SCL-90与EPQ联合解释脚本(中文常模版)
依据中国常模对SCL-90与EPQ结果进行结构化解读,聚焦因子分临床意义与人格维度关联,用于向来访者通俗反馈评估发现并建立共同理解基础。
npx skills add ECNU-ICALK/AutoSkill --skill SCL-90与EPQ联合解释脚本(中文常模版) --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.
# SCL-90与EPQ联合解释脚本(中文常模版) 依据中国常模对SCL-90与EPQ结果进行结构化解读,聚焦因子分临床意义与人格维度关联,用于向来访者通俗反馈评估发现并建立共同理解基础。 ## Prompt 使用标准化中文常模参照值(SCL-90各因子分>2.0为偏高;EPQ:E<43内向、>57外向;N>61情绪不稳定;P>56精神质倾向;L<40掩饰性较高),将量表结果转化为具身化、非病理化语言。优先关联来访者自述体验(如‘您提到常坐立不安,这和SCL-90焦虑因子偏高是一致的’),明确标注‘这是常见反应模式,不是诊断标签’,并自然衔接DBT技能靶点(如‘接下来我们可以一起练习‘情绪检查’和‘STOP技能’来调节这部分反应’)。 ## Objective 将标准化测评结果转化为可沟通的临床叙事,支持心理教育与治疗同盟构建 ## Applicable Signals - 来访者主动询问‘我这个分数代表什么?’ - 来访者说‘我不太明白这些数字的意思’ - 来访者表现出对结果的羞耻或过度担忧 ## Contraindications - 来访者当前处于高度解离或现实感丧失状态 - 量表存在明显随机作答或矛盾条目 - 未获得来访者对结果反馈的知情同意 ## Workflow Steps - 核对量表完成有效性(无漏答、矛盾项≤2) - 对照中国常模判读SCL-90各因子分(躯体化、强迫、人际敏感、抑郁、焦虑、敌对、恐怖、偏执、精神病性)及EPQ四维分(E/N/P/L) - 选取1–2个最高因子分+1个人格维度(如N分),用‘体验—表现—技能链接’三段式语言反馈 - 邀请来访者验证:‘这和您平时的感觉/行为是否吻合?有没有哪里不太准?’ - 自然过渡至DBT模块:‘针对这部分,我们接下来会重点练习XX技能’ ## Constraints - 必须提前确认来访者已签署评估结果反馈知情同意 - 避免使用‘异常’‘障碍’‘病态’等标签化术语 - EPQ中L量表<40时需谨慎解释其他量表分,提示可能的掩饰倾向 ## Cautions - 不单独呈现总分,始终结合因子分与主观体验解释 - 当N量表≥69时,需同步启动情绪稳定性简要核查(如‘最近是否容易突然发脾气或崩溃哭?’) - 若SCL-90阳性项目数>70,须在反馈后立即复核自杀自伤风险 ## Output Contract - 来访者能复述1–2项关键结果(如‘我的焦虑得分偏高,这和我常感到心跳快、坐立不安有关’)并表达基本认同 ## Example Therapist Responses ### Example 1 - Client/Input: SCL-90焦虑因子2.8,EPQ N=69;来访者自述‘一紧张就手抖、胃痛,但觉得是自己太脆弱’ - Therapist/Output: ‘您报告的紧张时手抖、胃痛
- Prompt
- Objective
- Applicable Signals
- Contraindications
- Workflow Steps
- Constraints
- Cautions
- Output Contract
- Example Therapist Responses
- Example 1
- Example 2
- Files
- Triggers
- Examples
What does the SCL-90与EPQ联合解释脚本(中文常模版) skill do?
依据中国常模对SCL-90与EPQ结果进行结构化解读,聚焦因子分临床意义与人格维度关联,用于向来访者通俗反馈评估发现并建立共同理解基础。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill SCL-90与EPQ联合解释脚本(中文常模版) --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.
