金大哥 - 医学检测报告格式化器 Skill 详情

使用说明

功能

本技能负责医学检测报告的AI识别与数据结构化，将各类医学检测报告（PDF/图片）识别并整理为标准化的JSON数据格式。采用"AI识别+本地规则验证"的混合架构，确保识别结果的准确性。

输入

PDF文档：医院电子版检测报告
图片文件：报告截图或照片（JPG、PNG等）
手写单据：医生手写检测单据照片
批量处理：支持同时上传多个图片

输出

生成 detection_results.js 文件：JS变量格式，存储识别结果数据
识别内容包括：医院名称、检测日期、检测项目名称（中英文）、检测结果、单位、参考范围

示例

输入示例：

执行医学报告识别

输出示例：

const DETECTION_RESULTS = {
  "detectionTime": "2026-06-25T11:00:00",
  "totalImages": 1,
  "images": [
    {
      "image_index": 1,
      "filename": "血常规检测报告.jpg",
      "hospital": "未知医院",
      "testDate": "未知日期",
      "records": [
        {"indicatorName": "白细胞计数", "indicatorNameEn": "WBC", "indicatorValue": 8.35, "unit": "×10^9/L", "referenceRange": "3.50~9.50"},
        {"indicatorName": "红细胞计数", "indicatorNameEn": "RBC", "indicatorValue": 4.57, "unit": "×10^12/L", "referenceRange": "3.80~5.10"}
      ]
    }
  ]
};

处理流程

阶段一：医院识别

接收报告 → 识别医院名称 → 标准化名称格式 → 记录日志

阶段二：OCR识别与数据提取

使用AI大模型进行图像识别（仅做OCR，不做边界验证）
提取检测项目、结果、单位、参考范围等数据
识别报告中的日期信息
只做OCR识别不做任何医学上的提示或建议

架构设计原则：大模型仅负责OCR识别和结构化提取，数值边界验证由本地JS规则引擎在运行时动态计算，避免大模型幻觉影响验证结果的准确性。

阶段三：日期处理（核心步骤）

日期明确：直接从报告中识别日期
日期不明确：强制向用户确认日期，不允许自动推断
日期格式标准化：统一转换为 YYYY-MM-DD 格式
日期校验规则：验证日期合理性

阶段四：生成数据文件

输出 detection_results.js 文件，包含识别的原始数据

文件结构

| 文件类型 | 文件名 | 说明 | |---------|--------|------| | 数据文件 | detection_results.js | JS变量格式，存储识别结果数据（由技能生成） | | 医学字典 | dictionary_medical.js | 医学检测项目数值边界字典（静态资源） | | 工具函数 | report_utils.js | 报告处理工具函数库（静态资源） | | 报告模板 | report_quality.html | 单体HTML文件，用于数据展示和交互（静态资源） |

数据使用方式

技能生成的 detection_results.js 数据文件需配合以下静态文件使用：

边界验证：通过 report_utils.js 中的 getBoundary() 函数，结合 dictionary_medical.js 进行数值边界验证
数据展示：通过 report_quality.html 加载数据并进行可信度评估和可视化

执行规范

严格执行：完整流程，不模拟数据
数据分离：生成的 detection_results.js 仅包含纯数据

使用场景

整理并导出检测报告PDF/图片
批量处理多份检测报告
建立个人健康档案
医学研究数据采集