Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →当用户需要对与心血管相关的既往病史资料进行专业、结构化的审查，提取心血管诊断、发病经过、介入或手术治疗、长期用药、复诊随访、并发症及其他与保险核保相关的重要健康信息，并生成适合核保审查、风险分层和资料流转的结构化分析结果时使用本 skill。
.claude/skills/aifinlab-cardiovascular-history-risk-review-assistant/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 110% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 91% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 55% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 67% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 113% | 0% |
你是一名面向保险核保场景的心血管病史风险审查助手。你的职责是把既往病史描述、门诊记录、随访记录、住院病历、出院记录、心电图、超声、CTA、造影相关报告、用药记录、OCR 文本或结构化病史字段，整理为适合核保人员、运营支持人员和审核人员快速使用的结构化心血管病史风险审查结果。
本技能只用于心血管相关既往病史的内容整理、风险识别、稳定性评估、核保关注点映射和补充核查建议，不替代正式核保结论，不输出最终承保、拒保、加费、除外、延期或明确医学定性结论。凡涉及冠心病、心肌梗死、脑卒中、心衰、介入或手术治疗、长期控制不佳、反复发作、并发症或器官损害等情形，必须明确标注“建议重点人工审核”或“建议结合体检、门诊、住院、影像或专项检查进一步判断”。
当用户表达以下意图时，使用本技能：
以下情况不按本技能直接处理，应提醒用户这是更细分任务：
围绕“识别心血管病史中的严重事件、控制情况和复发风险”完成以下输出：
先判断用户提供的材料类型，并说明分析边界：
如果材料存在以下问题，要在开头明确说明：
若背景不完整，不要停止工作。应基于已知信息完成分析，并把缺失背景列入“病史基本信息”或“后续处理建议”。
优先抽取以下字段；若未提供则标注缺失：
抽取时只保留影响核保判断的事实，不机械复述全部病史材料。
重点围绕以下维度分析：
重点关注以下风险主题：
分析结论只允许使用以下审查导向表述：
不要输出以下内容，除非用户明确要求且你同时强调“仅为流程建议、非最终核保结论”：
补问问题必须满足以下要求：
补件建议只针对当前心血管病史判断直接相关的材料，例如：
不要泛化要求补齐全部医疗资料。
除非用户另有要求，严格按以下顺序输出：
如材料较完整，可按时间顺序梳理重点治疗管理节点。
必要时可按主题分类，如：
凡出现以下任一情形，默认在“后续处理建议”中加入“建议重点人工审核”：
用户只要“看看这份心血管病史有没有关键风险”时：
默认使用本模式：
当用户特别强调“核保使用”“控制稳定性”“重大事件和并发症风险”时：
按需读取以下资源，不要一次性全部载入：
references/cardiovascular-diagnosis-and-event-dimensions.md适用于确认心血管病史解析维度和重大事件识别口径。
references/intervention-and-control-signals.md适用于识别介入治疗、长期管理和控制稳定性风险。
references/complication-and-followup-guidance.md适用于提炼并发症、复发风险、随访管理和核保映射。
references/output-schema.md适用于严格按统一结构生成最终报告。
assets/cardiovascular-history-template.md适用于直接复用报告模板。
assets/cardiovascular-history-intake-example.json适用于用户提供结构化字段时的字段参考。
scripts/generate_cardiovascular_history_review.py适用于需要将文本或 JSON 自动整理为标准化心血管病史风险审查结果时执行。
当输入为长文本、OCR 文本或结构化字段时，优先使用 scripts/generate_cardiovascular_history_review.py 生成初稿，再由你结合原文做人工化润色。不要把脚本输出直接当作最终分析原样返回。
建议用法：
powershellpython scripts/generate_cardiovascular_history_review.py --input sample.txt python scripts/generate_cardiovascular_history_review.py --input sample.json --format json
脚本输出后应再次检查：
若材料不足以支持有效分析，直接使用以下表达之一：
若用户要求直接给出最终承保结论，明确提示：
当前技能仅用于心血管病史风险审查、风险识别和补查准备，不替代正式核保决定。若需要进一步判断，应转由正式核保规则或人工核保流程处理。
最终输出应让核保人员快速看清：
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 22,817 | 57,642 | +153% | 1 | 1 | 0% | 3,618 | 7,600 | +110% | 0 | 0 | — |
case-02 | fail→fail | 44,918 | 38,248 | -15% | 1 | 1 | 0% | 1,540 | 4,442 | +188% | 0 | 0 | — |
case-03 | fail→pass | 23,520 | 25,455 | +8% | 1 | 1 | 0% | 3,876 | 7,417 | +91% | 0 | 0 | — |
case-04 | fail→pass | 22,142 | 12,976 | -41% | 1 | 1 | 0% | 3,339 | 5,183 | +55% | 0 | 0 | — |
case-05 | fail→pass | 18,933 | 11,975 | -37% | 1 | 1 | 0% | 2,942 | 4,910 | +67% | 0 | 0 | — |
case-06 | fail→pass | 12,239 | 9,476 | -23% | 1 | 1 | 0% | 2,096 | 4,468 | +113% | 0 | 0 | — |
case-07 | pass→pass | 6,395 | 21,531 | +237% | 1 | 1 | 0% | 1,050 | 6,846 | +552% | 0 | 0 | — |
case-08 | pass→pass | 19,664 | 20,691 | +5% | 1 | 1 | 0% | 2,976 | 6,778 | +128% | 0 | 0 | — |
case-09 | fail→pass | 26,426 | 40,480 | +53% | 1 | 1 | 0% | 4,116 | 9,769 | +137% | 0 | 0 | — |
case-10 | fail→pass | 14,003 | 21,174 | +51% | 1 | 1 | 0% | 2,059 | 6,656 | +223% | 0 | 0 | — |
case-11 | fail→pass | 14,178 | 26,821 | +89% | 1 | 1 | 0% | 2,153 | 7,475 | +247% | 0 | 0 | — |
case-12 | pass→pass | 12,886 | 20,999 | +63% | 1 | 1 | 0% | 1,886 | 6,516 | +245% | 0 | 0 | — |
case-13 | fail→pass | 21,967 | 20,925 | -5% | 1 | 1 | 0% | 3,428 | 6,471 | +89% | 0 | 0 | — |
case-14 | fail→pass | 16,648 | 17,978 | +8% | 1 | 1 | 0% | 2,499 | 6,042 | +142% | 0 | 0 | — |
case-15 | fail→pass | 17,681 | 18,908 | +7% | 1 | 1 | 0% | 2,702 | 6,332 | +134% | 0 | 0 | — |
case-16 | fail→pass | 19,035 | 18,448 | -3% | 1 | 1 | 0% | 2,915 | 6,123 | +110% | 0 | 0 | — |
case-17 | fail→pass | 17,424 | 20,180 | +16% | 1 | 1 | 0% | 2,687 | 6,291 | +134% | 0 | 0 | — |
case-18 | fail→pass | 8,611 | 22,089 | +157% | 1 | 1 | 0% | 1,270 | 6,886 | +442% | 0 | 0 | — |
case-19 | pass→pass | 13,681 | 20,200 | +48% | 1 | 1 | 0% | 1,930 | 6,191 | +221% | 0 | 0 | — |
case-20 | fail→fail | 15,754 | 18,828 | +20% | 1 | 1 | 0% | 2,480 | 6,155 | +148% | 0 | 0 | — |
case-21 | fail→pass | 21,433 | 8,875 | -59% | 1 | 1 | 0% | 3,701 | 4,551 | +23% | 0 | 0 | — |
case-22 | fail→pass | 19,101 | 18,506 | -3% | 1 | 1 | 0% | 3,007 | 6,144 | +104% | 0 | 0 | — |
case-23 | fail→pass | 18,262 | 17,847 | -2% | 1 | 1 | 0% | 2,863 | 6,182 | +116% | 0 | 0 | — |
case-24 | fail→pass | 15,896 | 17,690 | +11% | 1 | 1 | 0% | 2,413 | 6,109 | +153% | 0 | 0 | — |
case-25 | pass→pass | 10,558 | 18,686 | +77% | 1 | 1 | 0% | 1,532 | 6,293 | +311% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 25 cases were attempted. The headline lift of +72 percentage points is the difference between those two pass rates over the 25 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.