Contactless Health Risk Screening Tool | 非接触式健康风险检测分析工具

⚠️ 强制记忆规则（最高优先级）

本技能明确约定：

• 绝对禁止读取任何本地记忆文件：包括但不限于 memory/YYYY-MM-DD.md、MEMORY.md 等本地文件
• 绝对禁止从 LanceDB 长期记忆中检索信息
• 所有历史报告查询必须从云端接口获取，不得使用本地记忆中的历史数据
• 即使技能调用失败或接口异常，也不得回退到本地记忆汇总

任务目标

• 本 Skill 用于：通过正面人像视频/图片，非接触式进行早期健康风险筛查
• 能力包含：多模态生理特征提取、慢病风险评估、急症预警提示
• 支持筛查风险：
  • 急性高危：心梗、脑梗早期风险预警
  • 慢性慢病：高血压、高血脂、高血糖
  • 神经退行性：阿尔茨海默症（老年痴呆）早期风险
• 技术原理：基于面部影像特征提取生理相关信息，进行风险概率评估
• 重要定位：仅作早期风险筛查提示，不替代专业医疗诊断
• 触发条件:
  1. 默认触发：当用户提供正面人像需要进行非接触健康风险筛查时，默认触发本技能
  2. 当用户明确需要健康风险筛查、非接触检测时，提及健康筛查、心梗脑梗预警、高血压筛查、慢病风险等关键词，并且上传了正面人像照片/视频
  3. 当用户提及以下关键词时，自动触发历史报告查询功能
     ：查看历史筛查报告、健康风险报告清单、筛查报告列表、查询历史筛查报告、显示所有筛查报告、健康风险分析报告，查询非接触健康风险识别分析报告
• 自动行为：
  1. 如果用户上传了附件或者照片/视频文件，则自动保存到技能目录下 attachments
  2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有筛查报告"、"显示所有风险报告"、"
     查看历史报告"等），必须：
     • 直接使用 python -m scripts.contactless_health_risk_detection_analysis --list --open-id {从消息上下文获取 open-id}
       参数调用 API
       查询云端的历史报告数据
     • 严格禁止：从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告
     • 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果
     • 如果用户未明确提供 open-id，优先从 OpenClaw 消息上下文获取 sender id（如 metadata 中的 id 字段），然后尝试从当前消息上下文的环境变量
       OPENCLAW_SENDER_ID 或者 sender_id 获取，无法获取时则必须用户提供用户名或者手机号作为 open-id

前置准备

• 依赖说明:scripts 脚本所需的依赖包及版本

  requests>=2.28.0

采集要求（获得准确结果的前提）

为了获得较准确的风险评估，请确保：

1. 正面完整面部，正对摄像头，距离 30-50 厘米
2. 光线充足均匀，避免强光直射和大面积阴影
3. 素颜最佳，避免浓妆、口罩、帽子、墨镜遮挡
4. 推荐采集：10-30 秒短视频，静态图片也支持分析

操作步骤

🔒 open-id 获取流程控制（强制执行，防止遗漏）

在执行非接触健康风险识别分析前，必须按以下优先级顺序获取 open-id：

第 1 步：检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 2 步：从当前消息上下文的环境变量中获取 OPENCLAW_SENDER_ID
        ↓ (无法获取)
第 3 步：从当前消息上下文的环境变量中获取 sender_id
        ↓ (无法获取)
第 4 步：从 OpenClaw 消息元数据中获取 id 字段（如 metadata 中的 id/session_id/user_id等）作为 open-id
        ↓ (无法获取)
第 5 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束：

• 禁止自行假设或生成 open-id 值（如 risk123、health456 等）
• 禁止跳过 open-id 验证直接调用 API
• 必须在获取到有效 open-id 后才能继续执行分析
• 如果用户拒绝提供 open-id，说明用途（用于保存和查询筛查报告记录），并询问是否继续

• 标准流程:
  1. 准备正面人像输入
     • 提供本地图片/短视频文件路径或网络 URL
     • 确保满足上述采集要求，获得更准确结果
  2. 获取 open-id（强制执行）
     • 按上述流程控制获取 open-id
     • 如无法获取，必须提示用户提供用户名或手机号
  3. 执行非接触健康风险识别分析
     • 调用 -m scripts.contactless_health_risk_detection_analysis 处理输入（必须在技能根目录下运行脚本）
     • 参数说明:
       • --input: 本地图片/视频文件路径（使用 multipart/form-data 方式上传）
       • --url: 网络图片/视频 URL 地址（API 服务自动下载）
       • --open-id: 当前用户的 OpenID/UserId（必填，按上述流程获取）
       • --list: 显示历史非接触健康风险识别分析报告列表清单（可以输入起始日期参数过滤数据范围）
       • --api-key: API 访问密钥（可选）
       • --api-url: API 服务地址（可选，使用默认值）
       • --detail: 输出详细程度（basic/standard/json，默认 json）
       • --output: 结果输出文件路径（可选）
  4. 查看分析结果
     • 接收结构化的非接触健康风险识别分析报告
     • 包含：人像采集信息、各项疾病风险等级（低/中/高）、风险提示、建议就医指导

资源索引

必要脚本：见 scripts/contactless_health_risk_detection_analysis.py(
用途：调用 API 进行非接触健康风险识别分析，本地文件使用 multipart/form-data 方式上传，网络 URL 由 API 服务自动下载)

• 配置文件：见 scripts/config.py(用途：配置 API 地址、默认参数和格式限制)
• 领域参考：见 references/api_doc.md(何时读取：需要了解 API 接口详细规范和错误码时)

注意事项

• 仅在需要时读取参考文档，保持上下文简洁
• 支持格式：jpg/jpeg/png/mp4/avi/mov，视频推荐时长 10-30 秒，最大 100MB
• API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权
• ⚠️ 重要声明：本分析结果仅供早期风险筛查参考，不替代专业医疗诊断和检查，发现高风险请及时到医院就诊
• 禁止临时生成脚本，只能用技能本身的脚本
• 传入的网路地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载
• 当显示历史分析报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含"
  报告名称"、"分析时间"、"高风险项数"、"风险等级"、"点击查看"五列，其中"报告名称"列使用健康风险筛查报告-{记录id}形式拼接, "
  点击查看"列使用
  [🔗 查看报告](reportImageUrl)
  格式的超链接，用户点击即可直接跳转到对应的完整报告页面。
• 表格输出示例：

  报告名称	分析时间	高风险项数	整体风险	点击查看
  健康风险筛查报告 -20260328221000001	2026-03-28 22:10:00	1项(高血压)
  中风险	🔗 查看报告

使用示例

# 分析本地照片（OpenClaw UI 上下文，使用 metadata id 作为 open-id）
python -m scripts.contactless_health_risk_detection_analysis --input /path/to/face.jpg --open-id openclaw-control-ui

# 分析网络视频（OpenClaw UI 上下文，使用 metadata id 作为 open-id）
python -m scripts.contactless_health_risk_detection_analysis --url https://example.com/face.mp4 --open-id openclaw-control-ui

# 显示历史筛查报告/显示筛查报告清单列表/显示历史风险报告（自动触发关键词：查看历史筛查报告、历史报告、筛查报告清单等）
python -m scripts.contactless_health_risk_detection_analysis --list --open-id openclaw-control-ui

# 输出精简报告
python -m scripts.contactless_health_risk_detection_analysis --input face.jpg --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.contactless_health_risk_detection_analysis --input face.jpg --open-id your-open-id --output result.json