独居者作息规律异常分析
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 @user_bb47e3e3/living-alone-rhythm-anomaly-analysis。
技能介绍
解决的问题
独居者夜间状态很难直接观察，家属或社区人员如果只能靠电话抽查，容易错过作息紊乱的早期信号。这个技能面向卧室/客厅固定摄像头，聚焦一个具体问题：在夜间画面中识别熄灯时间和凌晨 0-6 点活动，再与个人历史基线比较，判断当晚是否出现显著偏移。它不做医疗诊断，只输出基于视觉的作息参数、异常类型和提醒文本。
工作方式
核心流程是：输入覆盖 22:00-06:00 的夜间视频（mp4 / avi / mov，最大 10MB），先做亮度变化检测定位熄灯时刻，再做低光/红外人体活动检测，统计凌晨活动事件与累计时长。随后用过去 7-14 天数据计算均值和标准差，对当晚结果做偏差评估，例如熄灯延迟超过 2 小时、活动频次高于基线两个标准差等，生成 late_lights_off、frequent_early_morning_motion、combined_rhythm_disruption 等异常标签。若用户查询历史报告，技能要求从云端接口读取并以 Markdown 表格输出，而不是依赖本地记忆或人工汇总。
适用边界
该技能适合独居老人家庭、单身公寓和远程照护场景，作为家属或社区人员的关注提示。首次部署需要采集稳定基线；单次异常可能来自出差、客人、服药等正常事件，建议电话核实而非直接报警。由于涉及夜间监控，必须取得本人或监护人明确同意，并优先采用低侵入的人体轮廓识别与加密存储。
使用场景
- 为独居老人家庭配置卧室摄像头后，分析当晚视频并判断熄灯时间是否晚于个人基线。
- 社区网格员处理远程照护工单时，用 7-14 天基线查询某位独居者连续多晚作息异常记录。
- 家属收到夜间异常提醒后，查看云端历史报告清单，确认近期凌晨活动频率是否高于基线。
- 照护服务团队评估单身公寓住户时，用低光人体活动检测统计凌晨移动事件和累计时长。
适合人员
- 独居老人家属：想通过摄像头知道当晚熄灯是否明显偏晚，并决定是否电话确认。
- 社区网格员：要在远程照护场景中查询历史作息报告，识别连续多晚凌晨活动偏高的住户。
- 远程照护运营：要基于视频提取熄灯时间与凌晨活动，生成可追踪的异常提醒清单。
- 家庭养老项目：要给独居者建立 7-14 天基线，并用基线判断当晚是否出现异常。
相关技能
帮助用户整理近期情绪与事件，提炼咨询议题并生成要点清单，同时提示危机转介，不替代心理咨询或诊断。
帮用户梳理多个目标或成就，按价值、难度、时间和错过风险排序，区分主线、支线与低价值肝度，并给出本周可推进行动和停止线。
结合图片识别与脚本计算，提供风水、面相、八字、星座运势、每日一卦和老黄历等服务。
查询国内汽车票班次、票价和余票，并给出去客运站交通方案与附近住宿推荐。