fitness-analyzer by huifer

---
name: fitness-analyzer
description: 分析运动数据、识别运动模式、评估健身进展，并提供个性化训练建议。支持与慢性病数据的关联分析。
allowed-tools: Read, Grep, Glob, Write
---

# 运动分析器技能

分析运动数据，识别运动模式，评估健身进展，并提供个性化训练建议。

## 功能

### 1. 运动趋势分析
分析运动量、频率、强度的变化趋势，识别改善或需要调整的方面。

**分析维度**：
- 运动量趋势（时长、距离、卡路里）
- 运动频率趋势（每周运动天数）
- 强度分布变化（低/中/高强度占比）
- 运动类型偏好变化

**输出**：
- 趋势方向（改善/稳定/下降）
- 变化幅度和百分比
- 趋势显著性
- 改进建议

### 2. 运动进步追踪
追踪特定运动类型的进步情况，量化健身效果。

**支持的进步追踪**：
- **跑步进步**：配速提升、距离增加、心率改善
- **力量训练进步**：重量增加、容量提升、RPE变化
- **耐力进步**：运动时长增加、距离延长
- **柔韧性进步**：关节活动度改善

**输出**：
- 开始值 vs 当前值
- 改善百分比
- 进步可视化
- 达成的里程碑

### 3. 运动习惯分析
识别用户的运动习惯和模式。

**分析内容**：
- 常用运动时间（早晨/下午/晚上）
- 运动频率模式（每周几天）
- 运动类型偏好
- 休息日分布
- 运动一致性评分

**输出**：
- 习惯总结
- 一致性评分（0-100）
- 优化建议
- 习惯养成建议

### 4. 相关性分析
分析运动与其他健康指标的相关性。

**支持的相关性分析**：
- **运动 ↔ 体重**：运动消耗与体重变化的关系
- **运动 ↔ 血压**：运动对血压的长期影响
- **运动 ↔ 血糖**：运动对血糖控制的效果
- **运动 ↔ 情绪/睡眠**：运动对情绪和睡眠的影响

**输出**：
- 相关系数（-1到1）
- 相关性强度（弱/中/强）
- 统计显著性
- 因果关系推断
- 实践建议

### 5. 个性化建议生成
基于用户数据生成个性化运动建议。

**建议类型**：
- **运动频率建议**：是否需要增加/减少运动频率
- **运动强度建议**：强度调整建议
- **运动类型建议**：推荐尝试的运动类型
- **运动时间建议**：最佳运动时间
- **恢复建议**：休息和恢复建议

**建议依据**：
- WHO/ACSM/AHA运动指南
- 用户运动历史数据
- 用户健康状况
- 用户健身目标

## 输出格式

### 趋势分析报告

```markdown
# 运动趋势分析报告

## 分析周期
2025-03-20 至 2025-06-20（3个月）

## 运动量趋势

### 运动时长
- 趋势：⬆️ 上升
- 开始：平均120分钟/周
- 当前：平均180分钟/周
- 变化：+50%（+60分钟/周）
- 解读：运动量显著增加，表现优秀

### 卡路里消耗
- 趋势：⬆️ 上升
- 开始：平均960卡/周
- 当前：平均1440卡/周
- 变化：+50%
- 解读：运动消耗增加，有助于体重管理

### 运动距离
- 趋势：⬆️ 上升
- 开始：平均10公里/周
- 当前：平均20公里/周
- 变化：+100%
- 解读：耐力显著提升

## 运动频率

- 当前频率：4天/周
- 目标频率：4-5天/周
- 状态：✅ 达标
- 建议：保持当前频率

## 强度分布

| 强度 | 占比 | 变化 |
|------|------|------|
| 低强度 | 25% | +5% |
| 中等强度 | 55% | -10% |
| 高强度 | 20% | +5% |

**分析**：强度分布合理，中等强度占主导，符合有氧运动建议。

## 运动类型分布

| 运动类型 | 占比 |
|---------|------|
| 跑步 | 50% |
| 瑜伽 | 25% |
| 力量训练 | 25% |

**建议**：可以适当增加力量训练比例至30-40%。

## 洞察与建议

### 优势
1. ✅ 运动量稳定增长，(+50%)
2. ✅ 运动频率稳定，每周4天
3. ✅ 休息日充足，恢复良好

### 改进建议
1. 📈 每周增加2次力量训练
2. 📈 尝试不同运动类型避免单调
3. 📈 适当增加高强度间歇训练(HIIT)

### 警示
1. ⚠️ 注意运动强度不宜过高，控制在中等强度为主
```

### 相关性分析报告

```markdown
# 运动与血压相关性分析

## 数据来源
- 运动数据：fitness-logs (2025-03-20 至 2025-06-20)
- 血压数据：hypertension-tracker (同期)

## 分析结果

### 相关系数
- 变量：每周运动时长 ↔ 收缩压
- 相关系数：r = -0.68
- 相关性强度：**强负相关**
- 统计显著性：p < 0.01 **高度显著**

### 解读
运动时长与收缩压呈强负相关，意味着：
- 运动越多，血压越低
- 每增加30分钟运动，收缩压平均下降3-5 mmHg

### 实践建议
1. ✅ 继续保持规律运动，每周5-7天
2. ✅ 每次运动30-60分钟，中等强度
3. ✅ 优先选择有氧运动（快走、慢跑、骑行）
4. ⚠️ 避免憋气动作和突然爆发性运动

### 医学参考
- AHA声明：规律有氧运动可降低收缩压5-7 mmHg
- 您的运动效果：降低约10 mmHg，效果显著！
```

### 进步追踪报告

```markdown
# 跑步进步追踪

## 分析周期
2025-01-01 至 2025-06-20（6个月）

## 配速进步

| 指标 | 开始 | 当前 | 改善 |
|------|------|------|------|
| 平均配速 | 7:30 min/km | 6:00 min/km | +20% ⬆️ |
| 最快配速 | 7:00 min/km | 5:30 min/km | +22% ⬆️ |
| 5公里用时 | 37:30 | 30:00 | +20% ⬆️ |

**趋势**：配速持续稳定提升，进步显著！

## 距离进步

| 指标 | 开始 | 当前 | 改善 |
|------|------|------|------|
| 最长单次距离 | 3 km | 12 km | +300% ⬆️ |
| 月度总距离 | 40 km | 86 km | +115% ⬆️ |
| 平均距离 | 5 km | 6 km | +20% ⬆️ |

**趋势**：耐力大幅提升，可以完成更长距离。

## 心率改善

| 指标 | 开始 | 当前 | 改善 |
|------|------|------|------|
| 静息心率 | 78 bpm | 72 bpm | -6 bpm ⬇️ |
| 相同配速心率 | 155 bpm | 145 bpm | -10 bpm ⬇️ |

**分析**：心肺功能显著改善，相同配速下心率降低。

## 里程碑

- ✅ 2025-03-15：首次完成5公里跑
- ✅ 2025-05-20：首次完成10公里跑
- ✅ 2025-06-10：配速突破6:00 min/km

## 下一步目标

- 🎯 完成半程马拉松（21公里）
- 🎯 配速提升至5:30 min/km
- 🎯 尝试间歇训练提升速度
```

## 数据源

### 主要数据源

1. **运动日志**
   - 路径：`data/fitness-logs/YYYY-MM/YYYY-MM-DD.json`
   - 内容：运动记录（类型、时长、强度、心率、距离等）
   - 频率：每次运动后更新

2. **用户档案**
   - 路径：`data/fitness-tracker.json`
   - 内容：用户档案、健身目标、统计数据
   - 更新：定期更新

3. **健康数据关联**
   - `data/hypertension-tracker.json`（血压数据）
   - `data/diabetes-tracker.json`（血糖数据）
   - `data/profile.json`（体重、BMI等）

### 数据质量检查

- 数据完整性：检查必要字段是否存在
- 数据合理性：检查数值是否在合理范围内
- 时间一致性：检查时间戳是否合理
- 重复数据：检测并处理重复记录

## 算法说明

### 1. 线性回归趋势分析

使用线性回归分析运动数据的时间趋势。

**公式**：
y = a + bx

其中：
- y：运动指标（时长、卡路里、距离等）
- x：时间
- a：截距
- b：斜率（趋势方向和速度）

**解释**：
- b > 0：上升趋势
- b < 0：下降趋势
- b ≈ 0：稳定

### 2. Pearson相关系数

用于分析两个变量之间的线性相关性。

**公式**：
r = Σ[(xi - x̄)(yi - ȳ)] / √[Σ(xi - x̄)² × Σ(yi - ȳ)²]

**范围**：-1 ≤ r ≤ 1

**解释**：
- r = 1：完全正相关
- r = -1：完全负相关
- r = 0：无线性相关

**强度判断**：
- |r| < 0.3：弱相关
- 0.3 ≤ |r| < 0.7：中等相关
- |r| ≥ 0.7：强相关

### 3. 配速计算

**配速** = 运动时长 / 距离

单位：min/km 或 min/mile

**示例**：
- 30分钟跑5公里
- 配速 = 30 / 5 = 6 min/km

### 4. MET能量代谢计算

**卡路里消耗** = MET × 体重(kg) × 时间(小时)

**常见运动的MET值**：
- 走路（3-5 km/h）：3.5-5 MET
- 慢跑（8 km/h）：8 MET
- 快跑（10 km/h）：10 MET
- 游泳：6-10 MET
- 骑行（休闲）：4 MET
- 力量训练：5 MET
- 瑜伽：3 MET

## 医学安全边界

⚠️ **重要声明**
本分析仅供健康参考，不构成医疗建议。

### 分析能力范围

✅ **能做到**：
- 运动数据统计和分析
- 趋势识别和可视化
- 相关性计算和解释
- 一般性运动建议

❌ **不做到**：
- 疾病诊断
- 运动风险评估
- 具体运动处方设计
- 运动损伤诊断和治疗

### 危险信号检测

在分析过程中检测以下危险信号：

1. **心率异常**
   - 运动心率 > 95%最大心率
   - 静息心率 > 100 bpm

2. **血压异常**
   - 收缩压 ≥ 180 mmHg
   - 舒张压 ≥ 110 mmHg

3. **过度训练迹象**
   - 连续7天高强度运动
   - 运动感受持续下降（RPE > 17）

4. **体重快速下降**
   - 每周减重 > 1kg（可能不健康）

### 建议分级

**Level 1: 一般性建议**
- 基于WHO/ACSM指南
- 适用于一般人群

**Level 2: 参考性建议**
- 基于用户数据
- 需结合个人情况

**Level 3: 医疗建议**
- 涉及疾病管理
- 需医生确认

## 使用示例

### 示例1：生成运动趋势报告

```bash
/fitness trend 3months
```

输出：
- 3个月运动趋势分析
- 运动量、频率、强度变化
- 洞察和建议

### 示例2：追踪跑步进步

```bash
/fitness analysis progress running
```

输出：
- 配速进步
- 距离进步
- 心率改善
- 里程碑达成

### 示例3：分析运动与血压相关性

```bash
/fitness analysis correlation blood_pressure
```

输出：
- 相关系数
- 相关性强度
- 显著性检验
- 实践建议

---

**技能版本**: v1.0
**最后更新**: 2026-01-02
**维护者**: WellAlly Tech