风险预警与并发症提醒，根据指标异常给出危险等级、注意事项、就医提示
version: 1.0.0
author: 慢病AI团队
category: chronic_risk
priority: 9

trigger:
  keywords: ["危险", "风险", "严重吗", "并发症", "脑梗", "心梗", "肾病", "失明", "足坏疽", "头晕", "胸闷", "很高", "危急"]
  intent: ["风险评估", "并发症预防", "危险程度判断", "紧急情况处理"]
  context: ["慢病急症", "指标异常", "健康预警"]
  confidence: 0.7

input_schema:
  type: object
  properties:
    query:
      type: string
  required: ["query"]

output_schema:
  result: string
  success: bool
  message: string

examples:
  - input: {"query":"血压180/110危险吗？"}
    output: {"result":"属于高血压3级高危，极易引发脑出血、脑梗、心衰，必须立即就医或含服急救降压药，静卧休息。","success":true}
  - input: {"query":"血糖长期12以上有什么危害？"}
    output: {"result":"长期高血糖会损伤眼底、肾脏、神经和血管，可能导致肾病、失明、糖尿病足、心梗脑梗等严重并发症。","success":true}

dependencies:
  api: ["AntAngelMed"]
limits:
  max_retries: 2
  timeout: 8
---

# 风险预警技能说明
用于识别用户描述的危险指标、危急症状，自动判断风险等级，给出预警和就医提示，是慢病管理的安全底线。

4.2 skills/risk_warning/impl.py

python 复制代码

from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(base_url=os.getenv("OPENAI_BASE_URL"), api_key=os.getenv("OPENAI_API_KEY"))

class RiskWarningSkill:
    def execute(self, data):
        try:
            q = data["query"].strip()
            prompt = f"""你是专业慢病急诊助手，判断糖尿病/高血压相关风险等级：
- 明确标注：低危 / 中危 / 高危 / 危急
- 简要说明危害
- 给出立即行动建议（观察/就医/急诊）
- 语言严肃、清晰、简短

用户描述：{q}
"""

            res = client.chat.completions.create(
                model=os.getenv("MODEL_NAME"),
                messages=[{"role":"user","content":prompt}]
            )

            return {
                "result": res.choices[0].message.content,
                "success": True,
                "message": "ok"
            }
        except Exception as e:
            return {"result":"","success":False,"message":str(e)}

def get_skill():
    return RiskWarningSkill()

六、运行与演示

首先确认最终的目录结构：

服务启动：

注意进入到命令进入到chronic_agent目录，执行python main.py启动即可：

在运行后输入问题会自动匹配到对应的SKILL技能，并进行模型调用输出：

不同类型会匹配到不同的技能，进行差异化的输入输出约定，以满足不同场景的需求：

运行过程中，有完整的日志记录细节，便于测试和了解系统运行过程：

基于实际场景的技能调用分布统计：

六、总结

简单来说，咱们这个慢病管理智能体，核心就是靠SKILL技能体系来实现的，专门针对糖尿病、高血压这两种常见慢病，做专业的健康咨询和管理。区别于以往的智能体构建模式，今天是把慢病管理的核心能力，拆成了 4 个独立的 SKILL 技能：糖尿病评估、高血压评估、饮食指导、风险预警，每个技能各司其职，比如血糖解读找糖尿病SKILL，血压异常找高血压SKILL，饮食搭配就用饮食指导SKILL，遇到危险指标还有风险预警SKILL 及时提醒。

这种SKILL 拆分的好处特别实在，不用改核心代码，想加新功能、升级某个技能，直接单独调整对应的SKILL就行，后期维护起来特别省心。通过调用AntAngelMed 专业医学模型，给出的建议都是符合临床规范的，不瞎忽悠。整体来看，这个智能体就是用 SKILL 这种模块化的方式，把专业的医学能力落地成了普通人能用的工具，既能解决糖尿病、高血压患者日常的咨询需求，又兼顾了系统的可扩展性，算是把 SKILL 架构和慢病管理结合得很实用的一个案例。