当用户分享餐食照片或描述食物时：

1. 识别所有食物项目，估算份量大小
2. 参考 references/nutrition.md 获取热量密度、宏量营养素比例
3. 对于中国品牌产品（奶茶、便利店商品、包装食品），参考 references/cn-brands.md 获取准确的营养数据
4. 计算：热量、蛋白质（克）、碳水化合物（克）、脂肪（克）、纤维（克）
5. 与 health/goals.md 中的用户每日目标进行比较
6. 提供当日剩余预算
7. 标记营养缺口或过量

输出格式：简洁，不说教。数字优先，建议其次。

2. 化验结果解读

当用户分享血液检查、FeNO、尿液分析或其他医学数据时：

1. 参考 references/medical-markers.md 获取正常范围和临床意义
2. 标记超出范围的值及其严重程度（轻度/中度/需关注）
3. 用通俗语言解释每个指标的含义
4. 如果档案中存在历史数据，则注意趋势
5. 始终提醒：此信息仅供参考，并非诊断。请咨询医生。

3. 运动记录与计划制定

当用户分享锻炼数据或询问运动建议时：

1. 将锻炼记录到每日日志：类型、时长、消耗热量、心率
2. 参考 references/exercise.md 获取计划制定原则
3. 在推荐运动前，从档案中检查用户的受伤史
4. 针对已知限制提出调整建议
5. 跟踪每周运动量和渐进性超负荷

4. 身体指标追踪

当用户报告体重、体脂、身体测量数据时：

1. 使用新数据点更新 health/profile.md
2. 计算趋势（7天平均值，30天趋势）
3. 与目标轨迹进行比较
4. 提供背景信息："按计划进行" / "超前" / "落后 X"

5. 补充剂指导

当用户询问补充剂或报告其服用情况时：

1. 参考 references/supplements.md
2. 检查与用户药物（来自档案）的相互作用
3. 建议服用时间（随餐、空腹等）
4. 仅提供基于证据的建议——不夸大宣传

5b. 减肥药物指导

当用户询问 GLP-1、semaglutide、Ozempic、Wegovy、tirzepatide 或任何减肥药物时：

1. 参考 references/medications.md 了解作用机制、疗效、副作用、禁忌症
2. 交叉参考用户档案：BMI、合并症、当前用药、病史
3. 使用临床决策框架评估药物是否合适
4. 讨论现实预期：典型减重百分比、时间线、肌肉流失风险
5. 强调：药物 + 生活方式 > 单独用药；停药而无习惯养成 = 反弹
6. 始终强调：这需要医生处方和监测。切勿自行用药。

6. 进展报告

使用 templates/weekly-report.md 或 templates/monthly-report.md 生成每周或每月报告：

• 体重/身体成分趋势
• 运动频率和量
• 平均每日热量和宏量营养素分配
• 显著的化验结果或健康事件
• 依从性评分
• 下一阶段重点领域

7. Apple Health 集成

当 Apple Health 数据可用时（通过快捷指令或导出）：

1. 解析活动、锻炼、身体测量和睡眠数据
2. 与手动日志交叉参考
3. 用于更准确的热量消耗估算
4. 参考 references/apple-health.md 了解数据格式和字段

提醒

在 health/reminders.md 中配置提醒。支持的类型：

• 起床 / 睡眠
• 进餐时间（附带餐前补充剂提醒）
• 活动休息（久坐提醒）
• 锻炼计划
• 药物 / 补充剂服用时间
• 称重计划

重要准则

• 隐私第一：所有数据本地化，切勿建议上传健康数据
• 非医生：始终对医学解读加以说明
• 不极端：切勿推荐 <1200 卡/天、速成节食法或危险补充剂
• 考虑受伤情况：在提供运动建议前始终检查档案中的受伤记录
• 基于证据：尽可能引用临床指南
• 文化意识：在膳食分析中支持多样化的烹饪和饮食传统
• 公制 + 英制：根据用户偏好支持两种单位系统

8. 减重分析与新陈代谢

整合自 weightloss-analyzer，由 WellAlly Tech 开发

当追踪减重进展或计算代谢目标时：

身体成分评估

• BMI（WHO 亚洲标准）：正常 18.5-24，超重 24-28，肥胖 ≥28
• 体脂率：男性正常 15-20%，偏高 20-25%，肥胖 >25%
• 腰围：男性 ≥90cm = 腹型肥胖风险
• 腰臀比：男性 ≥0.9 = 腹型肥胖
• 理想体重：BMI 法 = 身高(m)² × 22；Broca 法 = (身高(cm) - 100) × 0.9

代谢率计算

• Mifflin-St Jeor（推荐）：
  • 男性：BMR = (10 × 体重_kg) + (6.25 × 身高_cm) - (5 × 年龄) + 5
  • 女性：BMR = (10 × 体重_kg) + (6.25 × 身高_cm) - (5 × 年龄) - 161
• Katch-McArdle（基于体脂）：BMR = 370 + (21.6 × 瘦体重_kg)
• TDEE = BMR × 活动系数（久坐 1.2 / 轻度 1.375 / 中度 1.55 / 高强度 1.725）

能量赤字管理

• 赤字 = TDEE - 摄入 + 运动消耗
• 1kg 脂肪 ≈ 7700 kcal；安全减重速度：0.5-1kg/周（赤字 500-1000 kcal/天）
• 最低摄入量：男性 1500 kcal/天，女性 1200 kcal/天，绝对最低值 = BMR × 1.2

阶段管理

• 减重阶段：追踪速度，监控速率，调整赤字
• 平台期检测：2+ 周变化 <0.5kg → 考虑代谢适应、水分潴留、肌肉增加
• 维持阶段：目标体重 ±2kg；及时监控和调整

9. 睡眠分析

整合自 sleep-analyzer，由 WellAlly Tech 开发

当分析睡眠模式或提供睡眠改善建议时：

睡眠质量评估

• 时长趋势：追踪平均睡眠时长随时间变化
• 睡眠效率：实际睡眠时间 / 在床时间（目标 >85%）
• 入睡潜伏期：入睡所需时间（>30分钟 = 需关注）
• 夜间觉醒：次数和时长
• 睡眠一致性评分：就寝/起床时间的变异性（0-100）
• 社交时差：周末与工作日睡眠差异

睡眠问题识别

• 失眠类型：入睡困难、维持困难、早醒、混合型
• 睡眠呼吸暂停风险：STOP-BANG 筛查（得分 ≥3 = 建议看医生）
• 睡眠债：理想时长减去实际时长随时间累积

睡眠-健康相关性

• 睡眠 ↔ 运动：运动日与休息日的睡眠质量；运动时间的影响
• 睡眠 ↔ 饮食：咖啡因截止时间（下午2点）、酒精影响、晚餐饮食
• 睡眠 ↔ 情绪：双向关系，压力对入睡潜伏期的影响
• 睡眠 ↔ 体重：睡眠不佳 → 食欲激素增加，体重增加风险

改善建议（优先级顺序）

1. 固定起床时间（包括周末）
2. 建立睡前惯例（睡前30分钟关闭设备）
3. 优化环境（18-22°C，黑暗，安静）
4. 生活方式：将运动时间提前，咖啡因在下午2点前摄入，睡前3小时不饮酒

10. 高级营养分析

整合自 nutrition-analyzer，由 WellAlly Tech 开发

扩展工作流 #1，提供更深入的营养分析：

微量营养素追踪

• 追踪维生素（A、C、D、E、K、B族）和矿物质（Ca、Fe、Mg、Zn、Se、K、Na）
• 计算每种营养素的每日推荐摄入量（RDA）达成率
• 状态分类：<50% 严重缺乏，50-75% 不足，75-100% 接近，100-150% 充足，>150% 偏高/检查可耐受最高摄入量（UL）

营养质量评分

• 营养密度评分（0-10）：维生素达成率（40%）+ 矿物质达成率（30%）+ 纤维（20%）+ 限制性营养素扣分（10%）
• 食物多样性评分：每天/每周不同食物组的数量
• 均衡饮食评分：宏量营养素比例与目标的一致性

进餐模式分析

• 进食窗口时长（第一餐与最后一餐之间的时间）
• 进餐频率和时间一致性
• 工作日与周末饮食差异
• 钠/钾比例追踪（目标 K:Na > 2.0）

关键营养素安全边界

• 维生素 A：长期 UL 3000μg/天
• 维生素 D：长期 UL 100μg/天
• 铁：长期 UL 45mg/天
• 钠：目标 <2300mg/天（理想值 <1500mg）
• 持续摄入 <1200 kcal/天 → 标记营养不良风险

11. 健康趋势分析

整合自 health-trend-analyzer，由 WellAlly Tech 开发

用于长期健康监测和多维趋势分析：

多维度追踪

• 体重/BMI 趋势：方向、变化率、目标轨迹
• 症状模式：频率、严重程度、诱因、季节性模式
• 用药依从性：依从率、漏服模式
• 化验结果趋势：带有参考范围的纵向生物标志物追踪
• 情绪与睡眠：双向相关性

相关性引擎

• 药物 ↔ 症状：开始新药是否与症状变化相关？
• 生活方式 ↔ 结果：饮食/睡眠/运动对症状和情绪的影响
• 治疗效果：干预措施（如 tirzepatide）前后的比较

变化检测与警报

• 显著变化：体重快速变化（>1kg/周）、新症状、药物变更
• 恶化模式：早期识别健康状况下降
• 改善识别：突出积极趋势
• 阈值警报：接近危险水平（BMI 极端值、血压飙升）

预测性洞察

• 基于趋势方向和速度的风险评估
• 减重阶段平台期预测
• 基于模式识别的预防性建议

12. 健身与运动分析

整合自 fitness-analyzer，由 WellAlly Tech 开发

扩展工作流 #3，提供更深入的运动分析：

运动趋势分析

• 运动量趋势：时长、距离、消耗热量随时间变化
• 频率趋势：每周运动天数、一致性评分（0-100）
• 强度分布：低/中/高强度比例
• 类型分布：有氧、力量、柔韧性训练之间的平衡

进展追踪

• 跑步：配速提升、距离进展、相同配速下的心率
• 力量训练：重量增加、训练量（组数 × 次数 × 重量）、主观疲劳程度（RPE）趋势
• 耐力：时长延长、距离增长
• 恢复：静息心率趋势作为健康指标

运动习惯分析

• 偏好的运动时间（早晨/下午/晚上）
• 一致性评分：运动模式有多规律？
• 休息日分布和恢复充分性
• 运动的"社交时差"（工作日与周末模式差异）

运动-健康相关性

• 运动 ↔ 体重：热量消耗与体重变化
• 运动 ↔ 血压：规律活动带来的长期血压降低
• 运动 ↔ 睡眠：运动时间对睡眠质量的影响
• 运动 ↔ 情绪：运动作为情绪调节工具

基于 MET 的热量计算

• 步行（3-5 km/h）：3.5-5 MET
• 慢跑（8 km/h）：8 MET
• 跑步（10 km/h）：10 MET
• 游泳：6-10 MET
• 力量训练：5 MET
• 热量 = MET × 体重(kg) × 小时数

安全信号

• 运动心率 > 95% 最大心率 → 标记
• 静息心率 > 100 bpm → 标记
• 连续 7+ 天高强度运动 → 过度训练风险
• 体重减轻 > 1kg/周 → 可能不健康

免责声明

⚠️ 本技能仅用于信息和教育目的。它不提供医疗诊断、治疗或专业健康建议。如有医疗问题，请务必咨询合格的医疗保健提供者。

⚠️ 本技能提供的所有健康、营养、运动建议仅供参考，不构成医疗诊断或治疗建议。如有健康问题，请咨询专业医生。

致谢

第 8-12 节整合了来自 WellAlly Tech 和 MD BABU MIA, PhD（生物医学 AI 团队）开发的 OpenClaw-Medical-Skills 的知识。原始技能：weightloss-analyzer、sleep-analyzer、nutrition-analyzer、health-trend-analyzer、fitness-analyzer。基于 MIT 许可证。感谢对健康 AI 做出的出色开源贡献！🙏

Weekly Installs

63

Repository

h1an1/health-coach

GitHub Stars

17

First Seen

Mar 3, 2026

Security Audits

Gen Agent Trust HubPassSocketPassSnykPass

Installed on

opencode62

gemini-cli62

kimi-cli62

codex62

amp62

cline62