techwavedev 职业健康分析技能
核心功能
职业健康分析技能提供全面的职业健康数据分析功能，帮助用户追踪工作相关健康问题、识别职业健康风险、评估工作环境人机工程水平和优化职业健康。
主要功能模块：
- 职业健康风险评估 - 久坐、视屏终端、倒班工作、重复性劳损、工作压力等多维度风险评估
- 工作相关问题追踪 - 颈肩腰腿痛、眼疲劳、腕管综合征等症状监测
- 人机工程评估 - 工作站、椅子、显示器、键盘、环境等全方位评估
- 职业病筛查 - 基于工作类型的职业病风险评估和筛查建议
- 趋势分析 - 症状发展、改善效果、风险变化趋势
- 关联分析 - 与睡眠、运动、心理健康、慢性病模块的关联分析
- 个性化建议 - 工作姿势、休息提醒、设备建议、环境优化
- 预警系统 - 高风险模式、症状恶化、职业病风险预警
触发条件
技能在以下情况下自动触发：
- 用户使用
/work trend查看职业健康趋势 - 用户使用
/work status查看综合健康状态 - 用户使用
/work recommend获取改进建议 - 用户使用
/work assess进行综合评估 - 用户使用
/work issue记录问题后的分析 - 用户使用
/work ergonomic进行人机工程评估后的分析
医学安全边界
本技能不能做的事：
- ❌ 不进行职业病诊断
- ❌ 不出具职业病诊断证明
- ❌ 不替代工作场所健康监护
- ❌ 不预测疾病发展
- ❌ 不处理急性健康危机
本技能能做的事：
- ✅ 职业健康风险评估和筛查
- ✅ 工作相关症状识别和追踪
- ✅ 人机工程评估和改进建议
- ✅ 职业病风险预警
- ✅ 工作环境改善建议
- ✅ 健康记录保存（就医时参考）
- ✅ 与其他健康数据的关联分析
执行步骤
第1步：数据读取
读取职业健康数据文件：
data-example/occupational-health-tracker.json- 主职业健康档案
数据验证：
- 检查文件是否存在
- 验证数据结构完整性
- 确认有足够的数据点进行分析
第2步：职业健康风险评估
久坐风险评估（Sedentary Risk Score）
评分维度（每个维度0-10分）：
每天久坐时间 (sedentary_time_daily)
8小时：10分
- 6-8小时：7分
- 4-6小时：4分
- <4小时：1分
休息频率 (break_frequency)
- 无休息：10分
- 每3小时+：8分
- 每2小时：5分
- 每小时：2分
每周运动时间 (weekly_exercise_minutes)
- 0分钟：10分
- <60分钟：7分
- 60-150分钟：4分
150分钟：1分
现有症状 (existing_symptoms_severity)
- 严重症状：10分
- 中度症状：7分
- 轻度症状：4分
- 无症状：1分
总分计算：
总分 = 久坐时间 + 休息频率 + 运动时间 + 现有症状
范围：4-40分
风险等级判定：
- 低风险：4-13分
- 中风险：14-26分
- 高风险：27-40分
视屏终端风险评估（VDT Risk Score）
评分维度（每个维度0-10分）：
每天屏幕时间 (screen_time_daily)
8小时：10分
- 6-8小时：7分
- 4-6小时：4分
- <4小时：1分
20-20-20法则遵守 (rule_20_20_20_compliance)
- 从不遵守：10分
- 偶尔遵守：6分
- 经常遵守：3分
- 总是遵守：1分
照明条件 (lighting_quality)
- 很差：10分
- 较差：7分
- 一般：4分
- 良好：1分
眼部症状 (eye_symptoms_severity)
- 严重症状：10分
- 中度症状：7分
- 轻度症状：4分
- 无症状：1分
总分计算和风险等级判定同久坐风险
综合风险评估
综合风险等级计算：
综合风险分数 = max(久坐风险, 视屏风险, 倒班风险, 劳损风险, 压力风险)
如果有多个高风险因素（≥27分），综合风险等级上调一级
如果有3个及以上中风险因素（14-26分），综合风险等级上调一级
第3步：人机工程评估
评估维度和评分
椅子评估（0-20分）：
- 可调节性（0-5分）
- 腰椎支撑（0-5分）
- 座椅深度（0-5分）
- 扶手（0-5分）
显示器评估（0-20分）：
- 高度（0-7分）
- 距离（0-7分）
- 角度（0-6分）
键盘和鼠标评估（0-20分）：
- 键盘位置（0-5分）
- 鼠标位置（0-5分）
- 手腕支撑（0-10分）
工作台评估（0-20分）：
- 高度（0-10分）
- 空间（0-10分）
环境评估（0-20分）：
- 照明（0-7分）
- 噪音（0-7分）
- 温度（0-6分）
总分计算：
总分 = 椅子 + 显示器 + 键盘鼠标 + 工作台 + 环境
范围：0-100分
评分等级：
- 优秀：0-20分
- 良好：21-40分
- 一般：41-60分
- 较差：61-80分
- 差：81-100分
第4步：职业病筛查
基于工作类型的筛查推荐
办公室工作：
必查项目：
- 视力测试（每年1次）
- 肌肉骨骼评估（每年1次）
体力劳动：
必查项目：
- 肌肉骨骼评估（每年1次）
- 肺功能检查（粉尘环境每年1次）
倒班工作：
必查项目：
- 睡眠质量评估（每6个月1次）
- 心理健康筛查（每年1次）
噪音环境工作：
必查项目：
- 听力测试（每年1次）
粉尘/化学环境工作：
必查项目：
- 肺功能检查（每年1次）
- 皮肤病筛查（每年1次）
第5步：关联分析
睡眠-职业健康关联
- 倒班工作与睡眠质量的相关性
- 睡眠不足与工作相关症状的关系
运动-职业健康关联
- 久坐工作与运动量的关系
- 运动与肌肉骨骼症状的关系
心理健康-职业健康关联
- 工作压力与心理状态的关系
- 职业健康问题与心理症状的关联
第6步：生成报告
输出包括：
- 职业健康状况摘要
- 风险评估结果和趋势
- 工作相关问题分析
- 人机工程评估结果
- 职业病筛查建议
- 与其他健康因素的关联分析
- 预警信息（如适用）
- 个性化建议和行动计划
输出格式
职业健康分析报告结构
# 职业健康分析报告
**报告日期**: YYYY-MM-DD
**分析周期**: YYYY-MM-DD 至 YYYY-MM-DD
**数据完整性**: 良好
⚠️ **重要提示**：本报告仅供参考，不构成职业病诊断。
---
## 1. 职业健康状况摘要
[整体评价：优秀/良好/一般/需改进/高风险]
- 综合风险等级：[低/中/高]
- 职业健康评分：X/100
- 人机工程评分：X/100
- 活跃问题数：X个
- 整体趋势：改善/稳定/恶化
## 2. 风险评估结果
### 久坐风险评估
**风险等级**: 🟢 低风险 | 🟡 中风险 | 🔴 高风险
**风险评分**: X/40
**建议**: [具体建议]
### 视屏终端风险评估
**风险等级**: 🟢 低风险 | 🟡 中风险 | 🔴 高风险
**风险评分**: X/40
**建议**: [具体建议]
## 3. 工作相关问题分析
### 当前活跃问题
- [问题1]: 严重程度、频率、持续时间
- [问题2]: 严重程度、频率、持续时间
### 症状趋势
- 改善的问题
- 稳定的问题
- 恶化的问题 ⚠️
## 4. 人机工程评估
**人机工程评分**: X/100
**评分等级**: 优秀/良好/一般/较差/差
### 改进建议
- 高优先级建议
- 中优先级建议
- 低优先级建议
## 5. 职业病筛查
### 推荐筛查
- [筛查项目1] - 建议时间
- [筛查项目2] - 建议时间
## 6. 综合建议
### 立即行动
- [行动项]
### 本周行动计划
- [行动项1]
- [行动项2]
### 预防措施
- [预防措施列表]
---
**报告生成时间**: YYYY-MM-DD HH:MM:SS
⚠️ **免责声明**：本报告仅供参考，不构成职业病诊断或治疗建议。
错误处理
数据文件不存在
错误：未找到职业健康数据文件
建议：请先使用 /work assess 命令创建数据
数据不足
警告：数据不足以进行趋势分析
建议：至少需要3次评估记录
高风险预警
🔴 职业病高风险警告
检测到以下高风险因素：
- [列出高风险因素]
建议行动：
1. 立即就医，进行职业病诊断
2. 咨询职业医学专科医生
3. 考虑工作调整
数据源说明
主要数据源：
data-example/occupational-health-tracker.json- 职业健康主数据
关联数据源：
data-example/sleep-tracker.json- 睡眠数据data-example/fitness-tracker.json- 运动数据data-example/mental-health-tracker.json- 心理健康数据
技能版本: v1.0.0 最后更新: 2025-01-08 维护者: WellAlly Tech
AGI Framework Integration
Adapted for @techwavedev/agi-agent-kit Original source: antigravity-awesome-skills
Memory-First Protocol
Retrieve prior decisions and patterns to avoid re-discovering solutions. Cache results for instant retrieval in future sessions.
# Check for prior development context before starting
python3 execution/memory_manager.py auto --query "prior work and patterns related to Occupational Health Analyzer"
Storing Results
After completing work, store development decisions for future sessions:
python3 execution/memory_manager.py store \
--content "Completed task with key insights documented for future reference" \
--type decision --project <project> \
--tags occupational-health-analyzer default
Multi-Agent Collaboration
Share outcomes with other agents so the team stays aligned and avoids duplicate work.
python3 execution/cross_agent_context.py store \
--agent "<your-agent>" \
--action "Task completed — results documented and shared with team" \
--project <project>