Agent Skills
返回列表
患者亚型树生成

患者亚型树生成

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @baitongai/patient-subtype-tree-generation-skill。

技能介绍

解决的具体问题

在临床数据分析场景中,患者的亚型树(如基于分子标志物或表型特征的分层结构)是后续精准治疗和科研分析的基础输入。但这类数据往往敏感,且依赖特定服务端能力。

把"取数"和"算树"混在一个脚本里,常见的麻烦有三类:一是执行环境不可预期,Windows 下 python 可能被 Microsoft Store 别名劫持;二是授权逻辑容易写进业务代码,JWT、AppKey/AppSecret 在多个脚本里手工拼接,维护成本高且易泄漏;三是授权失败时业务仍在继续跑,最后给到一份"看起来能用"但来源不合规的结果。

技能如何工作

该技能把前置条件拆成了两层:Python 运行时 和 服务端授权,两者都通过 SKILL.md 描述的固定流程完成。

  • Python 环境检测:在任何脚本执行前先静默探测可用解释器。PYTHON_CMD 有值且版本满足时直接执行;为空或版本过低时按模板报告。用户显式提供全路径时,直接采用该路径,不再重试探测。
  • 强制授权检查:所有工作流开始前必须先调用 scripts/auth.py 做授权检查。AUTH_OK 才算放行;首次使用时出现 AUTH_REQUIRED / CREDENTIALS_MISSING 属于正常首次绑定流程,需主动通过 WorkBuddy 的 connect_cloud_service 获取 JWT,再调用 --bind-jwt 完成绑定,而不是停下报错。
  • 凭证自动刷新:当 --ensure 返回 CREDENTIALS_INVALID 或 stderr 中出现 HTTP 401、签名类关键字时,说明本地缓存凭证已失效,会尝试用新 JWT 覆盖旧缓存,并重新检查。
  • 受保护内容拉取:授权通过后,由 scripts/protected.py 拉取云端的 protected instructions,只有成功返回时才按其内容继续业务推理。

适用边界与注意点

  • 鉴权门禁与业务输出互斥。绑定流程执行后 --ensure 仍未拿到 AUTH_OK,技能会立即停止,不再产出任何业务结果。不存在"先给一份结果再补一句鉴权有点问题"的路径。
  • 自动修复只尝试一次。凭证缺失或过期时会尝试刷新一次;再次失败即视为服务端不可用,按模板告知用户,不再反复重试或降级。
  • 密钥不进入业务命令与环境变量。AppKey / AppSecret 由 scripts/auth.py 统一处理,业务侧不手动拼接,错误信息中的密钥字段会打码。
  • Windows 下优先使用 py -3。避免 python 命令打开应用商店;如使用别名,可在系统设置中关闭 python.exe / python3.exe 的执行别名。
  • 禁止绕过 protected.py。未拿到服务端返回的 protected instructions 时,不依赖本地提示或历史上下文继续生成,避免与云端定义产生偏离。

使用场景

  • 拿到患者队列数据后,需要生成一版亚型树用于后续分层分析
  • 团队已有服务端凭证,希望在本地脚本中复用而不重新申请密钥
  • Windows 环境下运行分析脚本,需要确认解释器可用再执行
  • 需要区分首次绑定与真正鉴权失败,避免把首次使用误报为错误

适合人员

  • 临床数据分析师,需要在本地环境生成亚型树并保证输出可溯源
  • 医疗 AI 工程师,负责把授权流程嵌入自动化分析脚本
  • 医院信息科人员,需要在 Windows 终端上稳定运行分析工具
  • 科研团队负责人,关注密钥不泄漏且鉴权失败时不产出结果