Menü
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。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| 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 |
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。
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：
输出：
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：
输出：
识别用户的运动习惯和模式。
分析内容：
输出：
分析运动与其他健康指标的相关性。
支持的相关性分析：
输出：
基于用户数据生成个性化运动建议。
建议类型：
建议依据：
# 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
# 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！
# 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
运动日志
data/fitness-logs/YYYY-MM/YYYY-MM-DD.json用户档案
data/fitness-tracker.json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）使用线性回归分析运动数据的时间趋势。
公式： y = a + bx
其中：
解释：
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：
强度判断：
配速 = 运动时长 / 距离
单位：min/km 或 min/mile
示例：
卡路里消耗 = MET × 体重(kg) × 时间(小时)
常见运动的MET值：
⚠️ 重要声明 本分析仅供健康参考，不构成医疗建议。
✅ 能做到：
❌ 不做到：
在分析过程中检测以下危险信号：
心率异常
血压异常
过度训练迹象
体重快速下降
Level 1: 一般性建议
Level 2: 参考性建议
Level 3: 医疗建议
/fitness trend 3months
输出：
/fitness analysis progress running
输出：
/fitness analysis correlation blood_pressure
输出：
技能版本: v1.0 最后更新: 2026-01-02 维护者: WellAlly Tech
Convert raw Nanopore signal data (FAST5/POD5) to nucleotide sequences using Dorado basecaller. Covers model selection, GPU acceleration, modified base detection, and quality filtering. Use when processing raw Nanopore data before alignment. Guppy is deprecated; use Dorado for all new analyses.
Production-ready PDF processing with forms, tables, OCR, validation, and batch operations. Use when working with complex PDF workflows in production environments, processing large volumes of PDFs, or requiring robust error handling and validation.
Extract text and tables from PDF files, fill forms, merge documents. Use when working with PDF files or when the user mentions PDFs, forms, or document extraction.
Analyze protein-protein interaction networks using STRING, BioGRID, and SASBDB databases. Maps protein identifiers, retrieves interaction networks with confidence scores, performs functional enrichment analysis (GO/KEGG/Reactome), and optionally includes structural data. No API key required for core functionality (STRING). Use when analyzing protein networks, discovering interaction partners, identifying functional modules, or studying protein complexes.
Prepare for US medical licensing exams with progress tracking, weak area analysis, question bank management, and residency match planning.
Cloud laboratory platform for automated protein testing and validation. Use when designing proteins and needing experimental validation including binding assays, expression testing, thermostability measurements, enzyme activity assays, or protein sequence optimization. Also use for submitting experiments via API, tracking experiment status, downloading results, optimizing protein sequences for better expression using computational tools (NetSolP, SoluProt, SolubleMPNN, ESM), or managing protein design workflows with wet-lab validation.