techwavedev 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
# 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
# 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
# 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
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
- 路径：
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
- 路径：
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：
心率异常
- 运动心率 > 95%最大心率
- 静息心率 > 100 bpm
血压异常
- 收缩压 ≥ 180 mmHg
- 舒张压 ≥ 110 mmHg
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）
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
/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
/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
/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
AGI Framework Integration
Adapted for @techwavedev/agi-agent-kit Original source: antigravity-awesome-skills
Memory-First Protocol
Retrieve prior decisions and patterns to avoid re-discovering solutions. Cache results for instant retrieval in future sessions.
# Check for prior development context before starting
python3 execution/memory_manager.py auto --query "prior work and patterns related to Fitness Analyzer"
Storing Results
After completing work, store development decisions for future sessions:
python3 execution/memory_manager.py store \
--content "Completed task with key insights documented for future reference" \
--type decision --project <project> \
--tags fitness-analyzer default
Multi-Agent Collaboration
Share outcomes with other agents so the team stays aligned and avoids duplicate work.
python3 execution/cross_agent_context.py store \
--agent "<your-agent>" \
--action "Task completed — results documented and shared with team" \
--project <project>