SIGNAL 01
FemTech 智能硬件 · 融资动态Peripear：把会阴热敷做成分娩中自动运行的可穿戴设备
Peripear 不是发明一种新的治疗理论，而是把已有证据支持、但临床上很难持续手工执行的温热敷，变成一件能在分娩过程中自动运行的设备。
关键机制 / 关键事实
- 设备在分娩期间佩戴，自动提供会阴 thermotherapy（温热疗法），目标是减少会阴撕裂，同时让医护人员不必一直手持热敷物。
- 公司刚完成 £1.2M 超额认购的 pre-seed 融资；资金将支持在新加坡国立大学医院系统开展首次人体有效性研究，并已申请一项由 NIHR 资助的随机对照试验。
- 当前仍是临床验证前期，不是已证明有效或已规模上市的产品；真正要验证的是“自动化后能否稳定执行标准动作，并产生可测量的临床结果”。
🔗 同类做法对照： Materna 的 Ellora Obstetrical System 也瞄准顺产中的盆底损伤预防，并已在 20 家美国医院进行关键性随机对照试验，同时推进制造与上市准备。共同点是把过去依赖人工经验的产房预防动作做成可复制的设备流程；差异是 Peripear 聚焦“持续、免手持的温热敷”，Ellora 则以更完整的产科系统介入、研究和支付路径推进。Peripear 的价值在于动作更单一、部署更轻，但临床证据成熟度也明显更早。
编辑视角母婴硬件的机会不只在“多测一个指标”。如果一个被认可的护理动作长期因为人手、持续时间或操作一致性而做不到，自动化执行本身就能形成产品价值；但在健康场景里，便利性必须和临床结果一起验证。
SIGNAL 02
软件 App · 重大更新Oura：60 万人完成的更年期量表开始进入临床门户与企业福利
Oura 这次不是再加一个“记录症状”的入口，而是让长期量表分数离开 App，直接进入用户本来就在使用的诊疗、远程医疗和福利服务。
关键机制 / 关键事实
- Menopause Impact Scale（MIS）是一份经临床验证的问卷，覆盖 认知、身体形象/性功能/阴道症状、肌肉骨骼疼痛、潮热、睡眠维持、泌尿症状等 7 个领域；5 月上线以来已有 60 万+ Oura 会员完成。
- 新增变化是 MIS 分数可在合作伙伴的 App 和门户中被患者与照护团队访问，临床人员可把报告用于讨论症状对日常生活的影响和制定 care plan。
- 首批接入横跨更年期服务、初级保健、远程医疗、企业福利与激素/生物标志物平台，意味着入口不再只依赖用户主动把 Oura 页面拿给医生看。
🔗 同类做法对照： 5 月版本的 MIS 先把分散症状整理成用户可重复填写的标准量表；9 月更新则把同一份结果送进 Alloy、Gennev、Wisp、Pomelo、Maven、Tia、Oova 等现有服务。共同逻辑都是把一次主观描述变成可纵向比较的结构化记录；关键差异是前者完成“用户自己看懂”，后者开始完成“不同照护者沿用同一份记录”，价值从自我认知扩展到减少反复讲述和改善诊疗沟通。
编辑视角健康 App 真正形成服务闭环，不是多生成一份漂亮报告，而是让同一份阶段记录在用户、AI 和真人服务之间继续被使用。先定义一个稳定、可重复的结构，再决定它应该流向哪些服务入口，比直接追求更多传感器字段更重要。
只选一个高频母婴问题，验证现有记录能否整理成一页“用户看得懂、专业服务也能继续使用”的固定结构，不扩展到更多场景。
SIGNAL 03
AI 工具链 · 版本更新Claude Code：/skill-doctor 直接列出没被使用的 Skill 及其上下文成本
Claude Code 开始把“Skill 装得越多，开场上下文可能越重”从经验判断变成可直接检查的账单。
关键机制 / 关键事实
- v2.1.261（9 月 4 日发布）新增
/skill-doctor：列出当前加载但实际没有被调用的 Skills，并显示它们占用了多少上下文，方便决定是否删减。
- 同一版本还把
/context 的 token 统计改为在远端计数服务不可用时使用本地估算，说明“上下文成本可见化”正在进入日常操作层，而不是只留给后台监控。
- 它解决的是诊断问题：告诉我们哪些 Skill 没产生价值；它不会自动判断这些 Skill 在下一次任务中是否必要，也不会替我们完成路由。
🔗 同类做法对照： Spotify 的 Shunt 插件从执行前治理成本：当 Claude Code 读取超过默认 350 行的文件时，hook 会阻止整份读取，转交给 Gemini 2.5 Flash 的 bulk-reader；在一个 Java monorepo 的四类场景中，官方工程案例报告平均减少约 90% 的 Claude 输入 token，但每次委派会增加 10–30 秒延迟，而且不适合编辑、调试和架构判断。两者共同目标都是把高价上下文留给真正需要推理的部分；差异是 /skill-doctor 先找“长期没用却一直带着的说明书”，Shunt 则在每次工具调用前拦截“这次不值得由主模型整读的材料”。
编辑视角Agent 成本优化不该先从换便宜模型开始，而应先区分两类浪费：长期加载却没使用的背景，和本次任务里可由轻量模型处理的机械输入输出。前者适合定期清理，后者适合有条件地分流。
在一个经常使用的 Claude Code 项目里运行一次 /skill-doctor，只移除一个确认长期未使用的 Skill，再比较下一次同类任务的开场上下文。