WellAlly-health
WellAlly-health 是一款基于本地文件的个人健康信息管理系统，它巧妙结合了 Claude AI 技术与专业医疗知识，旨在为用户提供智能、私密的健康管理方案。
面对医疗记录分散、检查报告难解读以及用药安全风险等痛点，WellAlly-health 通过自然语言交互，帮助用户轻松记录症状、管理药物并追踪病史。其核心优势在于强大的智能化分析能力：不仅能自动识别医疗报告图片、提取生化指标与影像数据，还内置了涵盖 13 个专科的智能分析引擎和多学科会诊（MDT）系统。特别值得一提的是，它具备智能药物相互作用检测功能，并能提供五级严重程度预警，有效防范用药风险。
在技术架构上，WellAlly-health 采用纯文件存储模式，无需配置数据库，所有数据均保存在本地，确保护理隐私绝对安全。用户只需通过简单的命令行操作即可管理复杂健康数据，无需任何编程基础。
这款工具非常适合关注自身及家人健康的普通用户，尤其是需要长期慢病管理、服用多种药物或希望系统化整理医疗档案的人群。它让专业的健康管理工作变得像日常对话一样简单易懂，是每个人身边的智能健康助手。
使用场景
45 岁的张先生患有高血压和糖尿病，近期因胸痛就诊后拿着厚厚一叠检查报告和多种新药处方回家，急需理清健康状况并确认用药安全。
没有 WellAlly-health 时
- 资料分散难管理：纸质报告、手机里的化验单照片散乱各处，想对比半年前的生化指标或查找手术记录时，往往翻箱倒柜也找不到关键数据。
- 用药风险靠“猜”：面对心内科、内分泌科医生开具的 5-6 种新药，只能凭记忆或手动搜索网络信息来判断是否存在药物冲突，极易遗漏潜在的严重相互作用。
- 专业解读门槛高：化验单上密密麻麻的箭头和医学术语让人一头雾水，难以理解各项指标偏离参考值的具体含义，更无法获得跨科室的综合分析建议。
- 辐射暴露无记录：频繁做的 CT 和 X 光检查缺乏统一统计，患者和家属完全不清楚累计辐射剂量是否已接近安全警戒线。
使用 WellAlly-health 后
- 智能归档一键查：只需将报告拍照上传，WellAlly-health 利用图像识别自动提取生化数据、手术史及出院小结，结构化存储于本地，随时可精准查询历史趋势。
- 五级预警保安全：录入新处方后，系统立即启动智能药物相互作用检测，针对张先生的情况发出明确的严重程度分级警告（如 A/B/C/D/X 级），杜绝用药隐患。
- 多学科会诊在身边：通过内置的 13 个专科专家模型，WellAlly-health 能模拟多学科诊疗团队（MDT），用通俗语言综合解读心肺与血糖指标，提供连贯的健康指导。
- 辐射剂量可视化：自动追踪并累计每次影像检查的辐射剂量，生成清晰的管理图表，帮助患者在后续就医时主动规避过度检查风险。
WellAlly-health 将零散的医疗数据转化为私有的智能健康资产，让每位用户都能拥有随身的“多学科专家顾问团”。
运行环境要求
- Linux
- macOS
- Windows
未说明 (依赖 Claude Code 及后端 MCP 服务配置)
未说明
快速开始
Claude-Ally-Health - 个人健康信息系统
一个基于文件的个人健康数据管理系统，使用 Claude Code CLI 工具进行数据管理。
GitHub: https://github.com/huifer/Claude-Ally-Health
⚠️ 免责声明: 本项目与 Anthropic 或 Claude.ai 无任何关联、背书或合作关系。这是一个由 WellAlly Tech 独立开发的开源项目。
📝 注意: 本项目使用 GLM 的
mcp__4_5v_mcp__analyze_image进行图像识别。
项目开发者
本项目由 WellAlly Tech 开发并维护。
系统功能
- 📁 纯文件存储，无需数据库
- 🖼️ 智能医疗报告图像识别
- 📊 自动提取生化检验数据及参考范围
- 🔍 结构化医学影像数据提取
- 🔪 手术史及植入物管理
- 📋 结构化出院小结存储
- 👨⚕️ 多学科会诊系统 (MDT)
- 🔬 13个医学专科智能分析
- ☢️ 医疗辐射剂量追踪与管理
- 💊 智能药物相互作用检测（新增）
- 🚨 五级严重程度预警系统（A/B/C/D/X）
- 👤 用户基本信息管理
- 💾 本地存储，数据完全私密
- 🚀 使用 Claude Code 命令操作，无需编程
目录结构
my-his/
├── .claude/
│ ├── commands/
│ │ ├── save-report.md # 保存医疗报告命令
│ │ ├── query.md # 查询记录命令
│ │ ├── profile.md # 用户档案设置命令
│ │ ├── radiation.md # 辐射暴露管理命令
│ │ ├── surgery.md # 手术史记录命令
│ │ ├── discharge.md # 出院小结管理命令
│ │ ├── medication.md # 药物记录管理命令
│ │ ├── interaction.md # 药物相互作用检测命令
│ │ ├── consult.md # 多学科会诊命令
│ │ └── specialist.md # 单一专科会诊命令
│ └── specialists/
│ ├── cardiology.md # 心脏病学专家技能
│ ├── endocrinology.md # 内分泌科专家技能
│ ├── gastroenterology.md # 消化内科专家技能
│ ├── nephrology.md # 肾脏病学专家技能
│ ├── hematology.md # 血液病学专家技能
│ ├── respiratory.md # 呼吸内科专家技能
│ ├── neurology.md # 神经内科专家技能
│ ├── oncology.md # 肿瘤科专家技能
│ ├── general.md # 全科医生专家技能
│ └── consultation-coordinator.md # 会诊协调员
├── data/
│ ├── profile.json # 用户基本信息
│ ├── radiation-records.json # 辐射暴露记录
│ ├── allergies.json # 过敏史记录
│ ├── interactions/ # 药物相互作用数据库
│ │ ├── interaction-db.json # 主要的相互作用规则数据库
│ │ └── interaction-logs/ # 检查历史记录
│ ├── medications/ # 药物记录数据
│ ├── 生化检查/ # 生化检验数据
│ │ └── YYYY-MM/
│ │ └── YYYY-MM-DD_test_name.json
│ ├── 影像检查/ # 医学影像数据
│ │ └── YYYY-MM/
│ │ ├── YYYY-MM-DD_test_name_body_part.json
│ │ └── images/ # 原始图像备份
│ ├── 手术记录/ # 手术史数据
│ │ └── YYYY-MM/
│ │ └── YYYY-MM-DD_surgery_name.json
│ ├── 出院小结/ # 出院总结数据
│ │ └── YYYY-MM/
│ │ └── YYYY-MM-DD_main_diagnosis.json
│ └── index.json # 全局索引文件
└── README.md
快速导航
- 📖 完整用户指南（中文）| docs/user-guide.en.md（英文）- 详细命令使用说明及示例
- 📋 数据结构规范（中文）| docs/data-structures.en.md（英文）- JSON 数据格式及字段说明
- 🔧 技术实现细节（中文）- 系统架构和技术细节
- ⚠️ 安全指南与使用限制（中文）- 安全原则及免责声明
快速开始
- 确保已安装 Claude Code
- 在当前目录下打开 Claude Code
- 首次设置：
/profile set 175 70 1990-01-01 - 保存第一份报告：
/save-report /path/to/image.jpg - 记录辐射：
/radiation add CT chest - 记录手术：
/surgery 去年八月因胆结石进行了胆囊切除术 - 保存出院小结：
/discharge @医疗报告/出院小结.jpg - 查询所有记录：
/query all - 启动 MDT 会诊：
/consult
数据隐私
- 所有数据存储在本地文件系统
- 不上传至任何云服务
- 无外部数据库依赖
- 完全私密管理
核心命令概览
| 命令 | 功能 | 描述 |
|---|---|---|
/profile |
用户基本参数 | 设置身高、体重、出生日期 |
/save-report |
保存医疗报告 | 支持生化和影像检查 |
/radiation |
辐射管理 | 记录并追踪辐射暴露 |
/surgery |
手术史 | 记录手术信息及植入物 |
/discharge |
出院小结 | 保存并结构化出院总结 |
/medication |
药物管理 | 管理用药计划和记录 |
/interaction |
相互作用检测 | 检测药物相互作用 |
/allergy |
过敏史管理 | 记录和管理过敏史 |
/query |
查询记录 | 多条件医疗数据查询 |
/consult |
多学科会诊 | 跨13个专科的综合分析 |
/specialist |
单一专科会诊 | 咨询特定专科专家 |
💡 如需详细使用方法，请参阅 完整用户指南
技术特性
- 存储方式：JSON文件 + 文件系统目录结构
- 命令体系：Claude代码斜杠命令
- 专家系统：多专科技能定义 + 子代理架构
- 会诊协调：并行处理 + 意见融合算法
- 图像识别：AI视觉分析
- 数据提取：智能文本识别与结构化
- 辐射计算：体表面积调整 + 指数衰减模型
🔧 更多技术细节，请参阅技术实现详情（中文）
⚠️ 重要安全声明
本系统严格遵循医疗安全原则：
- 不提供具体药物剂量
- 不直接开具处方药
- 不预测生命预后
- 不替代医生诊断
本系统生成的所有分析报告仅供参考，不得作为医疗诊断依据。所有医疗决策均需咨询专业医生。如遇紧急情况，请立即就医。
⚠️ 完整的安全原则及使用限制，请参阅安全指南文档（中文）
💊 药物相互作用数据库
系统内置智能药物相互作用检测功能，支持药物-药物、药物-疾病、药物-剂量以及药物-食物之间的相互作用检测，并采用五级严重程度分类体系（A/B/C/D/X）。
核心功能：
- 🔍 自动检测当前用药组合中的相互作用
- 🚨 严重程度分级警告（A/B/C/D/X）
- 📋 提供详细的管理建议和监测指标
- 💾 支持自定义规则及历史记录
快速入门：
# 检查当前用药的相互作用
/interaction check
# 列出所有相互作用规则
/interaction list
# 查看绝对禁忌规则
/interaction list X
📖 详细文档：药物相互作用数据库完整指南（中文）
🩺 专业贡献：欢迎医学专业人士参与数据库完善 → 贡献指南（中文）
许可证
本项目采用MIT许可证开源。
重要免责声明：本系统仅供个人健康管理使用，不得作为医疗诊断依据。
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。
lobehub
LobeHub 是一个致力于工作与生活的智能体协作平台，旨在帮助用户发现、构建并与不断成长的 AI 智能体队友协同工作。它解决了当前 AI 应用中单点交互效率低、难以形成规模化协作网络的问题，将“智能体”确立为工作的基本单元，让人类与 AI 能够共同进化。 无论是开发者、研究人员还是普通用户，都能通过 LobeHub 轻松设计多智能体协作流程。平台支持一键安装 MCP 插件、访问丰富的智能体市场，并提供本地与云端数据库管理、多用户协作等高级功能。其独特的技术亮点包括对多种大模型服务商的兼容、本地大模型部署支持、视觉识别、语音对话（TTS/STT）、文生图以及思维链（Chain of Thought）等能力。此外，LobeHub 还具备分支对话、工件生成、文件上传与知识库集成等实用特性，并适配桌面端、移动端及 PWA 场景，支持自定义主题。 通过开源与自托管选项，LobeHub 为构建人机共演的未来协作网络提供了灵活、可扩展的基础设施。
scikit-learn
scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。 对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。 其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最