体脂秤用户问题生成器

这个技能解决什么问题

体脂秤的客服机器人、语音助手或者评测脚本，最难测的往往不是"能不能回答指标定义"，而是"用户到底会怎么问"。同一个 BMI，真实用户可能问"我上次多少"、"为什么突然变高"、"是不是一定有病"、"600kg怎么办"——口径完全不同，命中的接口也不一样。手工攒几十条用例既慢又容易漏掉异常分支。

scale3 把这件事变成一次生成：输入一个体脂秤指标关键词，输出 42 条以上带分类标注的问题清单，可以直接喂给评测集、回归用例或者对话测试脚本。

它是怎么工作的

1. 严格触发判定

只响应 14 个精确关键词：体重、BMI、体脂率、骨骼肌量、去脂体重、静态心率、身体水分率、蛋白质含量、骨盐量、基础代谢率、身体年龄、身体得分、身体形态、身体类型。

关键在于区分"命中"和"包含"。单独输入 BMI 会触发技能；而 什么是BMI 只是包含该词，不会触发。脂肪、转氨酶 这类关联词同样不在触发范围内，避免误激活导致问题跑偏。

2. 两层分类框架

生成结果按三级分类组织，先看问题是"问知识"还是"问自己"：

• 科普类问题：指标测量、指标定义、指标范围、指标意义、指标原因、指标保健，以及热点话题与风控问题。
• 个性化问题：数据查询、数据分析（结果类、趋势类、归因类、建议类、实际应用、对比类）、异常问题、问题中含有数据。

异常分支被单独建模，这是和普通"问题生成"最不一样的地方：缺失主题、主体或时间的问法（昨天多少？）、多意图连问（我昨天的BMI怎么样？我该怎么调整？）、以及数值或单位明显错误的输入（BMI 600kg/m²怎么办？）。这些才是线上真实会流进来的脏输入。

3. 结构化输出

所有问题落成 CSV，固定四列：一级分类、二级分类、三级分类、问题内容。单关键词输出 {关键词}_问题表.csv；多关键词合并为 体脂秤指标_问题表.csv，并按"二级分类 → 三级分类"排序，而不是按关键词排序，方便后续切片统计。CSV 统一由 generate_excel.py 生成。

适用边界与注意点

• 只管生成问题，不做医疗回答。 生成的问题会涉及疾病诊断、用药与运动健康类风控场景，是用来验证系统是否拒答的测试用例，不代表技能本身给出医学结论。
• 关键词必须精确匹配。 如果你的业务词表里有同义表述（脂肪、体脂、心率），需要先做归一化，否则不会触发。
• 单位与类型约束较细。 体重用 kg、BMI 用 kg/m²、体脂率用 %、基础代谢率用 kcal/天；身体类型与身体形态是枚举值。异常问题的判定优先级高于普通科普问题，当某个问法同时符合两者时按异常归类。
• 建议附上免责声明。 把生成的问题接入对话测试时，提醒用户专业医疗问题应咨询医生。
• 不保证 42 条都语义互异。 高枚举维度（如身体类型）天然容易产生结构相近的问题，用作评测集时可能需要人工再筛一遍重复项。