clinical-delegation

por nvidia

Como delegar tarefas clínicas a agentes especialistas. Sempre use o runtime de sub-agente com agentId explícito — nunca ACP. Nunca chame FHIR via web_fetch.

npx skills add https://github.com/nvidia/dgx-spark-playbooks --skill clinical-delegation

Clinical delegation (sessions_spawn)

When you delegate work to specialist agents, you must use the sub-agent runtime, not ACP.

Do not call FHIR yourself

Do not use web_fetch or any HTTP tool to call FHIR APIs from the coordinator. The coordinator does not have the correct FHIR base URL in context when it invents URLs. Specialist agents (patient-data, labs-vitals, medications, analyst) have the configured FHIR endpoint and write Python that runs on the server.

  • For "find patient", "first patient", "list conditions", "demographics" → sessions_spawn with agentId: "patient-data"
  • For labs, vitals, BP, observations → agentId: "labs-vitals"
  • For medications → agentId: "medications"
  • For analysis, care gaps, charts → agentId: "analyst"

The only FHIR server in use is https://r4.smarthealthit.org. Never use placeholder domains like fhir.example.com.

Rule

Use sessions_spawn with:

  • agentId — set to the specialist agent id: patient-data, labs-vitals, medications, analyst, or molecular
  • task — clear description of the task
  • Do not set runtime: "acp". Omit runtime or use runtime: "subagent" so the request goes to the correct clinical agent.

Correct examples

{ "agentId": "patient-data", "task": "Find the first patient and return demographics and active conditions.", "mode": "run" }
{ "agentId": "labs-vitals", "task": "Get latest HbA1c and eGFR for patient abc123", "mode": "run" }
{ "agentId": "analyst", "task": "Run care gap analysis for diabetic patients with A1c > 9%", "mode": "run" }

Wrong

  • Using web_fetch to call FHIR (e.g. https://fhir.example.com/Patient) — coordinator must delegate instead; fhir.example.com is not a real server and will fail.
  • "runtime": "acp" without agentId — causes "ACP target agent is not configured"
  • Omitting agentId when delegating — the system will not know which specialist to run

Specialist agents

agentIdUse for
patient-dataFind patients, get demographics, list conditions
labs-vitalsLabs, vitals, BP, observations
medicationsActive medications, drug classes
analystPython analysis, care gaps, charts
molecularDrug molecular structure, OpenFold3 NIM 3D visualization

Mais skills de nvidia

compileiq-debug
nvidia
Use quando algo está errado: Search() trava, todas as avaliações retornam INVALID_SCORE, as pontuações não estão melhorando, toda configuração retorna o mesmo número, erros de ptxas…
create-github-pr
nvidia
Crie pull requests do GitHub usando a CLI gh. Use quando o usuário quiser criar um novo PR, enviar código para revisão ou abrir um pull request. Palavras-chave de acionamento -…
nemoclaw-maintainer-cross-issue-sweep
nvidia
Escaneia outras issues abertas para encontrar aquelas que um determinado PR pode também corrigir ou quebrar acidentalmente. Gera oportunidades de correção adjacentes e riscos de contradição com arquivo:linha…
fhir-basics
nvidia
Ensina aos agentes como funcionam as APIs FHIR R4, quais recursos estão disponíveis, como consultá-los com parâmetros de busca e como analisar corretamente todos os formatos de resposta…
compileiq-validate-result
nvidia
Use APÓS a conclusão de uma Pesquisa e ANTES de reivindicar qualquer aceleração ou enviar um ACF. Carrega o CSV dump_results, extrai os K melhores candidatos (objetivo único)…
changelog-audit
nvidia
Auditar o CHANGELOG.md do Warp antes de um lançamento: recuperar entradas perdidas, ordenar por impacto ao usuário, refinar a linguagem das entradas, ajustar quebras de linha e (no modo de branch de lançamento) incrementar comparação…
maintain-dynamic-plugins
nvidia
Manter carregadores de plugins dinâmicos do NeMo Relay, manifestos, SDKs nativos em Rust, protocolo de worker gRPC, SDK de worker Python, documentação, testes e cobertura do fluxo de lançamento
dgx-diagnose
nvidia
Diagnostique problemas comuns do DGX Station GB300 — falhas de CUDA, direcionamento incorreto de GPU, bugs de contêiner vLLM/SGLang, problemas de estado MIG, erros de NVLink/Fabric Manager,…