前言¶
做患者運營或營銷自動化的開發者常會遇到這樣的需求：手裏有一批患者數據（人口學、臨牀、行爲、處方），產品方要求”把患者分一下”，下一步卻接不上動作——分出來的羣要麼是聚類算法輸出的數字編號，要麼是拍腦袋的粗分類，運營拿着沒法用。
下面介紹的 Skill 是患者分層與畫像生成（@baitongai/patient-stratification-portrait-generation-skill），由百通AI服務平臺發佈，版本 2.0.0，屬於 professional 分類、enterprise 來源的 SkillHub 技能。它的目標就是把患者數據按固定模型切成 4-6 個可執行的人羣，併爲每層生成能直接指導觸達的畫像卡片。
定位¶
一句話定位：輸入患者數據，輸出分層矩陣 + 觸達策略矩陣。
它解決的是”分完羣之後呢”的問題。常見的 RFM 分層只回答”哪些患者貢獻高”，而這個 Skill 在價值維度之外還引入了流失風險、旅程階段等維度，每層都附帶觸達建議，分層結果和下一步動作是綁定的。
核心功能¶
按官方簡介，該 Skill 的能力如下：
- 觸發方式：當用戶要求患者分層、患者畫像、患者分羣、患者細分，或提到患者價值分層、流失風險、CLV、患者觸達策略、patient profiling、patient stratification、RFM患者模型、患者聚類時觸發。
- 數據輸入：導入患者數據，覆蓋人口學、臨牀、行爲、處方四類字段。
- 分層模型：按 RFMA-J 五維模型自動分層，將患者劃分爲 4-6 個可執行患者羣。
- 畫像卡片：每層生成一張畫像卡片，包含核心特徵、觸達建議、流失風險、旅程階段四項內容。
- 輸出物：分層矩陣與觸達策略矩陣，前者說明”每羣是誰、有多大”，後者說明”每羣用什麼方式觸達”。
注意官方資料只給出了模型名稱（RFMA-J）和維度數量（五維），未展開每個維度的具體定義，實施前建議向發佈方確認 D-F 三個維度的含義。
它和 S4 患者亞型樹的區別¶
官方明確給出了一個互補關係：該 Skill（編號 S14）與 S4 患者亞型樹互補——S4 切市場（有多少人），S14 切患者（這些人是誰、怎麼觸達）。也就是說，S4 回答疾病分型層面的宏觀結構，S14 回答運營執行層面的細分與觸達。如果你的需求是判斷某個疾病亞型有多大的市場空間，用 S4；如果需求是對這個市場裏的具體患者做分層運營，用這個 Skill。
安裝與啓用¶
該 Skill 託管在 SkillHub，座標爲：
@baitongai/patient-stratification-portrait-generation-skill
版本 2.0.0，分類 professional，來源 enterprise，發佈者爲百通AI服務平臺。
需要留意的兩點：
- 官方資料標註了
requires_api_key=true，即調用需要 API Key，使用前要先向發佈方申請並配置，具體配置字段以官方文檔爲準。 - 本次覈對的官方頁面未能訪問成功，資料中未給出具體的安裝命令（如包管理器命令或 IDE 內的安裝路徑）。如果你在 Cursor、Codex CLI 或 Claude Code 中使用，建議先在對應工具的技能市場裏搜索上述座標確認當前版本的安裝方式，不要盲目照抄第三方教程。
典型用法¶
官方資料未提供完整的可復現示例，下面給出基於觸發詞機制的用法框架——在下面對支持該 Skill 的 Agent 的會話中，按觸發詞發起需求即可：
請基於這份患者數據做患者分層與畫像生成。
數據：[人口學字段 / 臨牀字段 / 行爲字段 / 處方字段]
目標：按 RFMA-J 五維模型分層，輸出每層畫像卡片、分層矩陣和觸達策略矩陣。
預期輸出爲兩層結果：
- 4-6 個患者羣，每羣一張畫像卡片（核心特徵、觸達建議、流失風險、旅程階段）。
- 分層矩陣（人羣結構一覽）+ 觸達策略矩陣（每層對應的觸達方式）。
使用前建議先確認四類輸入數據的字段格式與官方要求一致，字段缺失或口徑不齊會導致分層結果偏離。
適用場景與注意¶
適合的場景：
- 有患者級數據（含處方/行爲等行爲數據明細），且需要支撐運營觸達決策的團隊。
- 已經做過宏觀市場分型（S4），需要往下鑽到患者執行層的場景。
- 需要把 CLV、流失風險這類指標落成具體人羣清單和觸達動作的場景。
需要留意的限制：
- 合規前提：處理患者數據涉及個人信息與醫療健康數據，使用前需確認數據授權、脫敏和存儲合規，這取決於你自己的數據治理，Skill 本身不解決合規問題。
- API Key 依賴：標籤顯示 requires_api_key=true，沒有 Key 無法調用。
- 模型細節不透明：RFMA-J 五維模型中 R/F/M/A/J 各字母對應的權重、閾值未在官方資料中公開，對分層結果有硬性要求（如必須區分出某類人羣）前，先小規模試跑驗證。
- 層數不固定：輸出爲 4-6 個羣，具體層數取決於你的數據分佈，不要預設固定數字。
- 官方頁面本次未能訪問，安裝命令和更詳細的文檔建議直接通過下方官方地址向發佈方確認。
結尾¶
這個 Skill 的價值在於把”患者分層”從一個算法名詞變成一個交付物：分層矩陣說明人羣結構，觸達策略矩陣說明每羣怎麼觸達。配合其 4-6 層輸出和畫像卡片，可以直接交給運營執行，而不是停留在報表層面。
官方地址：https://api.skillhub.cn/baitongai/patient-stratification-portrait-generation-skill
SkillHub 頁面：https://www.skillhub.cn/skills/baitongai/patient-stratification-portrait-generation-skill
