medical-record-organizer

name	medical-record-organizer
description	Archive and organize patient medical records for any condition — optimized for oncology and chronic disease management. Auto-classifies PDFs and scanned photos into a structured per-patient directory: imaging (CT/MRI/PET-CT/ultrasound), lab results (CBC, tumor markers CEA/CA-199/AFP/CA-125), pathology, gene panel (NGS/KRAS/EGFR/BRCA/TMB/MSI), immunohistochemistry (IHC/PD-L1/HER2/Ki-67), and discharge summaries. Supports bulk import via zip/rar/7z archives. Builds a navigable INDEX.md for each patient — ideal for patients and family caregivers managing multi-year records. Supports both Chinese and English medical documents. Trigger phrases: 整理这份报告, 归档这个检查单, 帮我存这份CT, 存这份化验单, 添加出院小结, organize this report, file this lab result, save this CT scan, archive discharge summary, store medical record.
version	1.0.0
metadata	{"openclaw":{"emoji":"🏥","requires":{"bins":["python3"],"anyBins":["unrar","unar"]},"install":[{"kind":"uv","package":"pdfplumber"},{"kind":"uv","package":"rarfile"},{"kind":"uv","package":"pillow"},{"kind":"uv","package":"python-docx"},{"kind":"uv","package":"openpyxl"},{"kind":"uv","package":"paddlepaddle"},{"kind":"uv","package":"paddleocr"},{"kind":"uv","package":"paddlenlp"}]}}

Medical Record Organizer — 病历整理与归档

本技能将医疗文档（PDF 报告、纸质扫描件照片、化验单等）自动分类、提取关键信息，并归档到结构化的患者病历目录中。

整体流程

输入文件 → 检测类型 → 提取文本 → 分类文档 → [图片?] 隐私遮挡 → 提取关键字段 → 复制并重命名 → 更新索引 → 更新 profile → [触发?] 更新当前状态

严格顺序执行：Agent 必须按 Step 0 → Step 1 → Step 2 → … → Step 10 的编号顺序依次执行。每个 Step 完成后方可进入下一个 Step，不得跳过或乱序。批量模式下 subagent 内部同样遵守 Step 2 → Step 3 → Step 4 → Step 5 → Step 6 的顺序。

---

执行模型约束（全局生效）

本 SKILL 的所有步骤由 Agent（你）亲自按Step编号顺序依次执行，前一个 Step 完成后才能进入下一个 Step。批量模式下每个 subagent 也必须按 Step 2 → 3 → 4 → 5 → 6 的顺序执行。不是由你编写脚本来执行。

绝对禁止

1. 禁止编写"一键运行"脚本：不得编写 Python/Shell 脚本来串联 Step 2-8 的流程。每个步骤由你（Agent）直接执行 shell 命令或调用已有脚本。
2. 禁止脚本化分类：Step 3 的文档分类必须由你阅读内容后判断。不得用关键词匹配、正则表达式、if-else 规则、文件名推断代替你的理解能力。
3. 禁止脚本化字段提取：Step 5 的关键字段（summary、doc_type、conclusion 等）必须由你阅读文档后生成，不得用正则或模板拼接。
4. 禁止脚本修改索引：INDEX.md、timeline.md、肿标趋势.md 的更新必须由你直接读写，不得由脚本程序修改。
5. 禁止脚本实现并行：批量模式的并行处理通过 subagent 机制实现，不得编写 threading/multiprocessing/asyncio 脚本。
6. 禁止跳步或乱序执行：必须按 Step 编号顺序（0 → 1 → 2 → … → 10）依次执行，前一个 Step 完成后才能进入下一个 Step。批量模式下每个 subagent 也必须按 Step 2 → 3 → 4 → 5 → 6 的顺序执行。

允许调用的脚本（仅限以下）

只有 scripts/ 目录下的已有脚本可以被调用，且仅用于数据提取：

• check_gpu.py — GPU 检测
• init_patient.py — 初始化患者目录
• unpack_archive.py — 解压压缩包
• extract_pdf.py — 提取 PDF 文本
• extract_docx.py — 提取 Word 文本
• extract_excel.py — 提取 Excel 文本
• redact_ocr.py — 图片 PII 遮挡

你不得创建新的 .py 或 .sh 文件。

---

Step 0 — 检测 Python 命令

在执行任何脚本之前，先确定当前系统可用的 Python 3 命令。按以下优先级依次尝试：

1. python3 --version
2. python --version（需确认输出为 Python 3.x）
3. py -3 --version（Windows py launcher）

将第一个成功返回 Python 3.x 版本号的命令记为 $PYTHON，后续所有脚本调用均使用 $PYTHON 代替 python3。

如果三个命令均不可用，告知用户需要安装 Python 3。

GPU 检测（自动）

确定 $PYTHON 后，运行 GPU 诊断：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/check_gpu.py

根据输出的 status 字段：

• ok / no_gpu：静默继续，无需提示用户。
• gpu_not_enabled / version_mismatch：向用户显示 message 和 install_command，询问是否安装。用户确认后执行安装命令，再次运行诊断脚本验证。用户拒绝则继续使用 CPU 模式。

---

Step 1 — 初始化匿名患者目录（默认隐私模式开启）

默认隐私模式开启：

• 目录名、文件名、INDEX、timeline、profile 等生成内容中，禁止写入真实姓名、身份证号、手机号、详细地址等PII。
• 若用户提供真实姓名，只用于当前会话内映射，不得写入归档文件。

如果用户未提供患者代号，先询问：

"请提供患者代号（如 PT-001）。如仅提供真实姓名，系统会自动转换为匿名ID。"

获取代号（或姓名）后，运行初始化脚本：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/init_patient.py "[患者代号或姓名]"

脚本会自动生成匿名患者ID（例如 PT-1A2B3C4D5E）并在 ~/.openclaw/patients/[匿名ID]/ 下创建完整目录树；若目录已存在会直接返回路径（幂等）。

记住输出的患者目录路径，后续步骤中用 $PATIENT_DIR 表示。

---

Step 2 — 检测输入类型

根据用户提供的文件或内容，确定输入类型：

2a. 压缩包文件（.zip / .rar / .7z）

如果文件扩展名是 .zip、.rar 或 .7z，进入 批量归档模式（见下方"Batch Archive Mode"）。

2a+. 多文件输入（非压缩包）

如果用户一次提供多个文件（例如多张图片、多个 PDF，或混合格式），即使不是压缩包，也进入 批量归档模式。

2b. PDF 文件（.pdf）

运行 PDF 文本提取脚本：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/extract_pdf.py "[文件路径]"

脚本输出 JSON，包含 success、pages、text 字段。如果 image_only 为 true，说明 PDF 是扫描件，无可提取文本——此时使用你的视觉能力直接读取 PDF 内容。

2c. 图片文件（.jpg / .jpeg / .png）

直接使用你的视觉能力（vision capability）读取图片中的文字内容。注意中文医疗文档中可能有手写体、印章等干扰元素。

2d. 用户粘贴的文本

直接使用粘贴的文本内容进行后续处理。

2e. 纯文本文件（.txt）

直接读取文件内容：

cat "[文件路径]"

将读取的文本用于后续步骤。注意：医院系统导出的 TXT 文件可能使用 GBK 编码，如出现乱码，提示用户将文件转存为 UTF-8 后重试。

2f. Word 文件（.doc / .docx）

运行 Word 文本提取脚本：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/extract_docx.py "[文件路径]"

脚本输出 JSON，包含 success、text、paragraphs 字段。注意：仅支持 .docx 格式；若为旧版 .doc 格式，脚本会输出错误并提示用户另存为 .docx 后重试。

2g. Excel 文件（.xls / .xlsx）

运行 Excel 表格提取脚本：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/extract_excel.py "[文件路径]"

脚本输出 JSON，包含 success、text、sheets、total_rows 字段。注意：仅支持 .xlsx 格式；旧版 .xls 格式脚本会提示用户转存为 .xlsx 后重试。

---

Batch Archive Mode — 批量归档模式

并行配置：

• MAX_PARALLEL = 4（默认值，用户可在触发时口头覆盖，如"最多3个并行"）

⚠ 严格禁止 — 违反此规则将导致分类结果不可靠

1. 不得编写任何批处理脚本：不得创建 .py 或 .sh 文件来循环处理文件列表。每个文件由一个独立的 subagent 处理。
2. 不得用代码逻辑分类：classify_by_content()、if "CT" in text 等关键词匹配都是错误做法。分类必须由你（Agent/subagent）阅读文档全文后，凭理解判断。
3. 不得用正则提取摘要：re.search(r"诊断[:：](.+)") 等正则提取是错误做法。摘要必须由你阅读后概括。
4. document-taxonomy.md 是给你学习用的参考手册，不是给代码用的映射表。

正确做法示例（单个文件的处理流程）：

Agent 调用: $PYTHON extract_pdf.py "file.pdf"   ← 脚本提取文本
Agent 阅读: JSON 输出中的 text 字段              ← 你读内容
Agent 判断: "这是一份腹部增强 CT 报告"            ← 你凭理解分类
Agent 提取: date=2024-03-15, summary=肝脏多发...  ← 你提取字段
Agent 执行: cp file.pdf $PATIENT_DIR/04_.../      ← 你执行复制

错误做法示例（绝对禁止）：

# ❌ 以下代码片段全部违规
def classify_by_content(text):
    if "CT" in text: return "CT报告"      # 关键词匹配
    if "CEA" in text: return "肿瘤标志物"  # 硬编码规则

for file in files:                         # 批处理循环
    process_one(file)                      # 脚本化流程

当输入为压缩包时：

1. 解压缩：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/unpack_archive.py "[压缩包路径]"

脚本返回 JSON，包含 tmp_dir（临时目录）和 files（文件列表）。

2. 分批并行处理：将 files 列表按 MAX_PARALLEL 分批，每批同时处理：

   batch_count = ceil(文件总数 / MAX_PARALLEL)
   

   对每一批（第1批 … 第 batch_count 批）：

   • 同时为该批内的每个文件各启动一个 subagent，每个 subagent 独立执行：
     • Step 2（检测类型并提取文本）
     • Step 3（分类 — 必须通过读取文档内容判断，禁止基于文件名或关键词）
     • Step 4（图片隐私遮挡，仅图片输入时执行）
     • Step 5（提取关键字段）
     • Step 6（复制并重命名原始文件）
   • 等待该批所有 subagent 完成后，向用户报告进度：

     [第N批/共M批] 已完成：文件1 (CT报告)、文件2 (血常规)、文件3 (肿瘤标志物)、...

   • 主 Agent 将该批文件的条目行写入 INDEX.md 对应分类小节，并追加 timeline.md 行（Phase A）
   • 再开始下一批

   示例（MAX_PARALLEL=4，共9个文件）：

   第1批：文件1、2、3、4 → 并行处理 → 完成后报告进度
   第2批：文件5、6、7、8 → 并行处理 → 完成后报告进度
   第3批：文件9           → 单独处理 → 完成后报告进度
   

3. 最终聚合更新：所有批次完成后，执行一次聚合操作：

   • 更新 INDEX.md 的聚合模块：关键指标（最新值）表格、最近更新日期
   • 如有肿瘤标志物文档，更新 肿标趋势.md
   • Step 9（更新 profile.json）
   • Step 10（更新当前状态快照，需用户确认）

4. 清理临时文件：

rm -rf [tmp_dir]

5. 输出汇总报告：

"共处理 X 份文档：Y 份影像报告、Z 份检验报告、W 份其他文档"

---

Step 3 — 分类文档

阅读文档内容，理解文档的性质和用途，对照分类法判断类别。不要依赖关键词匹配，通过理解文档整体内容来判断。

执行主体：分类判断必须由你（Agent）完成，不能委托给任何脚本或函数。你应该：

1. 阅读文档的完整文本（或用视觉能力查看图片）
2. 理解文档的整体性质——是检验报告、影像报告、病理报告还是出院记录
3. 对照 document-taxonomy.md 中的分类描述，选择最匹配的类别
4. 如果不确定，归入 10_原始文件/未分类/

分类参考文件（包含完整对照表和优先级规则）：

~/.openclaw/skills/medical-record-organizer/assets/document-taxonomy.md

如果无法确定文档类别，归入 10_原始文件/未分类/，并提示用户确认。

---

Step 4 — 图片/扫描件隐私遮挡（OCR 自动方案）

触发条件：仅在输入为图片（.jpg/.png）时执行。其他文件类型跳过此步。

时序约束：必须在 Step 3（分类）之后、Step 5（提取关键字段）之前执行。Step 6 应复制 _redacted 版本而非原始文件。

执行步骤：

1. OCR 自动遮挡：运行 OCR 脚本一键完成 PII 检测与遮挡：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/redact_ocr.py "[原始文件路径]" --output "[输出路径_redacted.ext]"

脚本自动完成：PaddleOCR 文字检测 → PII 分类（PaddleNLP UIE NER）→ 标签-值分离（只遮值不遮标签）→ 输出遮挡图。

输出： 脚本输出的遮挡图不需要再进行任何额外脱敏处理。 _redacted 文件路径，作为 Step 6 的复制源。

---

Step 5 — 提取关键字段

执行主体：以下字段由你（Agent）阅读文档内容后提取和填写，不得用正则表达式或模板脚本自动生成。

从文档内容中提取以下字段：

字段	说明	格式
date	文档日期	YYYY-MM-DD（部分日期可估算）
hospital	医院/机构名称	字符串
department	科室	字符串
doc_type	分类后的文档类型	中文，如"CT报告"
summary	关键发现一句话摘要	中文，不超过80字
key_values	重要数值	字典，如 {"CEA": "5.2 ng/mL"}
abnormal_items	异常项列表	字符串数组
conclusion	医生结论/印象	字符串

注意事项：

• 日期格式统一为 YYYY-MM-DD。如果文档只有"2024年3月"，记为 2024-03-01。
• 如果某个字段无法提取，留空或标记为"未提供"。
• 对于检验报告，key_values 应包含所有数值结果及参考范围。
• 对于影像报告，summary 应包含最关键的影像学发现。

---

Step 6 — 复制并重命名原始文件

将原始文件复制到 Step 3 确定的目标目录，并按标准格式重命名：

文件命名规则

YYYY-MM-DD_[doc_type]_[brief_desc].[原始扩展名]

• YYYY-MM-DD：来自 Step 5 的 date 字段
• [doc_type]：来自 Step 5 的 doc_type 字段（如 CT报告、肿瘤标志物）
• [brief_desc]：来自 Step 5 的 summary 字段中最关键的2–4个中文词（如 腹部增强、CEA升高），且禁止包含任何PII
• 扩展名保留原始文件扩展名（.pdf、.jpg、.png 等）

示例：2024-03-15_CT报告_腹部增强.pdf、2024-03-15_肿瘤标志物_CEA升高.jpg

操作命令

备份原始文件：无论文件类型，先将原始未遮挡文件按序号复制到备份目录：

cp "[原始文件路径]" "$PATIENT_DIR/10_原始文件/原始未遮挡/[序号].[原始扩展名]"

• 序号格式为 0001、0002（与解压时一致）；单文件输入时序号为 0001
• 此操作保留未经任何处理的原始文件，确保可追溯

根据文件类型选择不同的源文件复制到分类目录：

图片/扫描件（经过 Step 4 遮挡）：

cp "[_redacted文件路径]" "$PATIENT_DIR/[目标目录]/YYYY-MM-DD_[doc_type]_[brief_desc].[ext]"

其他文件类型（未经遮挡）：

cp "[原始文件路径]" "$PATIENT_DIR/[目标目录]/YYYY-MM-DD_[doc_type]_[brief_desc].[ext]"

注意事项

• 如果目标文件名已存在（同名文件），在 brief_desc 后附加 _2、_3 以此类推
• 如果原文件名已符合 YYYY-MM-DD_ 开头的标准格式，可直接复制不重命名
• 批量模式下：每个 subagent 完成 Step 5 后立即执行此步，无需等待其他文件

---

Step 7 — 更新 INDEX.md

执行主体：INDEX.md 的更新由你（Agent）直接编辑文件完成。不得编写脚本来修改 INDEX.md。

批量模式下（两阶段）：

• Phase A（逐批）：每批 subagent 完成后，主 Agent 立即将该批文件的条目行插入对应分类小节（<!-- 新文档条目插入此处 --> 之后）。此阶段只写条目行，不改其他区域。
• Phase B（最终）：所有批次完成后，执行一次聚合更新——刷新"关键指标（最新值）"表格、"最近更新"日期等非条目区域。

1. 读取 $PATIENT_DIR/INDEX.md。
2. 找到对应分类的小节标题（如 ### 04_影像学/CT/）。
3. 在该小节的 <!-- 新文档条目插入此处 --> 注释之后插入新条目，直接链接原始文件：

- [2024-03-15*CT报告*腹部增强.pdf](04_影像学/CT/2024-03-15_CT报告_腹部增强.pdf) — 肝脏多发转移灶，最大2.1cm，较前增大 ↑

条目格式说明：

• 链接文本和链接目标均为 Step 6 生成的原始文件名（非 .md）
• 破折号后为一句话摘要（Step 5 的 summary 字段 + 关键数值），直接内联，无需打开另一个文件

4. 如果文档包含被追踪的检验指标（CEA、CA-199、血红蛋白、肌酐等），同时更新 INDEX.md 中"关键指标（最新值）"表格对应行。

5. 更新"最近更新"日期。

6. 如果 INDEX.md 不存在，从模板创建：

cp ~/.openclaw/skills/medical-record-organizer/assets/templates/INDEX-template.md $PATIENT_DIR/INDEX.md

并将 {{PATIENT_ID}} 替换为匿名患者ID，{{UPDATE_DATE}} 替换为当前日期。

---

Step 8 — 更新 timeline.md

执行主体：timeline.md 的更新由你（Agent）直接编辑文件完成。不得编写脚本来修改 timeline.md。

批量模式下（逐批写入）：每批 subagent 完成后，主 Agent 立即将该批文件的行追加到 timeline.md 表格中（保持时间倒序）。无需等到所有批次完成。

在 $PATIENT_DIR/timeline.md 的表格中追加新行（按时间倒序，最新的在最前），文件路径指向原始文件：

| 2024-03-15 | CT报告 | 肝脏多发转移灶，最大2.1cm | 04*影像学/CT/2024-03-15_CT报告*腹部增强.pdf |

---

Step 9 — 更新 profile.json

执行主体：profile.json 的更新由你（Agent）直接读写文件完成。不得编写脚本来修改 profile.json。

批量模式下：所有文件处理完毕后只执行一次 profile.json 更新。

根据本次归档文档中提取的信息，自动回填 $PATIENT_DIR/profile.json 中仍为 null 的字段。

规则

1. 只填 null 字段：如果字段已有非 null 值，绝对不覆盖。
2. 可回填的字段（仅限以下 5 个）：

字段	数据来源示例
diagnosis	出院小结中的"出院诊断"、病理报告中的"病理诊断"
diagnosis_date	首次确诊的日期（格式 YYYY-MM-DD）
hospital	报告抬头中的医院名称（取最常出现的）
doctor	主治/主管医生姓名（取最常出现的）
age	报告中出现的年龄信息（取最新文档中的值）

3. 隐私红线：name 字段永远不得填写，即使文档中包含患者姓名。
4. 不确定时不填：如果信息模糊或矛盾，保留 null，不要猜测。

执行步骤

1. 读取 $PATIENT_DIR/profile.json。
2. 检查上述 5 个字段是否为 null。
3. 从本次处理的文档提取信息中，匹配可填入的值。
4. 将更新后的 JSON 写回文件（保持格式化，UTF-8 编码）。

---

特殊处理：肿瘤标志物

当文档被分类为 肿瘤标志物 时，除常规归档外，还需更新趋势表：

文件：$PATIENT_DIR/05_检验检查/肿瘤标志物/肿标趋势.md

在表格中追加新行：

| [date] | [CEA值] | [CA-199值] | [AFP值] | [CA-125值] | [其他标志物] | [趋势↑↓→] | [备注] |

趋势判断规则：

• 与上一次数值比较，升高标记 ↑，降低标记 ↓，稳定标记 →
• 如果是首次记录，趋势标记为 —（首次）

---

Step 10 — 更新当前状态快照

执行主体：当前状态快照的更新由你（Agent）直接读写文件完成。不得编写脚本来修改当前状态。

批量模式下：所有文件处理完毕后只执行一次当前状态更新（需用户确认）。

当新录入的文档是以下类型时：

• 影像报告（CT / MRI / PET-CT / 超声）
• 肿瘤标志物检验报告

处理完毕后，提示用户：

"本次录入了[影像报告/肿瘤标志物]，是否要更新当前状态快照？(y/n)"

如果用户确认（y），则更新 $PATIENT_DIR/01_当前状态/当前状态.md，将最新的影像学发现或标志物数值写入对应小节。同时将旧版本的当前状态复制到 01_当前状态/历史快照/ 目录保存。

---

GPU 加速（可选）

默认使用 CPU 运行 OCR。如有 NVIDIA GPU，GPU 版本可提速 5–10x。

自动检测：Step 0 的 GPU 检测已自动诊断并提示安装。如果跳过了提示或需要手动安装，参考以下命令：

# CUDA 11.x
pip install --upgrade paddlepaddle-gpu -i https://www.paddlepaddle.org.cn/packages/stable/cu118/

# CUDA 12.x
pip install --upgrade paddlepaddle-gpu -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

注意：标准 PyPI 上 paddlepaddle-gpu 最高只有 2.x。PaddleX 3.x 需要 PaddlePaddle ≥ 3.0，必须从 PaddlePaddle 官方源安装。

安装后可运行诊断脚本验证：

$PYTHON ~/.openclaw/skills/medical-record-organizer/scripts/check_gpu.py

无需修改任何脚本，PaddlePaddle 自动检测 GPU。

---

隐私保护（默认开启，强制执行）

详细规则见参考文件：

~/.openclaw/skills/medical-record-organizer/assets/privacy-rules.md

核心原则：除非用户明确说”关闭隐私模式”，否则始终启用。目录必须使用匿名ID，文件名和索引内容禁止出现 PII。图片/扫描件的 PII 遮挡由 Step 4 的 redact_ocr.py 自动完成。

临时文件管理

来源	路径	清理时机
unpack_archive.py 解压目录	$TEMP/openclaw_unpack_[timestamp]/	批量归档完成后立即 rm -rf [tmp_dir]

容错：如果批量流程中途失败或被中断，在下次运行任何归档任务前，先检查并清理残留临时目录：

rm -rf "$($PYTHON -c "import tempfile; print(tempfile.gettempdir())")/openclaw_unpack_"*

其余脚本不产生临时文件。_redacted 和 _debug 文件是最终产物，不属于临时文件。

错误处理

• 如果 PDF 提取失败（加密、损坏），告知用户并建议拍照后用图片模式重试。
• 如果无法判断文档分类，归入 10_原始文件/未分类/ 并提示用户手动确认。
• 如果关键字段无法提取，标注"未提供"并继续流程。
• 所有文件操作使用 UTF-8 编码。