dvcrn 健康数据分析器
专业的健康数据分析工具，通过 MCP 服务器访问完整的健康数据库，提供睡眠、运动、恢复等多维度健康分析。
核心功能
- 睡眠分析: 睡眠质量评分、睡眠分期分析、睡眠债务计算
- 运动分析: 运动负荷评估、训练效果分析、心率区间分析
- 恢复分析: 身体恢复状态评估、HRV/RHR/血氧/体温综合分析
- 趋势分析: 长期健康趋势、个性化基线对比
- 多设备融合: 支持多设备数据融合分析
数据访问流程
标准三步流程
所有健康数据查询必须遵循以下三步流程：
- 列出可用表 - 了解数据库结构
- 获取表结构 - 理解字段定义
- 查询数据 - 获取实际数据进行分析
基础命令
1. 列出所有数据表
mcporter call healthdata.list_available_tables
2. 获取表字段结构
mcporter call healthdata.get_table_schema table_list='["table1", "table2"]'
参数格式:
table_list: JSON 数组格式，用单引号包围- 示例:
table_list='["sleep_segments", "sleep_calculations"]'
3. 查询表数据
mcporter call healthdata.query_table_data table_name=TABLE_NAME start_date=YYYY-MM-DD end_date=YYYY-MM-DD conversation_time="YYYY-MM-DD HH:MM:SS"
参数说明:
table_name: 要查询的表名start_date: 开始日期 (YYYY-MM-DD)end_date: 结束日期 (YYYY-MM-DD)conversation_time: 当前对话时间，用引号包围
数据表概览
用户与设备表
users: 用户基础信息user_data_sources: 数据源设备信息
原始数据表
health_data_numeric: 原始多设备健康数据fusion_health_data_numeric: 融合后统一健康数据health_data_workout: 原始运动数据
分段汇总表
sleep_segments: 睡眠分段数据 (一晚完整睡眠)training_segments: 训练分段数据 (一次完整运动)metrics_segments: 健康指标分段数据
评分计算表
sleep_calculations: 睡眠质量评分strain_calculations: 运动负荷评分recovery_calculations: 身体恢复评分
分析工作流程
睡眠分析流程
- 查询
sleep_segments获取睡眠基础数据 - 查询
sleep_calculations获取睡眠评分 - 结合数据进行睡眠质量分析和建议
运动分析流程
- 查询
training_segments获取运动数据 - 查询
strain_calculations获取负荷评分 - 分析运动表现和训练建议
恢复分析流程
- 查询
recovery_calculations获取恢复评分 - 查询
metrics_segments获取生理指标 - 综合分析身体恢复状态
时间范围建议
- 短期分析: 最近 7-14 天
- 趋势分析: 最近 30-90 天
- 基线对比: 建议向前延伸时间范围以捕获更多历史数据
数据质量检查
- 检查
data_quality_flag字段 (normal 为正常) - 注意设备数据源的一致性
- 识别数据缺失或异常值
分析输出格式
基础数据摘要
- 数据时间范围和记录数量
- 数据质量状态
- 主要设备来源
核心指标分析
- 关键健康指标的当前值和趋势
- 与个人基线的对比
- 异常值识别和说明
个性化建议
- 基于数据分析的健康建议
- 改进方向和具体措施
- 需要关注的健康风险
常见查询模式
详细的查询模式和示例请参考 references/query-patterns.md
数据库架构
完整的数据库表结构和字段说明请参考 references/database-schema.md
故障排除
如果 mcporter 命令失败：
- 检查 healthdata 服务器状态:
mcporter list - 验证参数格式，特别是数组和日期格式
- 确认表名和字段名的正确性
- 检查时间范围的合理性