网络疑病认知行为模式心理教育
向来访者系统介绍网络疑病的认知行为循环模型(搜索→疑虑→焦虑→再搜索),使用非病理化类比(如‘放大镜+回音壁’)解释认知偏差与行为强化的交互机制,区分正常健康关注与网络疑病的行为边界,建立元认知理解与治疗同盟。
npx skills add ECNU-ICALK/AutoSkill --skill 网络疑病认知行为模式心理教育 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 网络疑病认知行为模式心理教育 向来访者系统介绍网络疑病的认知行为循环模型(搜索→疑虑→焦虑→再搜索),使用非病理化类比(如‘放大镜+回音壁’)解释认知偏差与行为强化的交互机制,区分正常健康关注与网络疑病的行为边界,建立元认知理解与治疗同盟。 ## Prompt 以通俗、非病理化语言呈现‘在线健康信息搜索—不确定性放大—焦虑升级’的循环模型;使用类比(如‘放大镜效应’)解释认知偏差;明确区分正常健康关注与网络疑病的边界;强调该模式可改变,并关联后续干预步骤(如认知暴露、重构)。 ## Objective 建立问题认知框架与治疗同盟 ## Applicable Signals - 来访者频繁使用‘我肯定得了XX病’等绝对化表述 - 主动提及每日多次搜索症状信息 - 将网络搜索结果等同于医学诊断 - 否认情绪与搜索行为间的联系 ## Contraindications - 来访者处于急性危机状态 - 存在严重现实检验障碍 - 拒绝接受心理性解释 ## Intervention Moves - 命名循环模型(搜索→疑虑→焦虑→再搜索) - 可视化绘制该循环图示 - 引导识别自身触发点(如某类症状词、特定网站) - 正常化初始反应,去污名化 ## Workflow Steps - 1. 共同定义‘网络疑病’:聚焦行为模式(反复查证、难以停止)而非标签化人格 - 2. 呈现CBT解释框架:用‘放大镜+回音壁’比喻说明认知偏差与行为强化的交互 - 3. 区分‘健康关注’与‘网络疑病’:列出二者在频率、功能影响、应对方式上的差异 - 4. 关联后续干预:说明心理教育是认知暴露与重构的前提,增强治疗预期 ## Constraints - 不提供具体疾病知识或医学建议 - 不否定来访者身体感受的真实性 - 避免使用‘你想多了’等评判性语言 ## Cautions - 警惕来访者将教育内容转化为新的反刍素材(如反复复述模型以确认自己‘病得典型’) - 若来访者立即要求‘教我怎么立刻停止搜索’,需先锚定情绪,暂缓进入技术教学 ## Output Contract - 来访者能用自己的语言复述‘网络疑病是认知偏差+行为强化循环’的核心模型 ## Example Therapist Responses ### Example 1 - Client/Input: 来访者说:‘我查了37个网站都说这个症状可能是癌症,这还能是错的吗?’ - Therapist/Output: therapist: ‘听起来你非常努力地想弄清楚身体发生了什么——这种认真本身不是问题。但我们的大脑在焦虑时,会像调高音量一样,只听见最吓人的那几条声音,而忽略其他更平静的信息。我们今天一起看看,这个‘只听最响声音’的过程是怎么悄悄启动的?’ - Notes: 用共情承接情绪,将‘搜索行为’重构为‘努力求证’,自
- Prompt
- Objective
- Applicable Signals
- Contraindications
- Intervention Moves
- Workflow Steps
- Constraints
- Cautions
- Output Contract
- Example Therapist Responses
- Example 1
- Example 2
- Files
- Triggers
What does the 网络疑病认知行为模式心理教育 skill do?
向来访者系统介绍网络疑病的认知行为循环模型(搜索→疑虑→焦虑→再搜索),使用非病理化类比(如‘放大镜+回音壁’)解释认知偏差与行为强化的交互机制,区分正常健康关注与网络疑病的行为边界,建立元认知理解与治疗同盟。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 网络疑病认知行为模式心理教育 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.
