[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6CV2W44H5V9B7NZDCYWA4VR":3,"skill-same:01M6CV2W44H5V9B7NZDCYWA4VR":55},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":26,"linkOnly":27,"markdownContent":28,"markdownBody":29,"frontMatter":30,"refName":33,"commitSha":34,"skillDirectory":35,"forksCount":36,"repositoryHtmlUrl":37,"repositoryHomepageUrl":37,"ownerHtmlUrl":38,"ownerBlogUrl":6,"ownerDescription":39,"updatedAt":40,"install":41,"resources":54},"01M6CV2W44H5V9B7NZDCYWA4VR","occupational-health-analyzer",null,"分析职业健康数据、识别工作相关健康风险、评估职业健康状况、提供个性化职业健康建议。支持与睡眠、运动、心理健康等其他健康数据的关联分析。","Sam-06060\u002Fjarvis-assistant","Sam-06060","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F208600848?v=4","01M6CRKT7C7FXD21V6HXF293S0","Samson Frank Ganta","01M6CRKTBEKYFD8YX5Z1GT99EE",6,"Apache-2.0","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Foccupational-health-analyzer\u002FSKILL.md",[],[19,20,21,22,23,24,25],"health","occupational health analyzer","grep","read","write","edit","community","2026-11-10 10:12:30",false,"---\nname: occupational-health-analyzer\ndescription: 分析职业健康数据、识别工作相关健康风险、评估职业健康状况、提供个性化职业健康建议。支持与睡眠、运动、心理健康等其他健康数据的关联分析。\nallowed-tools: Read, Grep, Glob, Write, Edit\nrisk: unknown\nsource: community\n---\n\n# 职业健康分析技能\n\n## When to Use\n\n- 需要评估工作相关健康风险、人机工程问题或职业健康趋势时使用。\n- 任务涉及久坐、视屏终端、倒班、重复性劳损或工作压力等职业风险分析。\n- 用户请求职业健康评估、工作环境改进建议或职业病风险预警时使用。\n\n## 核心功能\n\n职业健康分析技能提供全面的职业健康数据分析功能，帮助用户追踪工作相关健康问题、识别职业健康风险、评估工作环境人机工程水平和优化职业健康。\n\n**主要功能模块：**\n\n1. **职业健康风险评估** - 久坐、视屏终端、倒班工作、重复性劳损、工作压力等多维度风险评估\n2. **工作相关问题追踪** - 颈肩腰腿痛、眼疲劳、腕管综合征等症状监测\n3. **人机工程评估** - 工作站、椅子、显示器、键盘、环境等全方位评估\n4. **职业病筛查** - 基于工作类型的职业病风险评估和筛查建议\n5. **趋势分析** - 症状发展、改善效果、风险变化趋势\n6. **关联分析** - 与睡眠、运动、心理健康、慢性病模块的关联分析\n7. **个性化建议** - 工作姿势、休息提醒、设备建议、环境优化\n8. **预警系统** - 高风险模式、症状恶化、职业病风险预警\n\n## 触发条件\n\n技能在以下情况下自动触发：\n\n1. 用户使用 `\u002Fwork trend` 查看职业健康趋势\n2. 用户使用 `\u002Fwork status` 查看综合健康状态\n3. 用户使用 `\u002Fwork recommend` 获取改进建议\n4. 用户使用 `\u002Fwork assess` 进行综合评估\n5. 用户使用 `\u002Fwork issue` 记录问题后的分析\n6. 用户使用 `\u002Fwork ergonomic` 进行人机工程评估后的分析\n\n## 医学安全边界\n\n**本技能不能做的事：**\n- ❌ 不进行职业病诊断\n- ❌ 不出具职业病诊断证明\n- ❌ 不替代工作场所健康监护\n- ❌ 不预测疾病发展\n- ❌ 不处理急性健康危机\n\n**本技能能做的事：**\n- ✅ 职业健康风险评估和筛查\n- ✅ 工作相关症状识别和追踪\n- ✅ 人机工程评估和改进建议\n- ✅ 职业病风险预警\n- ✅ 工作环境改善建议\n- ✅ 健康记录保存（就医时参考）\n- ✅ 与其他健康数据的关联分析\n\n## 执行步骤\n\n### 第1步：数据读取\n\n读取职业健康数据文件：\n- `data-example\u002Foccupational-health-tracker.json` - 主职业健康档案\n\n**数据验证：**\n- 检查文件是否存在\n- 验证数据结构完整性\n- 确认有足够的数据点进行分析\n\n### 第2步：职业健康风险评估\n\n#### 久坐风险评估（Sedentary Risk Score）\n\n**评分维度（每个维度0-10分）**：\n\n1. **每天久坐时间** (sedentary_time_daily)\n   - >8小时：10分\n   - 6-8小时：7分\n   - 4-6小时：4分\n   - \u003C4小时：1分\n\n2. **休息频率** (break_frequency)\n   - 无休息：10分\n   - 每3小时+：8分\n   - 每2小时：5分\n   - 每小时：2分\n\n3. **每周运动时间** (weekly_exercise_minutes)\n   - 0分钟：10分\n   - \u003C60分钟：7分\n   - 60-150分钟：4分\n   - >150分钟：1分\n\n4. **现有症状** (existing_symptoms_severity)\n   - 严重症状：10分\n   - 中度症状：7分\n   - 轻度症状：4分\n   - 无症状：1分\n\n**总分计算**：\n```\n总分 = 久坐时间 + 休息频率 + 运动时间 + 现有症状\n范围：4-40分\n```\n\n**风险等级判定**：\n- 低风险：4-13分\n- 中风险：14-26分\n- 高风险：27-40分\n\n#### 视屏终端风险评估（VDT Risk Score）\n\n**评分维度（每个维度0-10分）**：\n\n1. **每天屏幕时间** (screen_time_daily)\n   - >8小时：10分\n   - 6-8小时：7分\n   - 4-6小时：4分\n   - \u003C4小时：1分\n\n2. **20-20-20法则遵守** (rule_20_20_20_compliance)\n   - 从不遵守：10分\n   - 偶尔遵守：6分\n   - 经常遵守：3分\n   - 总是遵守：1分\n\n3. **照明条件** (lighting_quality)\n   - 很差：10分\n   - 较差：7分\n   - 一般：4分\n   - 良好：1分\n\n4. **眼部症状** (eye_symptoms_severity)\n   - 严重症状：10分\n   - 中度症状：7分\n   - 轻度症状：4分\n   - 无症状：1分\n\n**总分计算和风险等级判定同久坐风险**\n\n#### 综合风险评估\n\n**综合风险等级计算**：\n```\n综合风险分数 = max(久坐风险, 视屏风险, 倒班风险, 劳损风险, 压力风险)\n\n如果有多个高风险因素（≥27分），综合风险等级上调一级\n如果有3个及以上中风险因素（14-26分），综合风险等级上调一级\n```\n\n### 第3步：人机工程评估\n\n#### 评估维度和评分\n\n**椅子评估**（0-20分）：\n```\n- 可调节性（0-5分）\n- 腰椎支撑（0-5分）\n- 座椅深度（0-5分）\n- 扶手（0-5分）\n```\n\n**显示器评估**（0-20分）：\n```\n- 高度（0-7分）\n- 距离（0-7分）\n- 角度（0-6分）\n```\n\n**键盘和鼠标评估**（0-20分）：\n```\n- 键盘位置（0-5分）\n- 鼠标位置（0-5分）\n- 手腕支撑（0-10分）\n```\n\n**工作台评估**（0-20分）：\n```\n- 高度（0-10分）\n- 空间（0-10分）\n```\n\n**环境评估**（0-20分）：\n```\n- 照明（0-7分）\n- 噪音（0-7分）\n- 温度（0-6分）\n```\n\n**总分计算**：\n```\n总分 = 椅子 + 显示器 + 键盘鼠标 + 工作台 + 环境\n范围：0-100分\n\n评分等级：\n- 优秀：0-20分\n- 良好：21-40分\n- 一般：41-60分\n- 较差：61-80分\n- 差：81-100分\n```\n\n### 第4步：职业病筛查\n\n#### 基于工作类型的筛查推荐\n\n**办公室工作**：\n```\n必查项目：\n- 视力测试（每年1次）\n- 肌肉骨骼评估（每年1次）\n```\n\n**体力劳动**：\n```\n必查项目：\n- 肌肉骨骼评估（每年1次）\n- 肺功能检查（粉尘环境每年1次）\n```\n\n**倒班工作**：\n```\n必查项目：\n- 睡眠质量评估（每6个月1次）\n- 心理健康筛查（每年1次）\n```\n\n**噪音环境工作**：\n```\n必查项目：\n- 听力测试（每年1次）\n```\n\n**粉尘\u002F化学环境工作**：\n```\n必查项目：\n- 肺功能检查（每年1次）\n- 皮肤病筛查（每年1次）\n```\n\n### 第5步：关联分析\n\n#### 睡眠-职业健康关联\n- 倒班工作与睡眠质量的相关性\n- 睡眠不足与工作相关症状的关系\n\n#### 运动-职业健康关联\n- 久坐工作与运动量的关系\n- 运动与肌肉骨骼症状的关系\n\n#### 心理健康-职业健康关联\n- 工作压力与心理状态的关系\n- 职业健康问题与心理症状的关联\n\n### 第6步：生成报告\n\n输出包括：\n- 职业健康状况摘要\n- 风险评估结果和趋势\n- 工作相关问题分析\n- 人机工程评估结果\n- 职业病筛查建议\n- 与其他健康因素的关联分析\n- 预警信息（如适用）\n- 个性化建议和行动计划\n\n## 输出格式\n\n### 职业健康分析报告结构\n\n```markdown\n# 职业健康分析报告\n\n**报告日期**: YYYY-MM-DD\n**分析周期**: YYYY-MM-DD 至 YYYY-MM-DD\n**数据完整性**: 良好\n\n⚠️ **重要提示**：本报告仅供参考，不构成职业病诊断。\n\n---\n\n## 1. 职业健康状况摘要\n\n[整体评价：优秀\u002F良好\u002F一般\u002F需改进\u002F高风险]\n- 综合风险等级：[低\u002F中\u002F高]\n- 职业健康评分：X\u002F100\n- 人机工程评分：X\u002F100\n- 活跃问题数：X个\n- 整体趋势：改善\u002F稳定\u002F恶化\n\n## 2. 风险评估结果\n\n### 久坐风险评估\n**风险等级**: ? 低风险 | ? 中风险 | ? 高风险\n**风险评分**: X\u002F40\n\n**建议**: [具体建议]\n\n### 视屏终端风险评估\n**风险等级**: ? 低风险 | ? 中风险 | ? 高风险\n**风险评分**: X\u002F40\n\n**建议**: [具体建议]\n\n## 3. 工作相关问题分析\n\n### 当前活跃问题\n- [问题1]: 严重程度、频率、持续时间\n- [问题2]: 严重程度、频率、持续时间\n\n### 症状趋势\n- 改善的问题\n- 稳定的问题\n- 恶化的问题 ⚠️\n\n## 4. 人机工程评估\n\n**人机工程评分**: X\u002F100\n**评分等级**: 优秀\u002F良好\u002F一般\u002F较差\u002F差\n\n### 改进建议\n- 高优先级建议\n- 中优先级建议\n- 低优先级建议\n\n## 5. 职业病筛查\n\n### 推荐筛查\n- [筛查项目1] - 建议时间\n- [筛查项目2] - 建议时间\n\n## 6. 综合建议\n\n### 立即行动\n- [行动项]\n\n### 本周行动计划\n- [行动项1]\n- [行动项2]\n\n### 预防措施\n- [预防措施列表]\n\n---\n\n**报告生成时间**: YYYY-MM-DD HH:MM:SS\n⚠️ **免责声明**：本报告仅供参考，不构成职业病诊断或治疗建议。\n```\n\n## 错误处理\n\n### 数据文件不存在\n```\n错误：未找到职业健康数据文件\n建议：请先使用 \u002Fwork assess 命令创建数据\n```\n\n### 数据不足\n```\n警告：数据不足以进行趋势分析\n建议：至少需要3次评估记录\n```\n\n### 高风险预警\n```\n? 职业病高风险警告\n\n检测到以下高风险因素：\n- [列出高风险因素]\n\n建议行动：\n1. 立即就医，进行职业病诊断\n2. 咨询职业医学专科医生\n3. 考虑工作调整\n```\n\n## 数据源说明\n\n**主要数据源**：\n- `data-example\u002Foccupational-health-tracker.json` - 职业健康主数据\n\n**关联数据源**：\n- `data-example\u002Fsleep-tracker.json` - 睡眠数据\n- `data-example\u002Ffitness-tracker.json` - 运动数据\n- `data-example\u002Fmental-health-tracker.json` - 心理健康数据\n\n---\n\n**技能版本**: v1.0.0\n**最后更新**: 2025-01-08\n**维护者**: WellAlly Tech\n","# 职业健康分析技能\n\n## When to Use\n\n- 需要评估工作相关健康风险、人机工程问题或职业健康趋势时使用。\n- 任务涉及久坐、视屏终端、倒班、重复性劳损或工作压力等职业风险分析。\n- 用户请求职业健康评估、工作环境改进建议或职业病风险预警时使用。\n\n## 核心功能\n\n职业健康分析技能提供全面的职业健康数据分析功能，帮助用户追踪工作相关健康问题、识别职业健康风险、评估工作环境人机工程水平和优化职业健康。\n\n**主要功能模块：**\n\n1. **职业健康风险评估** - 久坐、视屏终端、倒班工作、重复性劳损、工作压力等多维度风险评估\n2. **工作相关问题追踪** - 颈肩腰腿痛、眼疲劳、腕管综合征等症状监测\n3. **人机工程评估** - 工作站、椅子、显示器、键盘、环境等全方位评估\n4. **职业病筛查** - 基于工作类型的职业病风险评估和筛查建议\n5. **趋势分析** - 症状发展、改善效果、风险变化趋势\n6. **关联分析** - 与睡眠、运动、心理健康、慢性病模块的关联分析\n7. **个性化建议** - 工作姿势、休息提醒、设备建议、环境优化\n8. **预警系统** - 高风险模式、症状恶化、职业病风险预警\n\n## 触发条件\n\n技能在以下情况下自动触发：\n\n1. 用户使用 `\u002Fwork trend` 查看职业健康趋势\n2. 用户使用 `\u002Fwork status` 查看综合健康状态\n3. 用户使用 `\u002Fwork recommend` 获取改进建议\n4. 用户使用 `\u002Fwork assess` 进行综合评估\n5. 用户使用 `\u002Fwork issue` 记录问题后的分析\n6. 用户使用 `\u002Fwork ergonomic` 进行人机工程评估后的分析\n\n## 医学安全边界\n\n**本技能不能做的事：**\n- ❌ 不进行职业病诊断\n- ❌ 不出具职业病诊断证明\n- ❌ 不替代工作场所健康监护\n- ❌ 不预测疾病发展\n- ❌ 不处理急性健康危机\n\n**本技能能做的事：**\n- ✅ 职业健康风险评估和筛查\n- ✅ 工作相关症状识别和追踪\n- ✅ 人机工程评估和改进建议\n- ✅ 职业病风险预警\n- ✅ 工作环境改善建议\n- ✅ 健康记录保存（就医时参考）\n- ✅ 与其他健康数据的关联分析\n\n## 执行步骤\n\n### 第1步：数据读取\n\n读取职业健康数据文件：\n- `data-example\u002Foccupational-health-tracker.json` - 主职业健康档案\n\n**数据验证：**\n- 检查文件是否存在\n- 验证数据结构完整性\n- 确认有足够的数据点进行分析\n\n### 第2步：职业健康风险评估\n\n#### 久坐风险评估（Sedentary Risk Score）\n\n**评分维度（每个维度0-10分）**：\n\n1. **每天久坐时间** (sedentary_time_daily)\n   - >8小时：10分\n   - 6-8小时：7分\n   - 4-6小时：4分\n   - \u003C4小时：1分\n\n2. **休息频率** (break_frequency)\n   - 无休息：10分\n   - 每3小时+：8分\n   - 每2小时：5分\n   - 每小时：2分\n\n3. **每周运动时间** (weekly_exercise_minutes)\n   - 0分钟：10分\n   - \u003C60分钟：7分\n   - 60-150分钟：4分\n   - >150分钟：1分\n\n4. **现有症状** (existing_symptoms_severity)\n   - 严重症状：10分\n   - 中度症状：7分\n   - 轻度症状：4分\n   - 无症状：1分\n\n**总分计算**：\n```\n总分 = 久坐时间 + 休息频率 + 运动时间 + 现有症状\n范围：4-40分\n```\n\n**风险等级判定**：\n- 低风险：4-13分\n- 中风险：14-26分\n- 高风险：27-40分\n\n#### 视屏终端风险评估（VDT Risk Score）\n\n**评分维度（每个维度0-10分）**：\n\n1. **每天屏幕时间** (screen_time_daily)\n   - >8小时：10分\n   - 6-8小时：7分\n   - 4-6小时：4分\n   - \u003C4小时：1分\n\n2. **20-20-20法则遵守** (rule_20_20_20_compliance)\n   - 从不遵守：10分\n   - 偶尔遵守：6分\n   - 经常遵守：3分\n   - 总是遵守：1分\n\n3. **照明条件** (lighting_quality)\n   - 很差：10分\n   - 较差：7分\n   - 一般：4分\n   - 良好：1分\n\n4. **眼部症状** (eye_symptoms_severity)\n   - 严重症状：10分\n   - 中度症状：7分\n   - 轻度症状：4分\n   - 无症状：1分\n\n**总分计算和风险等级判定同久坐风险**\n\n#### 综合风险评估\n\n**综合风险等级计算**：\n```\n综合风险分数 = max(久坐风险, 视屏风险, 倒班风险, 劳损风险, 压力风险)\n\n如果有多个高风险因素（≥27分），综合风险等级上调一级\n如果有3个及以上中风险因素（14-26分），综合风险等级上调一级\n```\n\n### 第3步：人机工程评估\n\n#### 评估维度和评分\n\n**椅子评估**（0-20分）：\n```\n- 可调节性（0-5分）\n- 腰椎支撑（0-5分）\n- 座椅深度（0-5分）\n- 扶手（0-5分）\n```\n\n**显示器评估**（0-20分）：\n```\n- 高度（0-7分）\n- 距离（0-7分）\n- 角度（0-6分）\n```\n\n**键盘和鼠标评估**（0-20分）：\n```\n- 键盘位置（0-5分）\n- 鼠标位置（0-5分）\n- 手腕支撑（0-10分）\n```\n\n**工作台评估**（0-20分）：\n```\n- 高度（0-10分）\n- 空间（0-10分）\n```\n\n**环境评估**（0-20分）：\n```\n- 照明（0-7分）\n- 噪音（0-7分）\n- 温度（0-6分）\n```\n\n**总分计算**：\n```\n总分 = 椅子 + 显示器 + 键盘鼠标 + 工作台 + 环境\n范围：0-100分\n\n评分等级：\n- 优秀：0-20分\n- 良好：21-40分\n- 一般：41-60分\n- 较差：61-80分\n- 差：81-100分\n```\n\n### 第4步：职业病筛查\n\n#### 基于工作类型的筛查推荐\n\n**办公室工作**：\n```\n必查项目：\n- 视力测试（每年1次）\n- 肌肉骨骼评估（每年1次）\n```\n\n**体力劳动**：\n```\n必查项目：\n- 肌肉骨骼评估（每年1次）\n- 肺功能检查（粉尘环境每年1次）\n```\n\n**倒班工作**：\n```\n必查项目：\n- 睡眠质量评估（每6个月1次）\n- 心理健康筛查（每年1次）\n```\n\n**噪音环境工作**：\n```\n必查项目：\n- 听力测试（每年1次）\n```\n\n**粉尘\u002F化学环境工作**：\n```\n必查项目：\n- 肺功能检查（每年1次）\n- 皮肤病筛查（每年1次）\n```\n\n### 第5步：关联分析\n\n#### 睡眠-职业健康关联\n- 倒班工作与睡眠质量的相关性\n- 睡眠不足与工作相关症状的关系\n\n#### 运动-职业健康关联\n- 久坐工作与运动量的关系\n- 运动与肌肉骨骼症状的关系\n\n#### 心理健康-职业健康关联\n- 工作压力与心理状态的关系\n- 职业健康问题与心理症状的关联\n\n### 第6步：生成报告\n\n输出包括：\n- 职业健康状况摘要\n- 风险评估结果和趋势\n- 工作相关问题分析\n- 人机工程评估结果\n- 职业病筛查建议\n- 与其他健康因素的关联分析\n- 预警信息（如适用）\n- 个性化建议和行动计划\n\n## 输出格式\n\n### 职业健康分析报告结构\n\n```markdown\n# 职业健康分析报告\n\n**报告日期**: YYYY-MM-DD\n**分析周期**: YYYY-MM-DD 至 YYYY-MM-DD\n**数据完整性**: 良好\n\n⚠️ **重要提示**：本报告仅供参考，不构成职业病诊断。\n\n---\n\n## 1. 职业健康状况摘要\n\n[整体评价：优秀\u002F良好\u002F一般\u002F需改进\u002F高风险]\n- 综合风险等级：[低\u002F中\u002F高]\n- 职业健康评分：X\u002F100\n- 人机工程评分：X\u002F100\n- 活跃问题数：X个\n- 整体趋势：改善\u002F稳定\u002F恶化\n\n## 2. 风险评估结果\n\n### 久坐风险评估\n**风险等级**: ? 低风险 | ? 中风险 | ? 高风险\n**风险评分**: X\u002F40\n\n**建议**: [具体建议]\n\n### 视屏终端风险评估\n**风险等级**: ? 低风险 | ? 中风险 | ? 高风险\n**风险评分**: X\u002F40\n\n**建议**: [具体建议]\n\n## 3. 工作相关问题分析\n\n### 当前活跃问题\n- [问题1]: 严重程度、频率、持续时间\n- [问题2]: 严重程度、频率、持续时间\n\n### 症状趋势\n- 改善的问题\n- 稳定的问题\n- 恶化的问题 ⚠️\n\n## 4. 人机工程评估\n\n**人机工程评分**: X\u002F100\n**评分等级**: 优秀\u002F良好\u002F一般\u002F较差\u002F差\n\n### 改进建议\n- 高优先级建议\n- 中优先级建议\n- 低优先级建议\n\n## 5. 职业病筛查\n\n### 推荐筛查\n- [筛查项目1] - 建议时间\n- [筛查项目2] - 建议时间\n\n## 6. 综合建议\n\n### 立即行动\n- [行动项]\n\n### 本周行动计划\n- [行动项1]\n- [行动项2]\n\n### 预防措施\n- [预防措施列表]\n\n---\n\n**报告生成时间**: YYYY-MM-DD HH:MM:SS\n⚠️ **免责声明**：本报告仅供参考，不构成职业病诊断或治疗建议。\n```\n\n## 错误处理\n\n### 数据文件不存在\n```\n错误：未找到职业健康数据文件\n建议：请先使用 \u002Fwork assess 命令创建数据\n```\n\n### 数据不足\n```\n警告：数据不足以进行趋势分析\n建议：至少需要3次评估记录\n```\n\n### 高风险预警\n```\n? 职业病高风险警告\n\n检测到以下高风险因素：\n- [列出高风险因素]\n\n建议行动：\n1. 立即就医，进行职业病诊断\n2. 咨询职业医学专科医生\n3. 考虑工作调整\n```\n\n## 数据源说明\n\n**主要数据源**：\n- `data-example\u002Foccupational-health-tracker.json` - 职业健康主数据\n\n**关联数据源**：\n- `data-example\u002Fsleep-tracker.json` - 睡眠数据\n- `data-example\u002Ffitness-tracker.json` - 运动数据\n- `data-example\u002Fmental-health-tracker.json` - 心理健康数据\n\n---\n\n**技能版本**: v1.0.0\n**最后更新**: 2025-01-08\n**维护者**: WellAlly Tech\n",{"name":5,"risk":31,"source":25,"description":7,"allowed-tools":32},"unknown","Read, Grep, Glob, Write, Edit","main","a50a3aa6b39fb0e1b7db88bef1bfc9c93606e126","modules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Foccupational-health-analyzer",0,"https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant","https:\u002F\u002Fgithub.com\u002FSam-06060","Mobile Application Developer | Kotlin | Flutter, KMP, Swfit, Android,Swift UI | Building at Saar It Resources | Creator of Jarvis (AI Assistant)","2026-06-23 05:13:38",{"source":8,"skillName":5,"commands":42,"prompt":52,"zipAvailable":53},[43,46,49],{"tool":44,"command":45},"npx","npx skills add Sam-06060\u002Fjarvis-assistant --skill occupational-health-analyzer",{"tool":47,"command":48},"bunx","bunx skills add Sam-06060\u002Fjarvis-assistant --skill occupational-health-analyzer",{"tool":50,"command":51},"pnpm","pnpm dlx skills add Sam-06060\u002Fjarvis-assistant --skill occupational-health-analyzer","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Foccupational-health-analyzer\u002FSKILL.md",true,[],[56,69,85,112,131,158],{"skillNo":57,"name":58,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":66,"publishedAt":26},"01M6GDRVS6FXX3ESH0C9DW01C0","test_skill","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fscratch\u002Ftest_skill\u002FSKILL.md",[61],{"categoryNo":62,"categoryName":63,"taxonomyType":64,"taxonomyTypeDesc":65},"01JBSEEDCAT000000000000008","测试与质量","SCENARIO","使用场景",[67,68],"Test Skill","test",{"skillNo":70,"name":71,"nameZh":6,"description":72,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":73,"categories":74,"keywords":75,"publishedAt":26},"01M6GDRQ40HX22MA6XWC31RHHK","zustand-store-ts","Create Zustand stores following established patterns with proper TypeScript types and middleware.","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Fzustand-store-ts\u002FSKILL.md",[],[76,77,78,79,80,81,82,25,83,84],"zustand store ts","zustand","store","with","types","middleware","patterns","create","typescript",{"skillNo":86,"name":87,"nameZh":6,"description":88,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":89,"categories":90,"keywords":94,"publishedAt":26},"01M6GDRKEA0WE670SPFWX5GKCN","zoom-automation","Automate Zoom meeting creation, management, recordings, webinars, and participant tracking via Rube MCP (Composio). Always search tools first for current schemas.","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Fzoom-automation\u002FSKILL.md",[91],{"categoryNo":92,"categoryName":93,"taxonomyType":64,"taxonomyTypeDesc":65},"01JBSEEDCAT000000000000023","Skill与智能体开发",[95,96,97,98,99,100,101,102,103,104,105,106,107,108,25,109,110,111],"automation","zoom automation","zoom","first","Tools","search","MCP","via","meeting","automate","critical","creation","webinars","composio","recordings","management","tracking",{"skillNo":113,"name":114,"nameZh":6,"description":115,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":116,"categories":117,"keywords":119,"publishedAt":26},"01M6GDRFS1452PC71JQ38S24HR","zoho-crm-automation","Automate Zoho CRM tasks via Rube MCP (Composio): create\u002Fupdate records, search contacts, manage leads, and convert leads. Always search tools first for current schemas.","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Fzoho-crm-automation\u002FSKILL.md",[118],{"categoryNo":92,"categoryName":93,"taxonomyType":64,"taxonomyTypeDesc":65},[120,95,121,122,123,124,125,25,100,126,108,127,105,104,99,128,83,129,101,130],"crm automation","zoho crm","crm","zoho crm automation","zoho","leads","contacts","records","update","tasks","manage",{"skillNo":132,"name":133,"nameZh":6,"description":134,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":135,"categories":136,"keywords":140,"publishedAt":26},"01M6GDRCKQBAVTGHX5XBH26KPZ","zod-validation-expert","Expert in Zod — TypeScript-first schema validation. Covers parsing, custom errors, refinements, type inference, and integration with React Hook Form, Next.js, and tRPC.","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Fzod-validation-expert\u002FSKILL.md",[137],{"categoryNo":138,"categoryName":139,"taxonomyType":64,"taxonomyTypeDesc":65},"01JBSEEDCAT000000000000009","前端开发",[141,142,143,144,145,84,146,147,148,149,150,151,79,152,153,154,155,25,156,157],"expert","zod","zod validation expert","validation","react","safe","parsing","errors","schema validation","react hook form","hook","trpc","form","type","next","schema","Next.js",{"skillNo":159,"name":160,"nameZh":6,"description":161,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":162,"categories":163,"keywords":165,"publishedAt":26},"01M6GDR658B08K4MY0RWD4A6EH","zeroize-audit","Detects missing zeroization of sensitive data in source code and identifies zeroization removed by compiler optimizations, with assembly-level analysis, and control-flow verification. Use for auditing C\u002FC++\u002FRust code handling secrets, keys, passwords, or other sensitive data.","https:\u002F\u002Fgithub.com\u002FSam-06060\u002Fjarvis-assistant\u002Fblob\u002Fmain\u002Fmodules\u002Fagent_skills\u002Fawesome-skills\u002Fplaybooks\u002Fzeroize-audit\u002FSKILL.md",[164],{"categoryNo":92,"categoryName":93,"taxonomyType":64,"taxonomyTypeDesc":65},[166,167,23,168,169,170,171,172,25,173,22,174,175,176,177,178,179,180,181,101],"zeroize audit","audit","passwords","get","project","c++","activate","assembly","Bash","secrets","analysis","data","flow","verification","code","rust"]