我用 QClaw 打造了一只“养生龙虾“——打工人保命健康守护助手

wdracky

351人浏览 · 2026-04-02 16:20:26

wdracky · 2026-04-02 16:20:26 发布

在这里插入图片描述

从一个简单的健康需求，到完整的健康提醒系统，我用 QClaw 这个智能助手完成了从"想法"到"落地"的全过程。

缘起：打工人的健康焦虑

作为一个长期久坐、对着电脑敲代码的打工人，我越来越意识到健康的重要性。心血管疾病早已不再是"老年病"——久坐、外卖、熬夜、高压，这些职场日常正在悄悄透支我们的身体。

我想：能不能让我的 AI 助手来帮我管理健康？

于是，我开始和 QClaw 对话：
现在生命可贵，健康难得，对于职场打工人，请帮我制定心脑血管健康养生方案发我。

在这里插入图片描述

第一步：获取专业健康方案

我打开 QClaw，输入了第一个需求：

“现在生命可贵，健康难得，对于职场打工人，请帮我制定心脑血管健康养生方案。”

QClaw 给了我一份非常详细的方案，涵盖五大核心模块：

饮食方案：低盐低脂高纤维，推荐食物和限制食物清单
运动计划：久坐人群的运动建议，工作日最低限度版
作息指导：睡眠时间、午休注意事项
压力管理：即时减压方法（4-7-8 呼吸法等）
自我监测：在家就能做的健康检查指标

更让我惊喜的是，它还给出了每日检查清单，可以打印贴在工位上。

那一刻我觉得，这不仅仅是一次问答，而是一次专业的健康咨询。

第二步：把方案变成"技能包"

知识有了，但我不想每次都重新问一遍。于是我对 QClaw 说让它制作技能包。

QClaw 立即开始干活：

创建项目目录结构
编写 SKILL.md 技能定义文件（含 YAML frontmatter）
编写完整健康指南 cardiovascular-health-guide.md
编写健康风险评估工具 health-check.js
更新 OpenClaw 配置，将技能目录加入加载路径

响应效果如下：
在这里插入图片描述

最终生成的文件结构：

healthCare/
├── SKILL.md                         # 技能定义
├── README.md                        # 项目说明
├── summary.md                       # 项目总结
├── references/
│   └── cardiovascular-health-guide.md  # 完整健康指南
└── scripts/
    └── health-check.js              # 健康风险评估工具

开发完成情况如下：
在这里插入图片描述
现在，只要我问"打工人如何保护心血管"，QClaw 就会自动调用这个技能，给出专业的健康建议。

运行效果如下：
在这里插入图片描述

技术细节：技能是如何封装的？

作为一个技术人，我研究了一下 SKILL.md 的结构：

---
name: healthCare
description: 为职场打工人提供心脑血管健康养生方案及风险评估
metadata:
  version: 1.0.0
  author: AI Assistant
  category: Health
---

这种 YAML Front Matter 格式我非常熟悉，它在 Jekyll、Hugo 等静态网站生成器中广泛使用。QClaw 巧妙地借鉴了这个设计，让技能可以像插件一样被加载和管理。

配置文件会告诉 QClaw：

触发关键词：“职场健康方案”、“心脑血管养生”、“打工人健康”
能力描述：健康方案提供、风险评估工具、急救预警指南
版本信息：便于后续迭代升级

这意味着，我不需要学习复杂的编程，只需要用自然语言描述需求，QClaw 就能帮我完成技能的封装。

第三步：让龙虾"主动"提醒我

知识和技能都有了，但还有一个问题：我总是忘记喝水、忘记起来活动。

我对 QClaw 说：

“请帮我设置定时提醒任务，在我上班的时间段进行提醒，让我喝水和起来活动”

QClaw 立即帮我创建了 5 个定时提醒任务：

时间	提醒内容
每天 9:00-18:00 每小时整点	💧 喝水活动提醒
每天 12:30	🌿 午休散步提醒
每天 14:00	☕ 下午犯困提神方法
每天 18:00	🏃 下班运动提醒
每天 22:00	🌙 早点睡觉提醒

这些提醒会准时推送到我的聊天窗口，像一个贴心的健康管家。
在这里插入图片描述

底层原理：Cron 表达式的力量

我好奇地查看了一下这些提醒的配置，发现它们基于标准的 cron 表达式：

{
  "name": "健康提醒 - 喝水活动",
  "schedule": { 
    "kind": "cron", 
    "expr": "0 9-18 * * *", 
    "tz": "Asia/Shanghai" 
  },
  "payload": { 
    "kind": "systemEvent", 
    "text": "💧 喝水时间到！站起来走动 2 分钟，眺望远方放松眼睛~" 
  },
  "sessionTarget": "main"
}

这个 "0 9-18 * * *" 的意思是：

第 0 秒
9 点到 18 点的每个小时
每天
每月
每周

传统的定时任务开发需要：

安装定时任务库（如 node-cron）
编写 cron 表达式解析逻辑
处理时区转换
实现事件分发机制

而现在，我只需要一句话，QClaw 就帮我把这些都搞定了。这就是 AI 助手的价值——把复杂留给自己，把简单交给用户。

第四步：交互式健康风险评估

有一天，我突发奇想：

“我能快速测试一下自己的健康风险吗？”

于是 QClaw 带我运行了 scripts/health-check.js 这个脚本。

屏幕上出现了这样的提示：

💓 欢迎使用职场健康风险评估工具 (v2.0)
请根据您的真实情况回答以下问题：

1. 请输入您的身高（cm）: 
2. 请输入您的体重（kg）: 
3. 您是否每天久坐超过 6 小时？(y/n) 
4. 您是否经常熬夜（23:00 以后入睡）？(y/n) 
...

我一一作答后，它立即给出了评估结果：

--- 评估结果 ---
您的健康风险总分数为：7
您的 BMI 指数为：24.5 (超重)

🔴 高风险：您的健康状况堪忧，必须立即采取行动！
- 建议每小时起身活动 5 分钟，避免久坐。 
- 尝试调整作息，保证每晚 7-8 小时睡眠。 
- 优先选择清淡、少油盐的午餐，减少外卖频率。 
- 控制体重，将 BMI 维持在 24 以下。

那一刻我真的被触动了——这不仅是一个工具，更像是一个关心我的朋友。

代码背后的巧思

我打开 health-check.js 看了看，发现它的设计非常巧妙：

// 所有问题都配置在一个数组里
const questions = [
    { q: "1. 请输入您的身高（cm）: ", key: 'height' },
    { q: "3. 您是否每天久坐超过 6 小时？(y/n) ", 
      key: 'sedentary', 
      score: (ans) => ans.toLowerCase() === 'y' ? 2 : 0 },
    // ...更多问题
];

// 动态评分函数
function showResult() {
    let totalScore = 0;
    for (const key in userAnswers) {
        const question = questions.find(q => q.key === key);
        if (question && question.score) {
            totalScore += question.score(userAnswers[key]);
        }
    }
    // 根据总分给出不同等级的建议
}

这种数据驱动的设计意味着：

新增问题只需修改配置，不用改逻辑
每个问题的权重可以灵活设置（如吸烟 3 分，久坐 2 分）
评分规则一目了然，便于医学专家审核

虽然只有 100 多行代码，但它体现了模块化、可扩展的工程化思维。

第五步：按需定制健康方案

工作中，我想要更具体的"工作间隙休息方案"。我问 QClaw：

“给我一个职场工作间隙休息的健康方案”

它给了我一份详细的方案：

每小时必做：站起来走动 2 分钟、远眺休息
工位 5 分钟极速放松操：4-7-8 呼吸法、肩颈放松、腰椎保护、眼部放松
水分补充站：一天 6 次喝水的最佳时间
午休正确姿势：20-30 分钟、靠椅背、不趴桌

这些都是可以在工位上直接操作的，非常实用。

我发现，QClaw 给出的方案有几个特点：

场景化：充分考虑打工人的实际工作环境
可量化：给出明确的时间、次数指标
可执行：不需要额外设备，马上就能做
有依据：每个建议都有医学或运动学支撑

这不是网上那种泛泛而谈的"养生文章"，而是真正能落地的行动指南。

回顾：一只"养生龙虾"的诞生

从无到有，我只用了几句话，就让 QClaw 帮我完成了：

✅ 知识获取：专业的职场健康方案
✅ 技能沉淀：把知识打包成可复用的技能包
✅ 主动服务：定时提醒系统
✅ 按需定制：根据具体场景生成方案
✅ 风险评估：交互式自测工具

这就是 QClaw 的魅力——它不是被动的问答机器，而是一个可以学习、积累、主动服务的智能助手。

如果把 QClaw 比作一只"龙虾"，那它已经从最初的"宠物龙虾"进化成了我的"私人健康管家龙虾"。

技术深潜：这一切是如何实现的？

作为一个技术人，我也研究了一下背后的机制。这里涉及到两个核心技术：

1. 技能系统（Skills）

QClaw 使用 SKILL.md 文件来定义技能，格式如下：

---
name: healthCare
description: |
  职场打工人心脑血管健康管理方案...
metadata:
  openclaw:
    emoji: "💓"
---

技能可以放在任意目录，只需在配置中添加路径：

{
  "skills": {
    "load": {
      "extraDirs": ["C:\\Users\\xxx\\.qclaw\\workspace"]
    }
  }
}

这个设计的精妙之处在于：

热加载：新增技能无需重启 QClaw
模块化：每个技能独立管理，互不干扰
可扩展：我可以不断添加新技能，让它越来越懂我

2. 定时任务系统（Cron）

QClaw 内置了 cron 调度器，支持：

标准 cron 表达式（如 0 9-18 * * *）
时区设置（Asia/Shanghai）
系统事件注入

创建一个提醒只需要一条指令：

{
  "name": "健康提醒 - 喝水活动",
  "schedule": { "kind": "cron", "expr": "0 9-18 * * *", "tz": "Asia/Shanghai" },
  "payload": { "kind": "systemEvent", "text": "💧 喝水时间到..." },
  "sessionTarget": "main"
}

如果用传统方式实现同样的功能，我需要：

搭建后端服务
集成定时任务框架
开发推送通知接口
处理并发和异常

而现在，我只需要一句话。这就是 AI 助手的价值——把想法变成现实，中间只隔一次对话。

MCP 协议：让技能跨平台协作

在研究过程中，我还了解到了一个叫 MCP（Model Context Protocol） 的东西。

简单来说，MCP 是一种标准化的协议，让不同的 AI 模型和工具可以互相理解和协作。就像 HTTP 协议让浏览器可以访问任何网站一样，MCP 协议让 AI 助手可以使用任何遵循该协议的技能。

如果我把 healthCare 技能通过 MCP 进行封装，它将能够：

被其他遵循 MCP 标准的 AI 助手调用
与其他健康类技能（如运动追踪、饮食记录）组合使用
接入更广泛的生态系统

想象一下，未来我可以用小米手环收集数据，用 Apple Health 分析趋势，用 QClaw 提供建议——这一切通过 MCP 协议无缝衔接。

这就是开放生态的力量。

开发感悟：技术应该是有温度的

在打造这只"养生龙虾"的过程中，我深刻体会到，技术不应只是冷冰冰的代码和算法，更应该承载人文关怀。

healthCare 技能的开发，是我们尝试将 AI 技术与人类健康相结合的一次探索。它提醒我们，在追求效率和创新的同时，不要忘记我们最宝贵的财富——健康。

这个小小的技能，或许不能替代专业医生的诊断，但它至少能在忙碌的工作间隙，为你敲响健康的警钟，提供一些科学的养生建议。

写在最后

很多人觉得 AI 只是聊天工具，但 QClaw 让我看到了另一种可能——AI 可以成为你的"数字员工"。

它可以是：

📚 知识库管理员：把知识沉淀为技能
⏰ 任务调度员：定时提醒、主动服务
🤝 私人助手：根据你的需求定制方案
💓 健康守护者：关注你的身心健康

最重要的是，这一切只需要自然语言对话就能完成。

如果你也有一只 QClaw（或者叫它"龙虾"），不妨试试让它帮你：

整理你的知识库
设置你的日常提醒
构建你的专属技能
管理你的健康生活

从今天开始，让 AI 为你的健康保驾护航。

效率提升对比：

任务	传统方式耗时	AI 辅助耗时	提升倍数
获取健康方案	2 小时（搜索整理）	2 分钟	60 倍
开发提醒系统	1 天（编码调试）	5 分钟	288 倍
创建技能包	4 小时（设计开发）	10 分钟	24 倍
总计	约 3 天	约 17 分钟	254 倍