宝宝发烧模拟器 · Baby Fever Simulator

基于三层架构（状态机 + 资料库 + LLM）的婴幼儿发热管理 MCP 工具。
纯计算、零自然语言，输出结构化 JSON，由 LLM 消费后生成专业临床叙事。

版本：v3.0.2 | 适用月龄：0-36 个月

这是什么？

一个给新手父母的 AI 发烧助手。宝宝发烧时，你只需要告诉它体温和精神状态，它会：

• 🩺 告诉你现在该居家还是去医院 — 基于 NICE/AAP/WHO 指南，不是拍脑袋

• 💊 帮你算退烧药剂量 — 按体重精确到毫克，记录用药间隔，防止过量

• 🔬 帮你读化验报告 — 血常规、CRP、胸片都能结构化分析

• 📈 预测体温走势 — 告诉你接下来几个小时体温会怎么变

• 🚨 自动报警 — 新生儿发热、抽搐、重度脱水等急症一秒不漏

它不是什么：不是医生。急症请直接去急诊。它是一个帮你理清思路、记住细节、避免手忙脚乱的工具——等你见到医生时，能说清楚「几点几分烧多少度、吃了什么药、喝多少水」。

Related MCP server: MediLinkAI

功能概览

三层架构

Layer 1 — MCP 状态机（engine.py 664行）
  纯计算：代谢 / 预测 / 偏差 / 升级 / 化验分析
  → 零自然语言，纯 JSON 输出

Layer 2 — 资料库（knowledge_base.json 88KB + references/ 11文件 52KB）
  结构化医学知识 + 原文追溯
  → 每条知识：knowledge + why + source + evidence_level

Layer 3 — LLM（SKILL.md + 消费状态 JSON）
  异常值解读 + 综合护理建议 + 叙事表达
  → 用药建议始终克制在退烧范围内

MCP 工具（6 个）

快速开始

安装

在 ~/.workbuddy/mcp.json 中添加：

{
  "mcpServers": {
    "baby-fever-simulator": {
      "command": "/path/to/python3",
      "args": ["server.py"],
      "cwd": "/path/to/宝宝发烧模拟器_v3.0.2"
    }
  }
}

WorkBuddy 右上角 Connector → 找到 baby-fever-simulator → Trust 即用。

使用

直接在对话中说"宝宝发烧 38.5 度"，LLM 自动调用状态机。多轮对话逐步补充信息：

👩 「宝宝发烧了，38.5 度」
🤖 → update_state → L1，追问月龄/体重/精神

👩 「12 个月，9 公斤，精神还行」
🤖 → 补充基础信息，追问用药/喝水

👩 「没吃药，喝水量正常」
🤖 → 信息完整，generate_full_report → 完整评估 + 预测 + 建议

化验数据录入

支持真实医院报告的结构化录入：

👩 「血常规出来了：WBC 9.97，中性粒 27.3%，CRP 9.96」
🤖 → update_state(lab_test='血常规', ...) → 自动 flag + 升级叠加

无法结构化的报告走 MD 保底方案——数据全量落盘，零丢失。

完整对话示例

以下是真实家庭场景的端到端流程——凌晨发现宝宝发烧到拿到化验报告的全过程：

场景：17 月龄女宝，8.5kg，凌晨 1:00 开始发烧

第 1 轮 · 凌晨 1:00 — 初次发烧

👩 「宝宝发烧了，刚量 38.3°C，1 点开始烧的」

🤖 → update_state(temp=38.3, fever_onset_time="01:00")
→ 信息不完整，追问月龄/体重/精神

👩 「17 个月，8.5 公斤，精神还可以」

🤖 → 补充基础信息 → 追问用药/喝水情况

👩 「没吃药，喂了 60mL 水」

🤖 → generate_full_report
→ L1 居家观察：38.3°C + 精神好 → 每小时测温，物理降温，继续补水

第 2 轮 · 上午 8:00 — 体温上升

👩 「38.8°C 了，精神不太好，有点蔫」

🤖 → update_state(temp=38.8, neuro="drowsy", behavior="clingy")
→ 升级 L2 居家用药

👩 「那吃药吧，喂了美林 85mg」

🤖 → update_state(drug="ibuprofen", dose_mg=85)
→ 剂量校验：10mg/kg ✅ | 24h 累计 85mg，上限 340mg
→ 预测：1h 后约 38.5°C，4h 后 38.0°C

第 3 轮 · 下午 4:00 — 化验报告到了

👩 「去医院查了血，报告出来了。CRP 45.4 高了，PCT 1.81 也高，中性粒偏低」

🤖 → update_state(lab_test="inflammatory", lab_results={"CRP": 45.4, "PCT": 1.81})
→ 异常标记：CRP > 50 倍上限、PCT > 1ng/mL
→ 模式识别：bacterial_infection_likely
→ 升级 L3 密切监控：化验加权 +2.5 → 四舍五入 +3 级

👩 「胸片也说支气管肺炎」

🤖 → update_state(lab_test="胸片", lab_results={"finding": "支气管肺炎"})
→ 叠加确认 L3

第 4 轮 · 次日下午 — 恢复期

👩 「体温降到 37.2°C 了，精神回来了，能喝奶了」

🤖 → update_state(temp=37.2, neuro="normal", milk_ml=120)
→ 降级 L1 居家观察
→ 24h 不再用药，继续补水

完整流程只需 4 轮对话，覆盖从发烧到退烧的完整病程，每次计算都是精确到分钟的。

设计原则

• 状态机只计算，不说人话 — 所有自然语言由 LLM 层生成

• Plan ≠ Action — 药物建议始终标记为 recommendation_pending，只有家长确认后才写入执行记录

• 化验只升级不降级 — 主观体征基准 + 化验异常叠加 = max(severity_added) + 0.5 × second

• 每条建议必须引用来源 — 知识库有 → KB 路径，知识库缺 → 待补录 标注

• LLM 用药建议限于退烧药 — 不针对化验异常建议抗生素/激素等

项目结构

宝宝发烧模拟器_v3.0.2/
├── server.py              MCP 6 工具入口
├── engine.py              核心计算引擎
├── state_store.py          JSON 持久化 + 14 类诊断 schema
├── SKILL.md                LLM 层操作规范
├── VERSION
├── requirements.txt        mcp>=1.0.0
├── knowledge/
│   └── knowledge_base.json 88KB 结构化知识库
└── references/             11 文件 52KB 原文追溯

免责声明

本工具为 AI 辅助生成的便民健康工具，不构成医疗诊断或治疗建议。所有临床决策应由执业医师做出。如有紧急情况，请立即拨打 120 或前往最近的急诊科。