把健康看板维护焊成"铁律"：一个防漂移的化验数据编辑 Skill

一、为什么我要写这个

我长期用 WorkBuddy 维护一套个人健康数据看板，在不同医院给不同医生很便捷的看过往病史和诊疗记录。之前很多看病过程，时间久了就记不清，具体指标更是无法记得，所以就做此看板，从基本信息、历次看病记录到每次检验报告和指标情况都有呈现，病情有数据指标趋势图，还有历次病情分析，给医生也给我自己省去了很多麻烦：每次体检或化验后，把报告转成结构化数据、拼成一张可视化网页、再按临床口径写一段分析。坚持下来，看板成了我观察身体趋势的"第二双眼睛"。

但真正逼我把这套流程固化成 Skill 的，不是"偷懒"，而是一次险些被误导的经历：某次让通用 AI 模式直接改看板模板，它悄悄轮换了底层模型，结果同一项指标的参考区间写法前后不一致，分析里还把单位搞混了。对普通文案这无伤大雅，对健康数据却是实实在在的风险——你可能根据错误的口径做出错误判断。

这件事让我想清楚一件事：我要的不是"会干活的 AI"，而是"每次都用同一套严谨纪律干活的 AI"。 于是我把维护流程提炼成了 WorkBuddy Skill「健康看板编辑助手」，把几条纪律焊死。这篇文章是一次完整复盘，也给你一套可照搬的方法论。

二、痛点深挖：健康看板为什么特别怕"漂移"

很多人用 AI 改文档觉得"差不多就行"，但健康看板有两个特殊性，让"差不多"变成"不行"：

1. 模板又大又脆 看板页面是个近千行的单文件 HTML 模板，DOM 结构、脚本逻辑环环相扣。AI 一旦"整体重写"或随手改了某段结构，整页可能直接白屏或图表错乱。这种脆，靠肉眼很难在生成时立刻发现。

2. 模型漂移是隐形的 用 Auto 模式时，AI 会在不同底层模型间轮换。有的模型术语更口语，有的更学术；有的默认单位用 mmol/L，有的用 mEq/L。单次看差别不大，但跨多次维护累积，看板口径就乱了——同一指标今天写"参考区间 3.5–5.1"，下周变成"3.5~5.1 mmol/L"，分析结论的可比性直接崩塌。

结论：健康数据看板的核心诉求不是"智能"，而是稳定、可验证、可追溯。

三、解法：从"每次交代"到"焊死纪律"

我的思路很简单：把每次都要反复叮嘱 AI 的规矩，写进 Skill 的提示词里，让它变成默认行为。Skill「健康看板编辑助手」的核心是四条铁律：

铁律 1 · 模型固定（DeepSeek-V4-Pro，超高思考） 所有编辑类任务强制使用 DeepSeek-V4-Pro，严禁 Auto。原理前面说过：Auto 轮换模型正是漂移元凶。固定模型后，术语风格、单位写法、输出结构都保持一致。若当前不是该模型，Skill 会先提示切换再动手，绝不带病开工。

铁律 2 · 结构零破坏 模板是单文件近千行，编辑必须精准定位、最小改动，禁止整体重写或改动既有 DOM/脚本结构。这条专门防"AI 手痒重写导致白屏"。

铁律 3 · 数据口径一致 数据源 data.json 的字段名、单位、参考区间必须与历史严格对齐，新增指标先确认口径再写入。这条保证跨时间可比。

铁律 4 · 不引入外网依赖 图表库、OCR 库尽量本地化，保证离线也能跑。这条是工程稳健性，也顺带保护隐私（数据不出本机）。

四、全链路工作流（可复用 SOP）

可复用片段（直接抄）：无论你是不是做健康看板，只要你的流程有"大文件 + 精准 + 怕漂移"三个特征，就能套这套铁律——固定模型、最小改动、口径对齐、本地优先。

五、实战演练：一次完整维护（脱敏示例）

假设收到一张电解质化验截图，Skill 的实际动作是：

1. OCR：从截图识别出"钾 4.2 mmol/L"等指标。
2. 更新 data.json：把钾的结果写进对应字段，参考区间保持 3.5–5.1，不动其他历史。
3. 拼接：运行 assemble.py 生成 index.html，检查无报错、结构未变。
4. 临床分析（表格呈现，脱敏示例）：

并附中文叙事：本次电解质三项均在参考区间内，无急性异常，建议保持当前节奏、按原周期复查。

1. 部署与同步：看板上线，报告 md 与截图原图归档到你自己的知识库。

整个过程每一步都可验证——你能看到 data.json 改了哪几行、index.html 是否结构完好、分析表格是否对齐口径。

六、效果复盘

用下来三个月，最明显的三个收获：

• 稳：不再担心模型轮换导致的口径漂移，历史数据始终可比。
• 可审计：每次变更都有明确摘要，回溯某次改动一目了然。
• 可交接：换一个 AI 会话、甚至换一个人，照着 Skill 就能对齐同一套标准，不依赖"脑子里的默契"。

七、方法论外溢：任何"稳定+精准"流程都能这么固化

健康看板只是切入点。凡是符合"重复执行 + 容错率低 + 要稳定输出"的任务，都值得固化成 Skill：

• 周报/月报：把公司汇报格式焊死，杜绝每次重写；
• 合同审查：固定关注条款清单与风险口径；
• 代码评审：统一检查项与输出模板。

通用模板就三步：① 梳理你的 SOP（场景/触发/输出/背景）；② 把 SOP 写成 SKILL.md，把"铁律"写进提示词；③ 实测微调。核心心法一句话：别让 AI 每次重新理解你的标准，把标准变成它的默认。

八、给读者的避坑清单

• 别用 Auto 模式做精准编辑，固定一个强模型；
• 大文件模板永远"最小改动"，禁止整体重写；
• 数据 schema 先定死，新增项先验口径；
• 依赖本地化，数据少往外传；
• Skill 发布前务必脱敏，删掉路径、个人信息、真实数据。

九、怎么获取

在 WorkBuddy 安装「健康看板编辑助手」Skill 后，把化验报告截图丢给它，它会按四条铁律自动完成更新、拼接与分析。该 Skill 已在 SkillHub 与 ClawHub 双平台发布，搜索"健康看板编辑助手"即可免费安装——方法论完全开源，不含任何个人数据。

十、结语

把重复且怕出错的流程固化成 Skill，本质是把你的经验"焊"进 AI 的默认行为。你交付的不再是一次性的结果，而是一套可复用、可传承、不会走样的标准。如果你也在用 WorkBuddy 维护自己的数据看板，欢迎试这个 Skill，或照着上面的铁律做你自己的专属助手。

#WorkBuddy #AI办公 #效率工具 #健康数据 #个人自动化 #实战教程