techwavedev 康复训练分析技能
核心功能
康复训练分析技能提供全面的康复数据分析功能，帮助用户追踪康复进展、识别改善模式和优化训练计划。
主要功能模块：
- 康复进展分析 - 评估功能改善趋势和康复效果
- 功能改善曲线 - 可视化ROM、肌力、平衡等功能指标变化
- 疼痛模式识别 - 分析疼痛评分变化趋势和触发因素
- 目标达成率评估 - 追踪康复目标完成情况
- 康复阶段分析 - 评估当前阶段进展和阶段转换准备度
- 训练依从性评估 - 分析训练计划执行情况
触发条件
技能在以下情况下自动触发：
- 用户使用
/rehab progress查看康复进展 - 用户使用
/rehab analysis进行康复分析 - 用户使用
/rehab trends查看趋势分析 - 用户使用
/rehab report生成康复报告
执行步骤
第1步：数据读取
读取康复数据文件：
data/rehabilitation-tracker.json- 主康复档案data/rehabilitation-logs/YYYY-MM/YYYY-MM-DD.json- 每日训练日志
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（建议至少3次评估或10天训练记录）
第2步：功能评估趋势分析
关节活动度（ROM）分析：
- 分析不同时间点的ROM测量值
- 计算ROM改善速率（度/周）
- 识别ROM平台期或倒退
- 预测达到目标ROM的时间
- 与目标范围对比
肌力改善分析：
- 追踪肌力等级变化（MMT评分）
- 识别肌力提升模式
- 比较不同肌群恢复速度
- 评估肌力不平衡情况
平衡功能分析：
- 平衡测试分数趋势
- 单腿站立时间改善
- 平衡稳定性评估
- 跌倒风险变化
第3步：疼痛模式分析
疼痛时序分析：
- 分析晨起疼痛趋势
- 分析活动后疼痛趋势
- 识别疼痛加重/缓解模式
- 关联疼痛与训练强度
疼痛触发因素识别：
- 特定训练项目与疼痛关系
- 训练强度与疼痛相关性
- 活动类型与疼痛关系
- 时间因素对疼痛影响
第4步：训练依从性计算
依从性指标：
依从性 = (实际训练次数 / 计划训练次数) × 100%
分析维度：
- 周依从性
- 月依从性
- 整体依从性
- 不同训练类型的依从性
第5步：目标达成评估
目标进度追踪：
- 计算每个目标的完成百分比
- 预估目标达成时间
- 识别滞后目标
- 提供目标调整建议
第6步：康复阶段评估
当前阶段分析：
- 阶段目标完成情况
- 是否准备好进入下一阶段
- 阶段转换建议
第7步：生成报告
输出包括：
- 康复进展摘要
- 功能改善趋势
- 疼痛控制情况
- 训练依从性评价
- 目标达成评估
- 阶段进展建议
- 个性化建议
输出格式
康复进展报告结构
# 康复进展报告
**报告日期**: YYYY-MM-DD
**康复时长**: X天
**当前阶段**: 第X阶段 - 阶段名称
## 1. 康复进展摘要
[整体进展评价：优秀/良好/一般/需改进]
- 康复时长：X天（第X周）
- 完成训练：X次
- 训练依从性：X%
- 当前阶段进展：X%
## 2. 功能改善趋势
### 关节活动度（ROM）
- [关节名] [活动类型]: 基线X° → 当前X° → 改善X°
- 改善速率：X°/周
- 达到目标时间预估：X周
- 趋势分析：[改善趋势描述]
### 肌力评估
- [肌群名]: 基线X/5 → 当前X/5 → 改善X级
- 肌力提升模式：[描述]
- 肌力平衡：[评估]
### 平衡功能
- [测试类型]: 基线X → 当前X → 改善X
- 平衡稳定性：[评估]
- 跌倒风险：[评估]
## 3. 疼痛控制情况
- 平均疼痛水平：X/10
- 疼痛趋势：[改善/稳定/加重]
- 疼痛模式：[描述]
- 触发因素：[识别出的触发因素]
- 疼痛控制建议：[建议]
## 4. 训练依从性
- 整体依从性：X%
- 计划训练：X次
- 实际训练：X次
- 依从性评价：[优秀/良好/一般/需改进]
- 缺训原因分析：[如有]
## 5. 目标达成情况
### 已达成目标（X个）
- 目标1：[描述] - 达成日期：YYYY-MM-DD
- ...
### 进行中目标（X个）
- 目标1：[描述] - 当前进度：X% - 预计达成：YYYY-MM-DD
- ...
### 滞后目标（X个）
- 目标1：[描述] - 当前进度：X% - 需要关注
## 6. 康复阶段进展
**当前阶段**: 第X阶段 - [阶段名称]
- 阶段目标完成：X/X
- 阶段进度：X%
- 阶段持续时间：X周
- **阶段评价**: [评价]
**是否准备好进入下一阶段**: [是/否]
- [准备好的理由] / [需要继续努力的项目]
## 7. 个性化建议
### 训练建议
- [具体训练建议]
### 目标调整建议
- [目标调整建议]
### 阶段转换建议
- [阶段转换建议]
### 注意事项
- [需要注意的事项]
## 8. 下次评估
**下次评估日期**: YYYY-MM-DD
**评估重点**: [重点评估项目]
简要进展报告
## 康复进展简报
📊 **整体进展**: 良好
⏱️ **康复时长**: 第X周（X天）
🎯 **阶段**: 第X阶段 - [阶段名称]
**功能改善**:
- ROM: +X°（改善速率X°/周）✅
- 肌力: 提升X级 ✅
- 平衡: 改善X% ✅
**疼痛控制**: 平均X/10（[趋势]）
**训练依从性**: X%（[评价]）
**目标达成**: X/X（X%）
**当前阶段**: X/X目标完成
**下一阶段准备**: [是/否]
💡 **建议**: [1-2条核心建议]
数据源
主数据文件
- 文件路径:
data/rehabilitation-tracker.json - 读取字段:
user_profile- 用户档案和康复基本信息rehabilitation_goals- 康复目标列表exercise_log- 训练日志functional_assessments- 功能评估记录phase_progression- 阶段进展记录pain_diary- 疼痛日记statistics- 统计数据
日志数据文件
- 文件路径:
data/rehabilitation-logs/YYYY-MM/YYYY-MM-DD.json - 读取字段:
daily_summary- 日训练摘要exercise_sessions- 训练详情pain_entries- 疼痛记录assessments- 评估记录notes- 每日备注
分析算法
1. 改善趋势分析
线性回归分析：
使用最小二乘法拟合功能改善趋势
改善速率 = (当前值 - 基线值) / 时间间隔
改善模式识别：
- 线性改善：稳定持续改善
- 阶梯式改善：平台期后快速改善
- 平台期：改善停滞
- 倒退：功能下降（需要关注）
2. 疼痛时序分析
移动平均计算：
7日移动平均疼痛 = sum(近7天疼痛) / 7
疼痛趋势判断：
- 改善：疼痛评分下降≥20%
- 稳定：疼痛评分变化<20%
- 加重：疼痛评分上升≥20%
3. 依从性计算
总体依从性 = (实际训练天数 / 计划训练天数) × 100%
训练类型依从性 = (某类型实际完成 / 某类型计划完成) × 100%
依从性评价：
- 优秀：≥90%
- 良好：75-89%
- 一般：60-74%
- 需改进：<60%
4. 目标达成预测
线性外推：
预测时间 = 当前日期 + ((目标值 - 当前值) / 改善速率)
考虑因素：
- 近期改善速率
- 平台期历史
- 训练依从性
5. 阶段转换准备度评估
准备度评分：
准备度 = (已达成阶段目标数 / 阶段目标总数) × 100%
准备度 ≥ 80%: 建议进入下一阶段
准备度 60-79%: 可考虑进入下一阶段，需谨慎
准备度 < 60%: 建议继续当前阶段
安全与隐私
数据安全原则
本地存储
- 所有康复数据仅存储在用户本地设备
- 不上传至任何云端服务器
- 不与第三方共享数据
隐私保护
- 个人健康信息严格保密
- 数据文件不包含个人身份信息
- 用户完全控制数据访问权限
数据完整性
- 原始数据不被修改
- 分析结果基于真实数据
- 支持数据导出和备份
医学安全边界
系统不能做的事：
- ❌ 不提供具体康复训练处方
- ❌ 不替代康复师专业指导
- ❌ 不诊断损伤或并发症
- ❌ 不调整康复阶段计划
- ❌ 不预测康复预后时间
- ❌ 不处理急性疼痛或损伤
系统能做的事：
- ✅ 提供数据分析和趋势识别
- ✅ 提供进展追踪和目标管理
- ✅ 提供一般性康复建议
- ✅ 提供专业康复就医提醒
- ✅ 记录训练和评估数据
- ✅ 生成康复进展报告
重要提示：
- 所有康复训练计划应遵循康复师指导
- 任何疼痛加重或功能倒退应及时就医
- 定期专业评估是康复成功的关键
- 系统建议仅供参考，不替代专业判断
错误处理
数据读取错误
错误类型1：文件不存在
错误信息: "未找到康复数据文件，请先使用 /rehab start 开始康复追踪"
处理建议: 引导用户开始康复记录
错误类型2：数据不足
错误信息: "数据不足，至少需要3次功能评估或10天训练记录才能生成分析报告"
当前数据: X次评估，X天训练记录
处理建议: 建议用户继续记录更多数据
错误类型3：数据结构错误
错误信息: "数据文件结构异常，请检查数据完整性"
处理建议: 建议用户重新初始化康复档案
分析过程错误
错误类型：计算异常
错误信息: "数据分析过程中出现异常，请稍后重试"
处理建议: 记录错误日志，提供基础数据展示
输出生成错误
错误类型：报告生成失败
错误信息: "报告生成失败，请尝试简化查询条件或联系技术支持"
处理建议: 提供简化版报告或原始数据导出
使用示例
示例1：查看康复进展
用户输入：
/rehab progress
技能执行：
- 读取 rehabilitation-tracker.json
- 读取近30天的康复日志
- 分析功能改善趋势
- 计算训练依从性
- 评估目标达成情况
- 生成进展报告
输出：
# 康复进展报告
## 康复进展摘要
📊 整体进展: 良好
⏱️ 康复时长: 第6周（36天）
🎯 当前阶段: 第3阶段 - 强化期
## 功能改善
- 膝关节屈曲: 30° → 120° (+90°) ✅
- 膝关节伸直: -10° → 0° (+10°) ✅
- 股四头肌肌力: 3/5 → 4/5 (提升1级) ✅
- 单腿站立: 5秒 → 30秒 (+25秒) ✅
## 疼痛控制
- 平均疼痛: 1.5/10（良好控制）
- 疼痛趋势: 稳定 ✅
## 训练依从性: 92%（优秀）
## 目标达成: 8/14（57%）
- ✅ 已达成: 8个
- 🔄 进行中: 5个
- ⚠️ 滞后: 1个
## 阶段进展
第3阶段进度: 2/5目标完成（40%）
下一阶段准备: 需要继续努力
💡 建议: 继续当前训练强度，重点关注股四头肌强化训练
示例2：分析功能改善趋势
用户输入：
/rehab trends rom
技能执行：
- 提取所有ROM评估记录
- 绘制ROM改善曲线（文字描述）
- 计算改善速率
- 预测达到目标时间
- 识别改善模式
输出：
# 关节活动度（ROM）趋势分析
## 膝关节屈曲
📈 改善趋势: 良好
时间线:
- 5/15: 30° (基线)
- 5/30: 70° (+40°)
- 6/15: 100° (+30°)
- 6/20: 120° (+20°)
改善速率: 8.6°/周
目标: 135°
预计达成: 2025-08-01（还需2周）
趋势: 持续改善 ✅
## 膝关节伸直
✅ 已达成目标
时间线:
- 5/15: -10° (基线)
- 6/10: 0° (达成目标) ✅
- 6/20: 0° (维持)
改善速率: 2.5°/周
目标: 0°
达成日期: 2025-06-10
趋势: 维持目标 ✅
## 建议
- 膝关节屈曲进展良好，继续保持
- 注意伸直维持训练，避免屈曲挛缩
- 预计2周内可达到屈曲目标
示例3：评估疼痛模式
用户输入：
/rehab analysis pain
技能执行：
- 提取所有疼痛记录
- 分析疼痛时序变化
- 识别疼痛触发因素
- 评估疼痛控制效果
输出：
# 疼痛模式分析
## 疼痛趋势
📉 总体趋势: 改善中
- 基线疼痛: 5/10
- 当前疼痛: 2/10
- 改善: 3分（60%改善）✅
## 时序模式
- 晨起疼痛: 1/10（轻度）
- 活动后疼痛: 2/10（轻度）
- 休息时疼痛: 0/10（无痛）
## 触发因素识别
- 主要触发因素: 延长坐姿、上下楼梯
- 疼痛加剧活动: 下楼梯、深蹲
- 缓解因素: 休息、冰敷、抬高
## 训练相关疼痛
- 训练时平均疼痛: 1.2/10（安全范围）
- 训练后疼痛: 2/10（快速缓解）
- 训练依从性不受疼痛影响 ✅
## 建议
- 疼痛控制良好，继续当前训练强度
- 注意训练后休息和冰敷
- 避免疼痛加剧活动（深蹲、下楼梯）
- 如疼痛>4/10，及时就医评估
相关性分析
与运动模块关联
关联分析：
- 康复训练与运动能力恢复的关联
- 康复训练强度与心率变化的关系
- 功能改善与日常活动量的关联
示例：
用户使用 /rehab analysis correlation fitness
技能读取:
- rehabilitation-tracker.json
- fitness-tracker.json
- 分析康复训练与运动指标的相关性
与睡眠模块关联
关联分析：
- 训练强度与睡眠质量的关系
- 疼痛水平与睡眠时长的关系
- 恢复期睡眠需求分析
与用药模块关联
关联分析：
- 止痛药使用趋势
- 用药与训练强度的关系
- 疼痛控制与用药依从性
使用示例
场景1：新用户开始康复
用户: /rehab start acl-surgery 2025-05-01
系统: 初始化康复档案，设置基础目标，提供初始建议
技能: rehabilitation-analyzer（可选，用于初步评估）
场景2：记录每日训练
用户: /rehab exercise slr 3x15 pain2
系统: 记录训练数据，更新训练日志
技能: 不触发（仅记录）
场景3：查看进展报告
用户: /rehab progress
系统: 调用 rehabilitation-analyzer 技能
技能: 完整分析，生成进展报告
场景4：分析特定功能
用户: /rehab trends rom
系统: 调用 rehabilitation-analyzer 技能
技能: ROM专项分析，生成趋势报告
场景5：评估疼痛模式
用户: /rehab analysis pain
系统: 调用 rehabilitation-analyzer 技能
技能: 疼痛专项分析，识别模式和触发因素
技能版本: v1.0 最后更新: 2026-01-06 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 Rehabilitation 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 rehabilitation-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>