medai-digest

name	medai-digest
description	医疗AI每日情报系统 - 论文推送、小红书笔记、漫画思维导图深度阅读
metadata	{"openclaw":{"requires":{"bins":"[Truncated]"},"always":true}}

医疗AI每日情报 Skill

为用户提供医疗AI领域的每日论文推送和漫画式深度阅读体验。

⚠️ 核心原则：每次生成情报前，必须先用 summarize 检查并补全摘要，再用 render 渲染。绝不可跳过摘要补全直接渲染！发送情报时，必须输出 message 字段的完整内容，禁止省略、截断或用"共X篇"概括。SVG 图片中所有文字必须使用 <tspan> 分行 + dy 控制行距（相邻行 dy ≥ 20px），禁止多个 <text> 重叠放置。

首次使用配置

用户需要设置环境变量（在 openclaw.json 的 skills.entries.medai-digest.env 中）：

{
  "MEDAI_DB": "/path/to/pipeline/corpus/corpus.db"
}

如果用户已有 content-pipeline 项目，指向其 corpus/corpus.db 即可。 如果是全新用户，先执行初始化：

python3 {baseDir}/medai.py init

然后通过 pipeline 的 python3 main.py fetch && python3 main.py score 导入数据。

可选环境变量：

• 无需额外 API key，摘要生成和深度分析由龙虾自身模型完成

核心能力

1. 每日情报推送

当用户说"今日情报"、"看看今天有什么"、"推一下"、"daily"时触发。

⚠️ 必须严格按以下步骤顺序执行，不可跳过！

Step 0（必做）: 刷新数据

从 MEDAI_DB 环境变量推算项目根目录（MEDAI_DB 路径中 corpus/corpus.db 的上两级目录），用项目的 venv Python 运行抓取命令：

macOS / Linux:

{项目根目录}/.venv/bin/python3 {项目根目录}/main.py fetch

Windows:

{项目根目录}\.venv\Scripts\python {项目根目录}\main.py fetch

如果 fetch 失败（如未安装依赖），跳过，使用数据库已有数据继续。

然后检查是否有未评分的新文章：

python3 {baseDir}/medai.py score --limit 20

如果 count > 0，你为每篇文章评分（1-10分）并分类（"顶刊论文"/"大组动态"/"商业落地"/"开源项目"），然后保存：

python3 {baseDir}/medai.py save-score '[{"id":1,"score":8.5,"category":"顶刊论文"}]'

Step 1（必做）: 补全文章摘要

运行以下命令，查看是否有文章缺少一句话摘要：

python3 {baseDir}/medai.py summarize --days 7

• 如果返回 count 为 0，跳过本步，直接进入 Step 2。
• 如果返回 count > 0，你必须为每篇文章各写一句中文摘要（40字以内，格式：[做了什么]+[关键结论]），然后一次性保存：

python3 {baseDir}/medai.py save-summary '[{"id":文章ID,"summary":"你写的摘要"}]'

注意：save-summary 的参数必须是合法 JSON 数组，每项包含 id 和 summary 两个字段。

Step 2（必做）: 渲染并发送

确认摘要补全后，执行（会自动使用用户已保存的模板样式）：

python3 {baseDir}/medai.py render --days 7

返回 JSON，取 message 字段完整发给用户，禁止省略、截断或用"共X篇"概括。如果文章数为 0，尝试扩大 --days 30。

如果返回的 JSON 中包含 missing_summaries 字段，说明还有文章缺摘要，必须先回到 Step 1 补全，再重新 render。

如果需要结构化数据（让用户选序号），用：

python3 {baseDir}/medai.py digest --days 7

2. 论文漫画详解

当用户回复数字（如"1"、"第一篇"）或说"详细看看这篇"时触发：

Step 1: 获取论文

python3 {baseDir}/medai.py article <ID>

Step 2: 深度分析

python3 {baseDir}/medai.py analyze <ID>

如果返回 cached: true，直接使用 analysis 字段。 如果返回 cached: false，根据返回的 content，你自己按以下7个维度写一份300-500字的深度分析（每段用emoji标题开头）： 🔬 核心问题、⚡ 方法创新、📊 关键结果、🗄️ 数据集、💻 代码/模型、💡 价值判断、⚠️ 局限性 然后保存：

python3 {baseDir}/medai.py save-analysis <ID> "你的分析文本"

Step 3: 生成 SVG 漫画

拿到 title、content、deep_analysis 后，你必须生成一个 SVG 文件，用 exec 工具将 SVG 代码写入文件，然后发给用户。

绝对不要用文字+emoji代替漫画！ 必须输出完整的 SVG XML 代码并转换为 PNG 图片。 绝对不要输出文字版思维导图！ 只能输出 PNG 图片。

执行流程：

1. 根据论文内容构思漫画布局
2. 用 exec 工具将完整 SVG 代码写入文件：

cat > /tmp/medai_comic.svg << 'SVGEOF'
<svg ...>完整SVG代码</svg>
SVGEOF

3. 用 exec 工具将 SVG 转为 PNG 图片：

python3 {baseDir}/medai.py svg2png /tmp/medai_comic.svg

4. 将生成的 PNG 图片 /tmp/medai_comic.png 发送给用户（用图片发送功能，不是文件）

必须是学术可视化海报风格（Visual Abstract），兼具专业性和视觉吸引力！ 严格遵循以下规范：

整体定位

参考顶级期刊（Nature/Lancet/NEJM）的 Visual Abstract 风格：严谨的数据可视化 + 清晰的逻辑流 + 适度的视觉装饰。不是幼稚漫画，是学术海报。

整体布局

• 画布 700px 宽，高度 1100-1400px
• 顶部标题横幅（深色背景 + 白色标题），底部信息栏
• 中间用细线分隔为 4-5 个区块，不要用粗黑框的漫画格子
• 区块之间有清晰的信息层级，用编号或箭头引导阅读顺序

配色方案（学术感）

• 主色调：深海蓝 #1B2A4A（标题栏、重点边框）
• 辅助色：钢蓝 #4A7FB5、石板灰 #607D8B
• 数据色：翡翠绿 #2E7D32（正面结果）、琥珀橙 #E65100（警告/局限）、深紫 #5C3D8F（方法创新）
• 背景：纯白 #FFFFFF + 浅灰区块交替 #F5F7FA
• 文字：深黑 #1A1A1A（正文）、白色 #FFFFFF（深色背景上的文字）

学术视觉元素（必须有！）

1. 数据图表区：用 SVG 画简化的统计图表
   • 柱状图：对比实验组和对照组的指标（用 rect + 渐变色）
   • ROC 曲线：用 path 画简化的 AUC 曲线 + 对角虚线
   • 表格：用 rect 画 2-3 行的精简数据表，交替行背景色
   • 数字突出：关键指标（AUC、准确率等）用大号加粗 + 色块背景
2. 方法流程图：用方框 + 箭头展示技术架构
   • 每个步骤用圆角矩形，填充渐变色
   • 步骤间用带箭头的连接线
   • 关键技术名称用加粗标注
3. 角色辅助说明（克制使用，不喧宾夺主）
   • 左下角或右下角放一个小的研究者角色（50-60px 高）
   • 角色旁加标注框（不是对话气泡），写 1-2 句总结性评语
   • 角色风格：简约线条画，不要太卡通

内容结构（从上到下，总高度必须填满 viewBox 1200px，不留黑边）

1. 标题横幅（h=120px）：深蓝背景 + 白色论文标题（中文，20-24px）+ 来源标签 + 评分徽章（圆形，金色边框）
2. 研究背景（h=120px）：左侧用大号问号图标 + 右侧 2-3 句问题陈述 + 研究目标
3. 方法架构（h=220px）：技术流程图（数据→模型→评估），关键创新点用紫色高亮框标注
4. 核心结果（h=280px，最大区域）：数据图表（柱状图或 ROC 曲线）+ 关键数字用大号突出 + 置信区间或 p 值
5. 临床意义（h=120px）：简洁的要点列表（每项一行，左对齐绿色圆点）+ 局限性（橙色圆点）
6. 底栏（h=60px）：浅灰背景 + 来源期刊图标 + DOI/链接 + 发表日期

所有区块必须紧密衔接，不留空白。底栏 y=860，底栏高度60px，整张图底部 y=920。

⚠️ 文字排版铁律（防止重叠错位的核心规则）

每一条 text 元素必须遵守以下规则：

1. 多行文字用 <tspan> + dy，禁止分行写多个 <text>：

<!-- ✅ 正确：tspan 分行，dy 控制行距 -->
<text x="30" y="340" font-size="14" fill="#1A1A1A">
  <tspan x="30" dy="0">第一行文字</tspan>
  <tspan x="30" dy="22">第二行文字</tspan>
  <tspan x="30" dy="22">第三行文字</tspan>
</text>

<!-- ❌ 错误：多个 text 重叠 -->
<text x="30" y="340">第一行</text>
<text x="30" y="340">第二行</text>

2. 所有 text 必须设置 y 坐标，禁止省略，且相邻元素 y 差值 ≥ 20px

3. 图表内部文字用 text-anchor="middle" 居中，x 设为图表区域的水平中心

4. 柱状图：每个柱子宽度 40-50px，柱子之间间距 ≥ 20px，柱子高度按数据比例缩放（最高柱子 = 150px），Y轴标签放在柱子左侧，柱顶写数值。禁止把所有柱子画成一样高。

字体和排版规范

• 标题：bold 22-24px，白色（深色背景）或深黑（浅色背景）
• 小节标题：bold 16px，深蓝色
• 正文：14px，深黑色 #1A1A1A，行高 1.5（tspan dy=22）
• 数据数字：bold 28-36px，带色块背景标签
• 注释/脚注：12px，灰色 #666
• 所有英文学术术语保留原文（如 AUC-ROC、p<0.001、Cross-Validation）
• 文字行间距：相邻 tspan 的 dy 值不得小于 20px

装饰（克制，学术感）

• 标题栏可以加细微的网格或 DNA 双螺旋暗纹（低透明度）
• 区块分隔用 1px 细线 + 小圆点或菱形装饰
• 关键数字旁加小趋势箭头（↑ ↓）
• 底栏加微渐变效果

SVG 模板骨架

<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 700 920" width="700">
  <!-- 满铺白色背景，防止黑边 -->
  <rect width="700" height="920" fill="white"/>
  <defs>
    <linearGradient id="headerGrad" x1="0" y1="0" x2="1" y2="0">
      <stop offset="0%" stop-color="#1B2A4A"/>
      <stop offset="100%" stop-color="#2C3E6B"/>
    </linearGradient>
    <linearGradient id="barGrad" x1="0" y1="0" x2="0" y2="1">
      <stop offset="0%" stop-color=/>
      
    
    
      
    
  
  

  
  
  论文标题（中文翻译）
  来源: Nature Medicine | 评分: 9.2 | 2026
  
  
  9.2

  
  
  
  🔬 研究背景
  
    背景：......
    目标：......
  

  
  
  
  ⚡ 方法架构
  
  
  📥 数据
  
  
  🔧 特征
  
  
  🧠 模型
  
  
  📈 评估
  
  
  
    ⚡ 关键创新
    DeepSpeed-Inference 加速推理
    3.8×Speedup | 内存占用降低
  

  
  
  
  📊 核心结果
  
  
  
  Baseline
  
  Ours
  
  SOTA
  
  
  100
  75
  50
  25
  
  
  AUC 0.89
  
    ● p  0.001 vs Baseline
    ● 95% CI: [0.86, 0.92]
    ● 在 3 个外部数据集验证
  

  
  
  
  💡 临床意义
  
    ● 可整合入现有 EHR 系统，辅助早期诊断
    ● 对创伤后癫痫高危人群筛查有重要价值
  
  
    ⚠️ 局限：仅验证于回顾性数据，前瞻性研究待开展
  

  
  
  来源: Nature Medicine | DOI: 10.xxxx/xxxxx | 2026

将 SVG 写入 /tmp/medai_comic.svg，然后运行 python3 {baseDir}/medai.py svg2png /tmp/medai_comic.svg 转为 PNG，将 PNG 图片发送给用户。

3. 模板切换

用户说"换个风格"时，识别关键词：

• "经典" / "邮件" → classic
• "卡片" / "飞书" → card
• "简约" → minimal
• "杂志" → magazine

执行：

python3 {baseDir}/medai.py prefs set '{"template_style":"magazine"}'
python3 {baseDir}/medai.py render --days 1

偏好会保存到数据库，后续新会话也会自动使用此样式。

4. 设置研究方向

用户说"我关注影像诊断"、"设置研究方向"时：

python3 {baseDir}/medai.py set-interests "影像诊断,大模型,病理"

关键词逗号分隔，保存后「今日情报」会优先推送匹配的文章。无匹配时显示全部。

5. 关键词搜索

用户说"搜一下XX"时：

python3 {baseDir}/medai.py search "关键词" --days 7

5. 深度分析（文字版）

用户说"分析一下"时：

python3 {baseDir}/medai.py analyze <ID>

返回 analysis 字段，7 维度结构化文本，直接发给用户。

漫画风格

• "手绘" → stroke-dasharray="5,3"
• "赛博朋克" → 背景 #1a1a2e，霓虹 #00ff88 + #ff00ff
• "简约" → 实线黑白

定时推送

用户说"每天早上8点推送情报"、"设置定时任务"时，使用龙虾的 cron 功能：

每天早上 8:30 自动推送医疗AI每日情报，执行完整的今日情报流程（刷新数据→补摘要→渲染→发送）

龙虾会自动创建定时任务。用户也可以在 ~/.openclaw/scheduled_tasks.json 中手动管理。

注意事项

1. 文章列表在对话上下文中保持，用户说序号可直接引用
2. SVG 全中文，英文标题自行翻译
3. 摘要生成和深度分析均由龙虾自身模型完成，无需外部 API key
4. 小红书笔记需要主项目的 XHS_COOKIE，独立部署时暂不支持