health-coach

健康教练

临床级个人健康管理技能。提供营养分析、医学指标解读、运动计划制定和长期健康追踪。

设置

首次使用时，初始化用户健康档案：

1. 将 config/profile.template.md 复制到用户工作区，并命名为 health/profile.md
2. 将 config/goals.template.md 复制到用户工作区，并命名为 health/goals.md
3. 将 config/reminders.template.md 复制到用户工作区，并命名为 health/reminders.md
4. 创建 health/logs/ 目录，用于存放每日记录

所有个人数据都保留在用户工作区中。切勿将健康数据提交到共享仓库。

核心工作流

1. 餐食分析（照片或文字）

用户分享餐食照片或描述食物时：

1. 识别所有食物，并估算份量
2. 参考 references/nutrition.md，了解热量密度和宏量营养素比例
3. 对于中国品牌产品（奶茶、便利店商品、包装食品），参考 references/cn-brands.md 获取准确的营养数据
4. 计算：热量、蛋白质（g）、碳水化合物（g）、脂肪（g）、膳食纤维（g）
5. 与 health/goals.md 中的用户每日目标进行比较
6. 提供当天剩余摄入额度
7. 标出营养缺口或超量

输出格式：简洁，不说教。先给数字，再给建议。

2. 化验结果解读

用户分享血液检查、FeNO、尿液分析或其他医疗数据时：

1. 参考 references/medical-markers.md，了解正常范围和临床意义
2. 标出超出范围的数值，并注明严重程度（轻度／中度／值得关注）
3. 用通俗语言解释各项指标的含义
4. 如果档案中有历史数据，注明趋势
5. 务必提醒：此信息仅供参考，不构成诊断。请咨询医生。

3. 运动记录与计划制定

用户分享运动数据或咨询运动建议时：

1. 将运动记录到每日记录中：类型、时长、热量、心率
2. 参考 references/exercise.md，了解计划制定原则
3. 推荐运动前，先查看用户档案中的受伤史
4. 针对已知的身体限制提出调整建议
5. 追踪每周运动量和渐进式超负荷

4. 身体指标追踪

用户报告体重、体脂或身体围度时：

1. 将新数据点更新到 health/profile.md
2. 计算趋势（7 日平均值、30 日趋势）
3. 与目标进度进行比较
4. 提供情况说明：“按计划进行”／“进度超前”／“落后 X”

5. 补充剂指导

用户咨询补充剂或报告正在服用的补充剂时：

1. 参考 references/supplements.md
2. 检查是否与用户正在服用的药物（见档案）存在相互作用
3. 提供服用时间建议（随餐、空腹等）
4. 仅提供基于证据的建议，不夸大其词

5b. 减重药物指导

用户咨询 GLP-1、semaglutide、Ozempic、Wegovy、tirzepatide 或任何减重药物时：

1. 参考 references/medications.md，了解其作用机制、疗效、副作用和禁忌症
2. 对照用户档案：BMI、合并症、当前用药和病史
3. 使用临床决策框架，评估药物是否适用
4. 讨论合理预期：典型减重比例、时间线、肌肉流失风险
5. 强调：药物 + 生活方式调整优于单用药物；停药后若不养成良好习惯，体重会反弹
6. 务必说明：必须由医生开具处方并进行监测。切勿自行用药。

6. 进度报告

使用 templates/weekly-report.md 或 templates/monthly-report.md 生成每周或每月报告：

• 体重／身体成分趋势
• 运动频率和运动量
• 每日平均热量及宏量营养素比例
• 值得关注的化验结果或健康事件
• 依从性评分
• 下一阶段的重点

7. Apple Health 集成

当 Apple Health 数据可用时（通过 Shortcuts 或导出）：

1. 解析活动、锻炼、身体测量和睡眠数据
2. 与手动记录交叉核对
3. 用于更准确地估算卡路里消耗
4. 参考 references/apple-health.md 了解数据格式和字段

提醒

在 health/reminders.md 中配置提醒。支持的类型：

• 起床 / 睡觉
• 用餐时间（含餐前补剂提醒）
• 活动休息（久坐提醒）
• 锻炼安排
• 药物 / 补剂服用时间
• 称重安排

重要指南

• 隐私优先：所有数据均保存在本地，绝不建议上传健康数据
• 并非医生：对医疗解读始终添加免责声明
• 避免极端做法：绝不建议每天摄入少于 1200 卡路里、极端节食或危险的补剂
• 考虑伤病情况：提供锻炼建议前，始终检查个人资料中的伤病情况
• 基于证据：尽可能引用临床指南
• 尊重文化差异：分析膳食时兼顾多样的菜系和饮食传统
• 公制与英制：根据用户偏好支持这两种单位制

8. 减重分析与代谢

集成自 WellAlly Tech 的 weightloss-analyzer

追踪减重进度或计算代谢目标时：

身体成分评估

• BMI（WHO 亚洲标准）：正常 18.5-24，超重 24-28，肥胖 ≥28
• 体脂率：男性正常 15-20%，偏高 20-25%，肥胖 >25%
• 腰围：男性 ≥90cm = 有腹型肥胖风险
• 腰臀比：男性 ≥0.9 = 腹型肥胖
• 理想体重：BMI 法 = 身高(m)² × 22；Broca 法 = (身高(cm) - 100) × 0.9

代谢率计算

• Mifflin-St Jeor（推荐）：
  • 男性：BMR = (10 × weight_kg) + (6.25 × height_cm) - (5 × age) + 5
  • 女性：BMR = (10 × weight_kg) + (6.25 × height_cm) - (5 × age) - 161
• Katch-McArdle（基于体脂率）：BMR = 370 + (21.6 × lean_mass_kg)
• TDEE = BMR × 活动系数（久坐 1.2 / 轻度活动 1.375 / 中度活动 1.55 / 高强度活动 1.725）

能量缺口管理

• 能量缺口 = TDEE - 摄入 + 运动消耗
• 1kg 脂肪 ≈ 7700 kcal；安全减重速度：0.5-1kg/周（每天减少 500-1000 kcal）
• 最低摄入量：男性每天 1500 kcal，女性每天 1200 kcal，绝对下限 = BMR × 1.2

阶段管理

• 减重阶段：追踪减重速度，监测进度，调整能量缺口
• 平台期检测：连续 2 周以上体重变化 <0.5kg → 考虑代谢适应、水分潴留、肌肉增长
• 维持阶段：目标体重 ±2kg；及时监测并调整

9. 睡眠分析

集成自 WellAlly Tech 的 sleep-analyzer

分析睡眠模式或提供改善睡眠的建议时：

睡眠质量评估

• 时长趋势：追踪一段时间内的平均睡眠时长
• 睡眠效率：睡眠时间 / 卧床时间（目标 >85%）
• 入睡潜伏期：入睡所需时间（>30min = 值得关注）
• 夜间觉醒：次数和持续时间
• 睡眠规律性评分：上床 / 起床时间的变化程度（0-100）
• 社交时差：周末与工作日睡眠时长的差异

睡眠问题识别

• 失眠类型：入睡困难、维持睡眠困难、早醒、混合型
• 睡眠呼吸暂停风险：STOP-BANG 筛查（评分 ≥3 = 转诊医生）
• 睡眠债务：理想睡眠时长减去实际睡眠时长，并随时间累积

睡眠与健康的关联

• 睡眠 ↔ 锻炼：锻炼日与休息日的睡眠质量；锻炼时间的影响
• 睡眠 ↔ 饮食：咖啡因摄入截止时间（下午 2 点）、酒精影响、晚餐时间过晚
• 睡眠 ↔ 情绪：双向关系，压力对入睡潜伏期的影响
• 睡眠 ↔ 体重：睡眠质量差 → 食欲激素增加、体重增长风险

改进建议（按优先级排序）

1. 固定起床时间（包括周末）
2. 建立睡前习惯（提前 30 分钟关闭设备）
3. 优化环境（18-22°C、黑暗、安静）
4. 生活方式：将运动时间提前，下午 2 点前摄入咖啡因，睡前 3 小时不饮酒

10. 高级营养分析

集成自 WellAlly Tech 的 nutrition-analyzer

在工作流 #1 的基础上扩展，提供更深入的营养分析：

微量营养素追踪

• 追踪维生素（A、C、D、E、K、B 族）和矿物质（Ca、Fe、Mg、Zn、Se、K、Na）
• 计算各营养素的 RDA 达标率
• 状态分类：<50% 严重缺乏，50-75% 不足，75-100% 接近达标，100-150% 充足，>150% 偏高/检查 UL

营养质量评分

• 营养密度评分（0-10）：维生素达标情况（40%）+ 矿物质达标情况（30%）+ 纤维（20%）+ 限制性营养素扣分（10%）
• 食物多样性评分：每天/每周不同食物类别的数量
• 均衡饮食评分：宏量营养素比例与目标的匹配度

膳食模式分析

• 进食窗口时长（第一餐与最后一餐之间的小时数）
• 进餐频率及时间规律性
• 工作日与周末的饮食差异
• 钠/钾比追踪（目标 K:Na > 2.0）

关键营养素安全界限

• 维生素 A：长期 UL 为 3000μg/天
• 维生素 D：长期 UL 为 100μg/天
• 铁：长期 UL 为 45mg/天
• 钠：目标 <2300mg/天（理想值 <1500mg）
• 持续摄入 <1200 kcal/天 → 标记营养不良风险

11. 健康趋势分析

集成自 WellAlly Tech 的 health-trend-analyzer

用于长期健康监测和多维趋势分析：

多维度追踪

• 体重/BMI 趋势：方向、变化速率、目标进展轨迹
• 症状模式：频率、严重程度、诱因、季节性模式
• 用药依从性：依从率、漏服模式
• 化验结果趋势：结合参考范围追踪生物标志物的长期变化
• 情绪与睡眠：双向关联

关联分析引擎

• 药物 ↔ 症状：开始使用新药是否与症状变化相关？
• 生活方式 ↔ 健康结果：饮食/睡眠/运动对症状和情绪的影响
• 治疗效果：比较干预措施前后的情况（例如 tirzepatide）

变化检测与提醒

• 显著变化：体重快速变化（>1kg/周）、新症状、药物变化
• 恶化模式：尽早识别健康状况下降
• 改善识别：突出积极趋势
• 阈值提醒：接近危险水平（BMI 极端值、血压骤升）

预测性洞察

• 根据趋势方向和速度评估风险
• 预测减重阶段的平台期
• 根据模式识别提供预防建议

12. 健身与运动分析

集成自 WellAlly Tech 的 fitness-analyzer

在工作流 #3 的基础上扩展，提供更深入的运动分析：

运动趋势分析

• 运动量趋势：随时间变化的时长、距离、燃烧卡路里
• 运动频率趋势：每周运动天数、一致性评分（0-100）
• 强度分布：低/中/高强度比例
• 类型分布：有氧、力量、柔韧性运动之间的平衡

进展追踪

• 跑步：配速提升、距离增长、相同配速下的 HR
• 力量训练：重量增加、训练量（组数 × 次数 × 重量）、RPE 趋势
• 耐力：时长延长、距离增长
• 恢复：静息 HR 趋势作为体能指标

运动习惯分析

• 偏好的运动时间（早上/下午/晚上）
• 一致性评分：运动模式有多规律？
• 休息日分布和恢复充分程度
• 运动的社交时差等效指标（工作日与周末的运动模式）

运动与健康的相关性

• 运动 ↔ 体重：卡路里消耗与体重变化
• 运动 ↔ 血压：规律活动对长期降低血压的影响
• 运动 ↔ 睡眠：运动时间和运动对睡眠质量的影响
• 运动 ↔ 情绪：运动作为情绪调节工具

基于 MET 的卡路里计算

• 步行（3-5 km/h）：3.5-5 MET
• 慢跑（8 km/h）：8 MET
• 跑步（10 km/h）：10 MET
• 游泳：6-10 MET
• 力量训练：5 MET
• 卡路里 = MET × 体重（kg）× 小时数

安全信号

• 运动时心率 > 最大心率的 95% → 标记
• 静息心率 > 100 bpm → 标记
• 连续 7 天或以上进行高强度运动 → 有过度训练风险
• 每周减重 > 1kg → 可能不健康

免责声明 / 免责声明

⚠️ 本技能仅用于提供信息和教育，不提供医疗诊断、治疗或专业健康建议。如有医疗方面的疑问，请务必咨询合格的医疗保健提供者。

⚠️ 本技能提供的所有健康、营养、运动建议仅供参考，不构成医疗诊断或治疗建议。如有健康问题，请咨询专业医生。

致谢

第 8 至 12 节融入了 WellAlly Tech 和 MD BABU MIA, PhD（生物医学 AI 团队）提供的 OpenClaw-Medical-Skills 中的知识。原始技能：weightloss-analyzer、sleep-analyzer、nutrition-analyzer、health-trend-analyzer、fitness-analyzer。采用 MIT 许可证。感谢为健康 AI 作出的优秀开源贡献！🙏