Menü
分析营养数据、识别营养模式、评估营养状况，并提供个性化营养建议。支持与运动、睡眠、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
Version 2.35.0 | PRD to Production | Zero Human Intervention > Research-enhanced: OpenAI SDK, DeepMind, Anthropic, AWS Bedrock, Agent SDK, HN Production (2025)
Enforces a strict input boundary protocol (detect, classify, filter, verify) to ensure untrusted data never reaches business logic raw.
Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.
A user may ask you to create, edit, or analyze the contents of a .docx file. A .docx file is essentially a ZIP archive containing XML files and other resources that you can read or edit. You have different tools and workflows available for different tasks.
Train or fine-tune TRL language models on Hugging Face Jobs, including SFT, DPO, GRPO, and GGUF export.
Scaffold, build, sign, and package SwiftPM macOS apps without Xcode projects.
| name | nutrition-analyzer |
| description | 分析营养数据、识别营养模式、评估营养状况，并提供个性化营养建议。支持与运动、睡眠、慢性病数据的关联分析。 |
| allowed-tools | Read, Grep, Glob, Write |
| risk | unknown |
| source | community |
分析饮食和营养数据，识别营养模式，评估营养状况，并提供个性化营养改善建议。
分析营养素摄入的变化趋势，识别改善或需要关注的方面。
分析维度：
输出：
评估营养素摄入是否达到推荐标准（RDA/AI）。
评估内容：
宏量营养素评估：
维生素评估：
矿物质评估：
特殊营养素评估：
输出：
综合评估用户的营养状况。
评估内容：
整体营养质量评分：
营养模式识别：
营养风险识别：
输出：
分析营养与其他健康指标的相关性。
支持的相关性分析：
营养 ↔ 体重：
营养 ↔ 运动：
营养 ↔ 睡眠：
营养 ↔ 血压：
营养 ↔ 血糖：
输出：
基于用户数据生成个性化营养改善建议。
建议类型：
营养素调整建议：
食物选择建议：
饮食习惯建议：
补充剂建议（仅供参考）：
建议依据：
当用户请求以下内容时触发本技能：
明确用户请求的分析类型和时间范围：
主要数据源：
data-example/nutrition-tracker.json - 营养追踪主数据data-example/nutrition-logs/YYYY-MM/YYYY-MM-DD.json - 每日饮食记录关联数据源：
data-example/profile.json - 体重、BMI等基础数据data-example/fitness-tracker.json - 运动数据data-example/sleep-tracker.json - 睡眠数据data-example/hypertension-tracker.json - 血压数据data-example/diabetes-tracker.json - 血糖数据根据分析类型执行相应的分析算法：
趋势分析算法：
RDA达成率计算：
rda_achievement = (actual_intake / rda_value) * 100
status_classification:
- < 50%: 严重缺乏
- 50-75%: 不足
- 75-100%: 接近目标
- 100-150%: 充足（理想范围）
- > 150%: 过量（注意安全上限UL）
营养密度评分：
nutrient_density_score = (
(vitamins_achieved / total_vitamins) * 40 +
(minerals_achieved / total_minerals) * 30 +
(fiber_achieved / fiber_rda) * 30
)
相关性分析算法：
按照标准格式输出分析报告（见"输出格式"部分）
# 营养摄入趋势分析报告
## 分析周期
2025-03-20 至 2025-06-20（3个月，90天记录）
## 宏量营养素趋势
### 卡路里摄入
- **趋势**：⬇️ 下降
- **开始**：平均2100卡/天
- **当前**：平均1950卡/天
- **变化**：-150卡/天 (-7.1%)
- **解读**：卡路里摄入适度减少，与减重目标一致
**趋势线**：
2100 ┤ ╭╮ 2050 ┤ ╭╯╰╮ 2000 ┼─╯ ╰╮ 1950 ┤ ╰ 1900 └─────────── 3月 4月 5月 6月
### 蛋白质
- **趋势**：➡️ 稳定
- **平均**：82g/天（范围：70-95g）
- **目标**：80g/天
- **达标率**：93%（84/90天达标）
- **解读**：蛋白质摄入稳定，基本达标
### 膳食纤维
- **趋势**：⬆️ 改善
- **开始**：平均18g/天
- **当前**：平均22g/天
- **变化**：+4g/天 (+22%)
- **目标**：30g/天
- **解读**：纤维摄入显著增加，但仍需继续努力
### 脂肪
- **趋势**：⬇️ 下降
- **开始**：平均75g/天
- **当前**：平均68g/天
- **变化**：-7g/天 (-9.3%)
- **目标**：≤65g/天
- **解读**：脂肪摄入减少，接近目标
**脂肪类型分布变化**：
| 脂肪类型 | 开始 | 当前 | 目标 | 趋势 |
|---------|------|------|------|------|
| 饱和脂肪 | 25g | 20g | <20g | ⬇️ 改善 |
| 单不饱和 | 30g | 32g | >35g | ⬆️ 略增 |
| 多不饱和 | 15g | 12g | 15-20g | ⬇️ 需增加 |
| 反式脂肪 | 2g | 0.5g | 0g | ⬇️ 改善 |
## 维生素状况趋势
### 维生素D
- **摄入趋势**：⬆️ 增加（补充剂开始）
- **开始**：平均2μg/天（饮食来源）
- **当前**：平均52μg/天（含2000IU补充剂）
- **RDA**：15μg/天
- **血清水平变化**：
- 基线（2025-05）：18 ng/mL
- 当前（2025-06）：22 ng/mL
- 目标：30-100 ng/mL
- **解读**：✅ 补充剂起效，但需继续监测
### 维生素C
- **趋势**：⬆️ 改善
- **开始**：平均65mg/天
- **当前**：平均85mg/天
- **RDA**：100mg/天
- **达标率**：从65% → 85%
- **建议**：增加柑橘类、奇异果、草莓等水果
### B族维生素
- **维生素B12**：✅ 充足（平均2.5μg，RDA 2.4μg）
- **叶酸**：⚠️ 不足（平均320μg，RDA 400μg）
- **B6**：✅ 充足（平均1.5mg，RDA 1.3mg）
## 矿物质趋势
### 钙
- **趋势**：➡️ 稳定
- **平均**：850mg/天
- **RDA**：1000mg/天
- **达标率**：85%
- **主要来源**：乳制品40%、豆腐25%、绿叶蔬菜20%
### 铁
- **趋势**：✅ 充足
- **平均**：12mg/天
- **RDA**：8mg/天（男性）
- **达标率**：150%
- **主要来源**：肉类、蛋类、豆类、绿叶蔬菜
### 钠
- **趋势**：⬇️ 改善
- **开始**：平均2800mg/天
- **当前**：平均2100mg/天
- **目标**：<2300mg/天（理想<1500mg）
- **解读**：✅ 达到一般目标，⚠️ 理想目标仍需努力
### 钾
- **趋势**：⬆️ 改善
- **开始**：平均2800mg/天
- **当前**：平均3200mg/天
- **目标**：3500-4700mg/天
- **钾/钠比值**：从1.0 → 1.5（目标>2）
- **建议**：继续增加水果和蔬菜
## 特殊营养素趋势
### Omega-3
- **趋势**：⬆️ 增加（鱼油补充剂）
- **开始**：平均150mg/天
- **当前**：平均850mg/天（含补充剂）
- **推荐量**：500-1000mg/天
- **状态**：✅ 达标
### 胆碱
- **趋势**：➡️ 稳定
- **平均**：350mg/天
- **AI（适宜摄入量）**：425mg/天
- **达标率**：82%
- **主要来源**：鸡蛋（60%）、肉类（25%）、豆类（15%）
## 饮食模式分析
### 食物类别分布
| 食物类别 | 占比 | 变化 | 评价 |
|---------|------|------|------|
| 蔬菜水果 | 35% | +8% | ✅ 增加 |
| 全谷物 | 20% | +5% | ✅ 改善 |
| 精制谷物 | 15% | -7% | ✅ 减少 |
| 蛋白质来源 | 20% | 稳定 | ✅ 充足 |
| 添加脂肪 | 8% | -3% | ✅ 减少 |
| 添加糖 | 2% | -2% | ✅ 减少 |
### 进食时间模式
- **平均进食窗口**：12.5小时（07:30 - 20:00）
- **进食频率**：平均4.2次/天
- **最常见餐食时间**：
- 早餐：07:30（90%天数）
- 午餐：12:15（95%天数）
- 晚餐：18:45（98%天数）
- 加餐：15:30（60%天数）
### 饮食质量评分
- **营养密度评分**：7.2/10（从6.5提升）
- **食物多样性评分**：6.8/10
- **均衡饮食评分**：7.5/10
- **综合评分**：7.2/10 → **良好**
## 洞察与建议
### 关键洞察
1. **膳食纤维持续改善但仍不足**
- 从18g增至22g，但仍低于目标30g
- 影响：饱腹感、肠道健康、血糖控制
- 建议：每餐至少包含5g纤维
2. **脂肪质量改善**
- 饱和脂肪减少，反式脂肪几乎消除
- 多不饱和脂肪略低，需增加Omega-3食物
- 建议：增加深海鱼类、坚果、亚麻籽
3. **钠摄入改善但钾/钠比仍低**
- 钠减少33%，钾增加14%
- 钾/钠比从1.0升至1.5，仍低于目标2.0
- 建议：继续增加高钾食物（香蕉、橙子、土豆、菠菜）
4. **维生素D补充剂有效**
- 血清水平从18升至22 ng/mL（4周+4ng）
- 预计3-4个月可达目标范围
- 建议：继续补充，定期监测
### 优先级行动计划
#### Priority 1：提升膳食纤维至30g/天（2周）
**具体行动**：
1. 早餐：全谷物（燕麦/全麦面包）+ 水果（9g）
2. 午餐：糙米/全麦面 + 2份蔬菜（8g）
3. 晚餐：红薯/杂粮 + 2份蔬菜（8g）
4. 加餐：水果 + 坚果（5g）
**总计**：30g ✅
#### Priority 2：优化钾/钠比值至2.0（4周）
**具体行动**：
1. 减少加工食品（主要钠源）
2. 每日2-3份高钾水果（香蕉、橙子、猕猴桃）
3. 蔬菜选择菠菜、土豆、蘑菇、番茄
4. 使用香料替代盐调味
#### Priority 3：维持维生素D补充（长期）
**监测计划**：
- 3个月后复查血清水平
- 目标：40-60 ng/mL
- 根据结果调整剂量
## 营养目标进度
| 目标 | 开始 | 当前 | 目标值 | 进度 | 状态 |
|------|------|------|--------|------|------|
| 卡路里 | 2100 | 1950 | 1800-2000 | 100% | ✅ 达标 |
| 蛋白质 | 75g | 82g | 80g | 100% | ✅ 达标 |
| 膳食纤维 | 18g | 22g | 30g | 73% | ⚠️ 进行中 |
| 维生素D | 18 ng/mL | 22 ng/mL | 30-100 | 20% | ⚠️ 改善中 |
| 钠摄入 | 2800mg | 2100mg | <2300 | 100% | ✅ 达标 |
| Omega-3 | 150mg | 850mg | 500-1000mg | 100% | ✅ 达标 |
---
**报告生成时间**：2025-06-20
**分析周期**：2025-03-20 至 2025-06-20（90天）
**数据记录数**：90天
**营养分析器版本**：v1.0
{
"date": "2025-06-20",
"meals": [
{
"type": "breakfast",
"time": "07:30",
"foods": ["鸡蛋", "牛奶", "全麦面包"],
"calories": 450,
"macronutrients": {
"protein_g": 20,
"carbs_g": 55,
"fat_g": 15,
"fiber_g": 5,
"saturated_fat_g": 5,
"monounsaturated_fat_g": 6,
"polyunsaturated_fat_g": 3,
"trans_fat_g": 0.1
},
"micronutrients": {
"vitamin_a_mcg": 150,
"vitamin_c_mg": 5,
"vitamin_d_mcg": 1.5,
"vitamin_e_mg": 1,
"vitamin_k_mcg": 5,
"thiamine_mg": 0.3,
"riboflavin_mg": 0.4,
"niacin_mg": 4,
"vitamin_b6_mg": 0.1,
"folate_mcg": 30,
"vitamin_b12_mcg": 0.6,
"calcium_mg": 250,
"iron_mg": 2,
"magnesium_mg": 40,
"phosphorus_mg": 200,
"zinc_mg": 2,
"selenium_mcg": 10,
"potassium_mg": 350,
"sodium_mg": 300
},
"special_nutrients": {
"omega_3_g": 0.1,
"choline_mg": 150
}
}
],
"daily_summary": {
"total_calories": 2000,
"total_macronutrients": {
"protein_g": 80,
"carbs_g": 250,
"fat_g": 65,
"fiber_g": 30
},
"rda_achievement": {
"protein": 100,
"vitamin_c": 85,
"vitamin_d": 35,
"calcium": 90,
"iron": 75
},
"goal_achieved": true
}
}
def calculate_rda_achievement(actual_intake, rda_value, ul_value=None):
"""
计算RDA达成率和状态
参数：
- actual_intake: 实际摄入量
- rda_value: 推荐膳食供给量
- ul_value: 可耐受最高摄入量（可选）
返回：
- achievement_rate: 达成率百分比
- status: 状态标签
"""
achievement_rate = (actual_intake / rda_value) * 100
if ul_value and actual_intake > ul_value:
status = "exceeds_ul"
category = "过量（危险）"
elif achievement_rate < 50:
status = "severe_deficiency"
category = "严重缺乏"
elif achievement_rate < 75:
status = "insufficient"
category = "不足"
elif achievement_rate < 100:
status = "approaching_target"
category = "接近目标"
elif achievement_rate <= 150:
status = "adequate"
category = "充足"
else:
status = "high_intake"
category = "较高"
return {
'achievement_rate': round(achievement_rate, 1),
'status': status,
'category': category
}
def calculate_nutrient_density_score(meal_data):
"""
计算食物营养密度评分（0-10分）
因素权重：
- 维生素达成率：40%
- 矿物质达成率：30%
- 膳食纤维：20%
- 限制性营养素（饱和脂肪、钠、添加糖）：10%
"""
score = 0
# 维生素评分
vitamin_achievements = [
meal_data['micronutrients'][v] / RDA[v]
for v in ['vitamin_a', 'vitamin_c', 'vitamin_d', 'vitamin_e', 'vitamin_k']
]
vitamin_score = min(sum(vitamin_achievements) / len(vitamin_achievements), 1.5) * 10
score += min(vitamin_score, 10) * 0.40
# 矿物质评分
mineral_achievements = [
meal_data['micronutrients'][m] / RDA[m]
for m in ['calcium', 'iron', 'magnesium', 'zinc']
]
mineral_score = min(sum(mineral_achievements) / len(mineral_achievements), 1.5) * 10
score += min(mineral_score, 10) * 0.30
# 膳食纤维评分
fiber_score = min(meal_data['macronutrients']['fiber_g'] / 5, 2) * 10
score += min(fiber_score, 10) * 0.20
# 限制性营养素扣分
penalty = 0
if meal_data['macronutrients']['saturated_fat_g'] > 10:
penalty += 2
if meal_data['micronutrients']['sodium_mg'] > 600:
penalty += 2
if meal_data.get('added_sugars_g', 0) > 10:
penalty += 2
score = max(0, score - penalty * 0.10)
return round(score, 1)
def calculate_healthy_eating_index(daily_data):
"""
计算健康饮食指数（HEI-2015改编）
评分范围：0-100分
"""
score = 0
# 充足性成分（满分50分）
# 1. 水果（5分）
fruit_servings = daily_data['fruit_servings']
score += min(fruit_servings, 2.5) * 2
# 2. 蔬菜（5分）
veg_servings = daily_data['vegetable_servings']
score += min(veg_servings, 3) * 1.67
# 3. 全谷物（10分）
whole_grains_oz = daily_data['whole_grains_oz']
score += min(whole_grains_oz, 3) * 3.33
# 4. 乳制品（10分）
dairy_servings = daily_data['dairy_servings']
score += min(dairy_servings, 3) * 3.33
# 5. 蛋白质（5分）
protein_oz = daily_data['protein_oz']
score += min(protein_oz, 5) * 1
# 6. 海鲜/植物蛋白（5分）
plant_protein_oz = daily_data['plant_protein_oz']
score += min(plant_protein_oz, 2) * 2.5
# 7. 脂肪酸比例（10分）
fat_ratio = daily_data['unsaturated_fat_g'] / max(daily_data['saturated_fat_g'], 1)
score += min(fat_ratio, 2.5) * 4
# 适度性成分（满分40分，反向计分）
# 8. 精制谷物（10分，越少越好）
refined_grains_oz = daily_data['refined_grains_oz']
score += max(10 - refined_grains_oz * 2, 0)
# 9. 钠（10分，越少越好）
sodium_g = daily_data['sodium_mg'] / 1000
score += max(10 - sodium_g * 2, 0)
# 10. 添加糖（10分，越少越好）
added_sugars_pct = daily_data['added_sugars_g'] / (daily_data['total_calories'] / 100)
score += max(10 - added_sugars_pct * 10, 0)
# 11. 饱和脂肪（10分，越少越好）
saturated_fat_pct = daily_data['saturated_fat_g'] / (daily_data['total_calories'] / 100)
score += max(10 - saturated_fat_pct * 10, 0)
return round(score, 1)
⚠️ 重要声明
本分析仅供健康参考，不构成医疗诊断或营养处方。
✅ 能做到：
❌ 不做到：
在分析过程中检测以下危险信号：
营养素过量：
营养素缺乏：
能量摄入异常：
饮食模式异常：
Level 1: 一般性建议
Level 2: 参考性建议
Level 3: 医疗建议
技能版本: v1.0 创建日期: 2026-01-06 维护者: WellAlly Tech