Menú
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。
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
| 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 |
| risk | unknown |
| source | community |
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
This skill should be used for advanced LLM evaluation: LLM-as-judge systems, direct scoring, pairwise comparison, rubric calibration, evaluator bias mitigation, confidence scoring, and automated quality assessment.
Automated end-to-end UI testing and verification on an Android Emulator using ADB.
This skill should be used when modeling agent mental states with BDI concepts: beliefs, desires, intentions, RDF-to-belief transformations, rational agency traces, cognitive agents, BDI ontologies, and neuro-symbolic AI integration.
Build a premium cinematic landing page with mouse-scrub video hero and brand-driven narrative-arc sections. Use whenever the user provides a hero video plus a product / subject / brand and wants a landing page, promo site, product showcase, marketing page, or storytelling site. Works for any language and any subject. The signature effect is mouse-driven video scrubbing — the hero video lives across the entire page as a fixed backdrop, and moving the mouse left-right scrubs the video timeline so the subject responds to the cursor. Below the hero, 4-5 fully-opaque sections each carry their own brand identity (color, typography emphasis, layout pattern) and walk the viewer through a narrative arc (e.g. longing -> joy -> nostalgia -> contemplation -> action). Do NOT use for parallax frame-scrub landings where the page itself doesn't scroll (use parallax-landing-page instead) or for video editing / captioning workflows (use video-edit).
Convert frontend code (Vite, React, etc.) to a Stitch Design by chaining static HTML extraction, design system extraction, and file upload. **ALWAYS** use this skill when the user's intent is to move existing web apps or React components into Stitch (e.g., requests to "save", "migrate", or "upload"). You must use this skill even for simple "save" operations, as it is the only way to ensure the design system is extracted and assets are properly linked.
This skill should be used for diagnosing and mitigating context degradation: lost-in-middle failures, context poisoning, context clash, context confusion, attention-pattern issues, and agent performance degradation caused by accumulated or conflicting context.