[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill-2705ec38-aa1c-4b58-88f1-8554ef24fd81":3,"$fM8W9x2yzE-kzwPmdz0zqz7o6vj6TxBsFR2Xj_eAvKvw":43},{"id":4,"title":5,"description":6,"categoryId":7,"moduleId":8,"tags":9,"prompt":10,"icon":11,"source":12,"sourceUrl":13,"authorId":14,"authorName":15,"isPublic":16,"stars":17,"runs":18,"createdAt":19,"updatedAt":19,"module":20,"category":27,"packages":34},"2705ec38-aa1c-4b58-88f1-8554ef24fd81","sleep-analyzer","分析睡眠数据、识别睡眠模式、评估睡眠质量，并提供个性化睡眠改善建议。支持与其他健康数据的关联分析。","cat_life_career","mod_other","sickn33,other","---\nname: sleep-analyzer\ndescription: 分析睡眠数据、识别睡眠模式、评估睡眠质量，并提供个性化睡眠改善建议。支持与其他健康数据的关联分析。\nallowed-tools: Read, Grep, Glob, Write\nrisk: unknown\nsource: community\n---\n\n# 睡眠分析器技能\n\n分析睡眠数据，识别睡眠模式，评估睡眠质量，并提供个性化睡眠改善建议。\n\n## When to Use\n- 需要分析睡眠时长、效率、作息规律或睡眠质量时使用。\n- 任务涉及失眠模式、夜间觉醒、PSQI 评分或睡眠问题识别。\n- 需要把睡眠数据与情绪、运动或其他健康因素做关联分析时使用。\n\n## 功能\n\n### 1. 睡眠趋势分析\n\n分析睡眠时长、质量、效率的变化趋势，识别改善或需要关注的方面。\n\n**分析维度**：\n- 睡眠时长趋势（平均睡眠时长变化）\n- 睡眠效率趋势（睡眠效率百分比变化）\n- 入睡时间模式（上床时间、入睡时间、起床时间）\n- 作息规律性评分（sleep consistency score）\n- 周末vs工作日对比（social jetlag）\n\n**输出**：\n- 趋势方向（改善\u002F稳定\u002F下降）\n- 变化幅度和百分比\n- 趋势显著性评估\n- 最佳睡眠时间窗口识别\n- 改进建议\n\n### 2. 睡眠质量评估\n\n综合评估睡眠质量，识别影响睡眠质量的关键因素。\n\n**评估内容**：\n- PSQI分数追踪和趋势\n- 主观睡眠质量分布（好\u002F中\u002F差）\n- 夜间觉醒分析（次数、时长、原因）\n- 睡眠阶段分析（深睡、浅睡、REM比例）\n- 睡后恢复感评估\n\n**输出**：\n- 睡眠质量等级（优秀\u002F良好\u002F一般\u002F较差）\n- 质量变化趋势\n- 主要影响因素识别\n- 质量改善优先级建议\n\n### 3. 睡眠问题识别\n\n识别常见的睡眠问题和风险因素。\n\n**识别内容**：\n- **失眠模式**：\n  - 入睡困难（sleep latency >30分钟）\n  - 睡眠维持困难（夜间觉醒>2次或总觉醒时间>30分钟）\n  - 早醒（比预期提前醒来>30分钟）\n  - 混合型失眠\n\n- **呼吸暂停风险**：\n  - STOP-BANG问卷评分\n  - 症状分析（打鼾、憋醒、白天嗜睡）\n  - 风险等级（低\u002F中\u002F高）\n\n- **其他问题**：\n  - 作息不规律检测\n  - 睡眠债计算（理想时长vs实际时长）\n  - 社交时差评估\n\n**输出**：\n- 问题存在与否\n- 问题类型和严重程度\n- 风险因素列表\n- 是否需要就医建议\n\n### 4. 相关性分析\n\n分析睡眠与其他健康指标的相关性。\n\n**支持的相关性分析**：\n- **睡眠 ↔ 运动**：\n  - 运动日vs休息日的睡眠差异\n  - 运动时间对睡眠的影响（早晨\u002F下午\u002F晚间运动）\n  - 运动强度与睡眠质量的相关性\n\n- **睡眠 ↔ 饮食**：\n  - 咖啡因摄入与睡眠时长、入睡时间的关系\n  - 酒精摄入对睡眠结构的影响\n  - 晚餐时间与睡眠质量的关系\n\n- **睡眠 ↔ 情绪**：\n  - 睡眠与情绪的双向关系分析\n  - 压力水平对睡眠质量的影响\n  - 睡眠剥夺对日间情绪的影响\n\n- **睡眠 ↔ 慢性病**：\n  - 睡眠与高血压的关系\n  - 睡眠与血糖控制的关联\n  - 睡眠与体重变化的关系\n\n**输出**：\n- 相关系数（-1到1）\n- 相关性强度（弱\u002F中\u002F强）\n- 统计显著性\n- 因果关系推断\n- 实践建议\n\n### 5. 个性化建议生成\n\n基于用户数据生成个性化睡眠改善建议。\n\n**建议类型**：\n- **作息调整建议**：\n  - 最佳上床\u002F起床时间\n  - 作息一致性改善方案\n  - 午睡管理建议\n\n- **睡前准备建议**：\n  - 睡前例行程序设计\n  - 放松技巧推荐\n  - 屏幕时间管理\n\n- **睡眠环境优化**：\n  - 温度、湿度、光线、噪音优化\n  - 床品舒适度建议\n\n- **生活方式调整**：\n  - 运动、饮食、咖啡因、酒精管理\n  - 压力管理建议\n\n- **CBT-I元素**：\n  - 刺激控制建议\n  - 睡眠限制建议\n  - 认知重构建议\n\n**输出**：\n- 优先级排序的建议列表\n- 具体实施步骤\n- 预期效果说明\n- 实施时间线\n\n---\n\n## 使用说明\n\n### 触发条件\n\n当用户请求以下内容时触发本技能：\n- 睡眠趋势分析\n- 睡眠质量评估\n- 睡眠问题识别\n- 睡眠改善建议\n- 睡眠与其他健康指标的关联分析\n\n### 执行步骤\n\n#### 步骤 1: 确定分析范围\n\n明确用户请求的分析类型和时间范围：\n- 分析类型：趋势\u002F质量\u002F问题\u002F相关性\u002F建议\n- 时间范围：周\u002F月\u002F季度\u002F自定义\n\n#### 步骤 2: 读取数据\n\n**主要数据源**：\n1. `data-example\u002Fsleep-tracker.json` - 睡眠追踪主数据\n2. `data-example\u002Fsleep-logs\u002FYYYY-MM\u002FYYYY-MM-DD.json` - 每日睡眠记录\n\n**关联数据源**：\n1. `data-example\u002Ffitness-tracker.json` - 运动数据\n2. `data-example\u002Fhypertension-tracker.json` - 血压数据\n3. `data-example\u002Fdiabetes-tracker.json` - 血糖数据\n4. `data-example\u002Fdiet-records\u002F` - 饮食记录\n5. `data-example\u002Fmood-tracker.json` - 情绪数据\n\n#### 步骤 3: 数据分析\n\n根据分析类型执行相应的分析算法：\n\n**趋势分析算法**：\n- 线性回归计算趋势斜率\n- 移动平均平滑波动\n- 统计显著性检验\n\n**相关性分析算法**：\n- Pearson相关系数计算\n- 滞后相关性分析（考虑时间延迟效应）\n- 多变量回归分析\n\n**模式识别算法**：\n- 时间序列模式识别\n- 异常值检测\n- 周期性分析\n\n#### 步骤 4: 生成报告\n\n按照标准格式输出分析报告（见\"输出格式\"部分）\n\n---\n\n## 输出格式\n\n### 睡眠质量分析报告\n\n```markdown\n# 睡眠质量分析报告\n\n## 分析周期\n2025-03-20 至 2025-06-20（3个月）\n\n---\n\n## 睡眠时长趋势\n\n- **趋势**：⬆️ 改善\n- **开始**：平均6.2小时\u002F晚\n- **当前**：平均7.1小时\u002F晚\n- **变化**：+0.9小时 (+14.5%)\n- **解读**：睡眠时长显著增加，接近理想目标（7.5小时）\n\n**趋势线**：\n```\n6.5h ┤     ╭╮\n6.0h ┤   ╭─╯╰╮\n5.5h ┤ ╭─╯   ╰─╮\n5.0h ┼─┘       ╰─\n     └───────────\n     3月  4月  5月  6月\n```\n\n---\n\n## 睡眠效率\n\n- **平均睡眠效率**：85.3%\n- **效率范围**：78%-92%\n- **达标率**：63%（>85%为达标）\n- **解读**：睡眠效率正常，仍有提升空间\n\n**效率分布**：\n- 优秀（>90%）：15晚\n- 良好（85-90%）：28晚\n- 需改善（\u003C85%）：47晚\n\n---\n\n## 作息规律性\n\n- **平均上床时间**：23:15（范围：22:30-01:00）\n- **平均起床时间**：07:05（范围：06:30-08:30）\n- **作息一致性评分**：72\u002F100\n- **社交时差**：45分钟（周末比工作日晚睡晚起）\n- **解读**：作息基本规律，但周末波动较大\n\n**建议**：\n- 🎯 保持一致的起床时间，包括周末\n- 🎯 逐步调整上床时间，避免周末过度延迟\n\n---\n\n## 睡眠质量分布\n\n| 质量等级 | 天数 | 占比 | 趋势 |\n|---------|------|------|------|\n| 优秀 | 8 | 9% | ⬆️ |\n| 很好 | 12 | 13% | ➡️ |\n| 好 | 15 | 17% | ⬆️ |\n| 一般 | 42 | 47% | ⬇️ |\n| 差 | 10 | 11% | ⬇️ |\n| 很差 | 3 | 3% | ➡️ |\n\n**解读**：睡眠质量以\"一般\"为主，但\"好\"及以上质量的天数在增加\n\n---\n\n## 夜间觉醒分析\n\n- **平均觉醒次数**：1.8次\u002F晚\n- **平均觉醒时长**：18分钟\n- **主要原因**：\n  1. 尿意（45%）\n  2. 噪音（25%）\n  3. 温度过热（15%）\n  4. 其他（15%）\n\n**建议**：\n- 🎯 睡前2小时限制液体摄入\n- 🎯 优化卧室温度（18-22℃）\n- 🎯 使用白噪音机器遮蔽背景噪音\n\n---\n\n## PSQI 评估趋势\n\n- **最新分数**：8分（睡眠质量一般）\n- **上次分数**：10分（2025-03-20）\n- **变化**：-2分（改善）\n- **趋势**：⬆️ 持续改善\n\n**历史趋势**：\n```\n12 ┤ ●\n10 ┤  ●\n 8 ┤    ●\n 6 ┤\n   └──────\n   12月 3月 6月\n```\n\n**各成分变化**：\n- 主观睡眠质量：2→2（稳定）\n- 入睡时间：2→2（稳定）\n- 睡眠时长：2→1（改善）\n- 睡眠效率：2→1（改善）\n- 睡眠障碍：2→1（改善）\n\n---\n\n## 睡眠问题识别\n\n### 失眠评估\n\n- **类型**：混合型失眠\n- **频率**：4-5晚\u002F周\n- **持续时间**：18个月\n- **主要症状**：\n  - ✗ 入睡困难（潜伏期>30分钟）\n  - ✗ 睡眠维持困难（夜间觉醒>2次）\n  - ✓ 无早醒问题\n\n- **影响**：\n  - 白天疲劳：中度\n  - 情绪烦躁：是\n  - 注意力困难：是\n  - 工作表现：轻度影响\n\n- **建议**：🏥 持续>3个月，建议就医咨询睡眠专科\n\n### 呼吸暂停筛查（STOP-BANG）\n\n- **评分**：3\u002F8\n- **风险等级**：中等风险\n- **阳性项目**：\n  - ✗ Snoring（打鼾）\n  - ✗ Tired（白天疲劳）\n  - ✓ Observed apnea（未观察到呼吸暂停）\n  - ✗ Pressure（高血压）\n  - ✓ BMI > 28\n  - ✓ Age > 50\n  - ✗ Neck size > 40cm\n  - ✓ Gender = male\n\n- **建议**：⚠️ 建议进行睡眠检查（PSG）\n\n---\n\n## 相关性分析\n\n### 睡眠 ↔ 运动\n\n**运动日 vs 休息日**：\n- 运动日平均睡眠：7.3小时\n- 休息日平均睡眠：6.8小时\n- 差异：+0.5小时（+7.4%）\n\n**运动时间对睡眠的影响**：\n- 早晨运动：睡眠时长7.5小时，质量评分7.8\u002F10\n- 下午运动：睡眠时长7.2小时，质量评分7.5\u002F10\n- 晚间运动：睡眠时长6.8小时，质量评分6.8\u002F10\n\n**相关性**：中等正相关（r = 0.42）\n**结论**：规律运动有助于改善睡眠，但应避免睡前2-3小时剧烈运动\n\n**建议**：\n- 🎯 保持规律运动习惯\n- 🎯 将运动时间移至早晨或下午\n- 🎯 睡前2-3小时避免剧烈运动\n\n---\n\n### 睡眠 ↔ 咖啡因\n\n**咖啡因摄入时间分析**：\n- 下午2点前摄入：平均睡眠7.2小时，入睡潜伏期25分钟\n- 下午2点后摄入：平均睡眠6.7小时，入睡潜伏期40分钟\n- 差异：-0.5小时时长，+15分钟潜伏期\n\n**相关性**：中等负相关（r = -0.38）\n**结论**：下午2点后摄入咖啡因显著影响睡眠\n\n**建议**：\n- 🎯 避免下午2点后摄入咖啡因\n- 🎯 睡前6小时完全避免咖啡因\n\n---\n\n### 睡眠 ↔ 情绪\n\n**睡眠质量对次日情绪的影响**：\n- 睡眠好：次日情绪积极概率82%\n- 睡眠一般：次日情绪积极概率45%\n- 睡眠差：次日情绪积极概率18%\n\n**睡前情绪对入睡的影响**：\n- 睡前压力高：入睡潜伏期45分钟\n- 睡前压力低：入睡潜伏期20分钟\n- 差异：+25分钟\n\n**相关性**：强双向相关（r = 0.65）\n**结论**：睡眠与情绪存在显著的相互影响\n\n**建议**：\n- 🎯 睡前进行压力管理（冥想、深呼吸）\n- 🎯 建立放松的睡前例行程序\n- 🎯 记录情绪日记，识别压力模式\n\n---\n\n## 洞察与建议\n\n### 关键洞察\n\n1. **作息不一致是主要问题**\n   - 社交时差45分钟\n   - 周末作息显著偏离工作日\n   - 影响：生物钟紊乱，周一\"时差反应\"\n\n2. **晚间运动影响入睡**\n   - 晚间运动日入睡潜伏期延长15分钟\n   - 建议：调整运动时间\n\n3. **睡眠环境可优化**\n   - 噪音觉醒占25%\n   - 温度过热占15%\n   - 建议针对性改善\n\n---\n\n### 优先级行动计划\n\n#### Priority 1：建立一致作息（2周）\n\n**目标**：提高作息一致性评分至85分\n\n**具体行动**：\n1. 固定起床时间07:00（包括周末）\n2. 固定上床时间23:00\n3. 限制午睡\u003C30分钟，且下午3点前\n4. 逐步调整周末作息（每次提前15分钟）\n\n**预期效果**：\n- 作息一致性评分：72 → 85\n- 睡眠效率提升：+3-5%\n- 周一疲劳感减轻\n\n---\n\n#### Priority 2：创建睡前例行程序（3周）\n\n**目标**：建立稳定的睡前例行程序\n\n**具体行动**：\n1. 提前1小时开始例行程序（22:00）\n2. 关闭电子设备（22:30）\n3. 调暗卧室灯光\n4. 进行放松活动（阅读、冥想、温水澡）\n5. 保持卧室安静、黑暗、凉爽（18-22℃）\n\n**预期效果**：\n- 入睡潜伏期缩短：30 → 20分钟\n- 睡眠质量提升：一般 → 好\n- 睡前压力降低\n\n---\n\n#### Priority 3：优化睡眠环境（1周）\n\n**目标**：消除环境对睡眠的干扰\n\n**具体行动**：\n1. 安装遮光窗帘\n2. 使用白噪音机器遮蔽背景噪音\n3. 优化温度至18-22℃\n4. 移除卧室时钟\n5. 更换舒适的枕头和床垫\n\n**预期效果**：\n- 夜间觉醒减少：1.8 → 1.2次\u002F晚\n- 睡眠连续性提升\n- 晨起状态改善\n\n---\n\n#### Priority 4：生活方式调整（4周）\n\n**目标**：消除影响睡眠的生活习惯\n\n**具体行动**：\n1. 将运动移至早晨或下午\n2. 下午2点后停止咖啡因摄入\n3. 睡前3小时避免酒精\n4. 睡前2小时避免大餐\n5. 睡前1小时避免工作相关讨论\n\n**预期效果**：\n- 睡眠时长增加：+0.3小时\n- 睡眠质量评分提升：+1分\n- PSQI分数改善：8 → 6\n\n---\n\n## 长期目标\n\n- **睡眠时长**：达到7.5小时\u002F晚（当前7.1小时）\n- **睡眠效率**：提升至>90%（当前85%）\n- **PSQI分数**：降至≤5分（当前8分）\n- **作息一致性**：提升至≥85分（当前72分）\n- **入睡潜伏期**：缩短至\u003C20分钟（当前28分钟）\n\n---\n\n## 医学安全提醒\n\n⚠️ **就医建议**：\n- 🏥 失眠持续>3个月，建议咨询睡眠专科\n- 🏥 STOP-BANG≥3分，建议进行睡眠检查（PSG）\n- 🏥 严重嗜睡影响驾驶安全，需立即就医\n\n---\n\n**报告生成时间**：2025-06-20\n**分析周期**：2025-03-20 至 2025-06-20（90天）\n**数据记录数**：90晚\n**睡眠分析器版本**：v1.0\n```\n\n---\n\n## 数据结构\n\n### 睡眠记录数据\n\n```json\n{\n  \"sleep_records\": [\n    {\n      \"id\": \"sleep_20250620001\",\n      \"date\": \"2025-06-20\",\n      \"sleep_times\": {\n        \"bedtime\": \"23:00\",\n        \"sleep_onset_time\": \"23:30\",\n        \"wake_time\": \"07:00\",\n        \"out_of_bed_time\": \"07:15\"\n      },\n      \"sleep_metrics\": {\n        \"sleep_duration_hours\": 7.0,\n        \"time_in_bed_hours\": 8.25,\n        \"sleep_latency_minutes\": 30,\n        \"sleep_efficiency\": 84.8\n      },\n      \"sleep_quality\": {\n        \"subjective_quality\": \"fair\",\n        \"quality_score\": 5,\n        \"rested_feeling\": \"somewhat\"\n      },\n      \"factors\": {\n        \"exercise\": true,\n        \"exercise_time\": \"evening\",\n        \"caffeine_after_2pm\": false,\n        \"screen_time_before_bed_minutes\": 60\n      }\n    }\n  ]\n}\n```\n\n---\n\n## 算法说明\n\n### 睡眠质量评分算法\n\n```python\ndef calculate_sleep_quality_score(record):\n    \"\"\"\n    计算睡眠质量评分（0-10分）\n\n    因素权重：\n    - 睡眠时长：30%\n    - 睡眠效率：25%\n    - 入睡潜伏期：20%\n    - 夜间觉醒：15%\n    - 主观质量：10%\n    \"\"\"\n    score = 0\n\n    # 睡眠时长评分（理想7-9小时）\n    duration = record['sleep_duration_hours']\n    if 7 \u003C= duration \u003C= 9:\n        duration_score = 10\n    elif 6 \u003C= duration \u003C 7 or 9 \u003C duration \u003C= 10:\n        duration_score = 7\n    else:\n        duration_score = 4\n    score += duration_score * 0.30\n\n    # 睡眠效率评分（>90%优秀）\n    efficiency = record['sleep_efficiency']\n    efficiency_score = min(efficiency \u002F 90 * 10, 10)\n    score += efficiency_score * 0.25\n\n    # 入睡潜伏期评分（\u003C15分钟优秀）\n    latency = record['sleep_latency_minutes']\n    if latency \u003C= 15:\n        latency_score = 10\n    elif latency \u003C= 30:\n        latency_score = 7\n    elif latency \u003C= 45:\n        latency_score = 4\n    else:\n        latency_score = 1\n    score += latency_score * 0.20\n\n    # 夜间觉醒评分（0次优秀）\n    awakenings = record['awakenings']['count']\n    awakening_score = max(10 - awakenings * 2, 0)\n    score += awakening_score * 0.15\n\n    # 主观质量评分\n    quality_map = {\n        'excellent': 10,\n        'very_good': 8,\n        'good': 7,\n        'fair': 5,\n        'poor': 3,\n        'very_poor': 1\n    }\n    subjective_score = quality_map.get(\n        record['sleep_quality']['subjective_quality'],\n        5\n    )\n    score += subjective_score * 0.10\n\n    return round(score, 1)\n```\n\n### 作息规律性评分算法\n\n```python\ndef calculate_sleep_consistency_score(records):\n    \"\"\"\n    计算作息规律性评分（0-100分）\n\n    因素：\n    - 上床时间标准差\n    - 起床时间标准差\n    - 睡眠时长标准差\n    - 工作日vs周末差异\n    \"\"\"\n    # 提取时间数据\n    bedtimes = [r['bedtime'] for r in records]\n    wake_times = [r['wake_time'] for r in records]\n    durations = [r['sleep_duration_hours'] for r in records]\n\n    # 计算标准差（分钟）\n    bedtime_std = time_to_minutes_std(bedtimes)\n    wake_std = time_to_minutes_std(wake_times)\n    duration_std = statistics.stdev(durations)\n\n    # 计算工作日vs周末差异\n    weekday_avg = avg([r['sleep_duration_hours']\n                       for r in records if is_weekday(r)])\n    weekend_avg = avg([r['sleep_duration_hours']\n                       for r in records if is_weekend(r)])\n    diff = abs(weekday_avg - weekend_avg)\n\n    # 综合评分\n    score = 100\n    score -= bedtime_std * 0.5  # 上床时间标准差影响\n    score -= wake_std * 0.5     # 起床时间标准差影响\n    score -= duration_std * 2   # 睡眠时长标准差影响\n    score -= diff * 10          # 工作日周末差异影响\n\n    return max(0, min(100, round(score)))\n```\n\n### 相关性分析算法\n\n```python\ndef calculate_correlation(sleep_data, other_data, lag_days=0):\n    \"\"\"\n    计算睡眠与其他指标的相关性\n\n    参数：\n    - sleep_data: 睡眠数据列表\n    - other_data: 其他指标数据列表\n    - lag_days: 滞后天数（考虑延迟效应）\n\n    返回：\n    - correlation_coefficient: 相关系数\n    - p_value: 统计显著性\n    - interpretation: 相关性解释\n    \"\"\"\n    # 对齐数据（考虑滞后）\n    aligned = align_data_with_lag(sleep_data, other_data, lag_days)\n\n    # 计算Pearson相关系数\n    from scipy import stats\n    corr, p_value = stats.pearsonr(\n        aligned['sleep_values'],\n        aligned['other_values']\n    )\n\n    # 解释相关性\n    if abs(corr) \u003C 0.3:\n        strength = \"弱\"\n    elif abs(corr) \u003C 0.7:\n        strength = \"中等\"\n    else:\n        strength = \"强\"\n\n    direction = \"正相关\" if corr > 0 else \"负相关\"\n    significant = p_value \u003C 0.05\n\n    interpretation = f\"{strength}{direction}\"\n    if significant:\n        interpretation += \"（统计学显著）\"\n\n    return {\n        'correlation_coefficient': round(corr, 3),\n        'p_value': round(p_value, 4),\n        'interpretation': interpretation,\n        'significant': significant\n    }\n```\n\n---\n\n## 医学安全声明\n\n本技能提供的分析和建议仅供参考，不构成医疗诊断或治疗方案。\n\n**本技能能够做到的**：\n- ✅ 分析睡眠数据和模式\n- ✅ 识别睡眠问题风险\n- ✅ 提供睡眠卫生建议\n- ✅ 评估与其他健康指标的相关性\n\n**本技能不能做的**：\n- ❌ 诊断失眠、睡眠呼吸暂停等疾病\n- ❌ 开具助眠药物或治疗\n- ❌ 替代专业睡眠医学治疗\n- ❌ 处理严重睡眠障碍\n\n**何时需要就医**：\n- 🏥 失眠持续>3个月\n- 🏥 疑似睡眠呼吸暂停（STOP-BANG≥3）\n- 🏥 严重嗜睡影响安全\n- 🏥 突发严重睡眠问题\n\n---\n\n## 参考资源\n\n- AASM 睡眠评分标准：https:\u002F\u002Faasm.org\u002F\n- PSQI 量表：https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC3455216\u002F\n- STOP-BANG 问卷：https:\u002F\u002Fwww.stopbang.ca\u002F\n- CBT-I 治疗：https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC3455216\u002F\n\n---\n\n**技能版本**: v1.0\n**创建日期**: 2026-01-02\n**维护者**: WellAlly Tech\n\n## Limitations\n- Use this skill only when the task clearly matches the scope described above.\n- Do not treat the output as a substitute for environment-specific validation, testing, or expert review.\n- Stop and ask for clarification if required inputs, permissions, safety boundaries, or success criteria are missing.\n","","imported","https:\u002F\u002Fgithub.com\u002Fsickn33\u002Fantigravity-awesome-skills","user_system_seed","SkillOPIC",true,214,398,"2026-05-16 13:41:13",{"id":8,"name":21,"slug":22,"icon":23,"description":24,"sort":25,"createdAt":26},"其他","other","mdi-page-next-outline","其他类型Skill",5,"2026-05-16 12:53:40",{"id":7,"name":28,"slug":29,"icon":30,"description":31,"moduleId":8,"sort":32,"skillCount":33,"createdAt":26},"职场发展","career","mdi-briefcase-outline","面试准备、简历优化、职业规划",4,575,[35],{"id":36,"skillId":4,"version":37,"fileName":38,"fileSize":39,"filePath":40,"fileHash":41,"manifest":42,"createdAt":19},"bcae18fa-baa5-4e3a-a0ad-0de20aa3e331","1.0.0","sleep-analyzer.zip",7845,"uploads\u002Fskills\u002F2705ec38-aa1c-4b58-88f1-8554ef24fd81\u002Fsleep-analyzer.zip","d01467b8adf7ab14f1b088067cb6fed6b81d4b4b9c7de9117c7cadb4ea3a18f4","[{\"path\":\"SKILL.md\",\"isDirectory\":false,\"size\":19643}]",{"code":44,"message":45,"data":46},200,"success",{"items":47,"stats":48,"page":51},[],{"averageRating":49,"totalRatings":49,"ratingCounts":50},0,[49,49,49,49,49],{"limit":52,"offset":49,"hasMore":53,"nextOffset":52,"ratedOnly":16},15,false]