fitness-analyzer

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。
category	AI & Agents
source	antigravity
tags	["markdown"]
url	https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/fitness-analyzer

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。

When to Use

• 需要分析运动记录、训练强度、运动习惯或健身进展时使用。
• 任务涉及跑步、力量训练、耐力或柔韧性等维度的趋势与改进建议。
• 需要把运动数据与其他健康模块做关联分析时使用。

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

1. 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

2. 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

3. 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：

1. 心率异常

   • 运动心率 > 95%最大心率
   • 静息心率 > 100 bpm

2. 血压异常

   • 收缩压 ≥ 180 mmHg
   • 舒张压 ≥ 110 mmHg

3. 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）

4. 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 analysi