古法编程

如何利用 AI 分析健康数据趋势并生成可视化报告

解决碎片化健康记录难以量化的问题：通过 AI 自动汇总体重、用药、症状等多维数据，分析指标相关性并输出交互式 HTML 趋势报告。

为什么需要这个技能

大多数人的健康记录分散在不同的日志或表格中（如体重记录、药单、症状日记），很难直观地看出这些指标随时间变化的规律。例如，你很难通过肉眼快速判断“睡眠质量的下降是否与某种新药的服用时间点相关”。

该技能赋予 AI 强大的数据处理能力，能够自动计算皮尔逊相关系数，检测健康指标的显著变化点，并将枯燥的 JSON 数据转化为专业的可视化图表，帮助用户在就医前获得客观的数据支持。

适用场景

  • 多维指标追踪：需要同时分析体重/BMI、化验结果、情绪与睡眠的长期趋势。
  • 药物效果评估：分析新药加入后，相关症状的出现频率是否显著下降。
  • 健康预警识别：快速捕捉体重异常波动或指标接近危险阈值的情况。
  • 就医报告准备：将混乱的记录转化为一份清晰的 HTML 报告，直接分享给医生。

核心工作流

  1. 时间范围确定：AI 提取用户请求的时间段（默认 3 个月），过滤相关 JSON 数据源。
  2. 多维数据聚合：从 data/ 目录下读取个人档案、症状、用药、情绪、化验结果等多个模块的文件。
  3. 趋势与相关性计算：
    • 趋势分析：利用线性回归识别指标是上升、下降还是稳定。
    • 相关性分析：计算两个变量（如：睡眠时长 ↔ 情绪评分）的关联度。
    • 变化检测：识别数据流中的突变点（Change Points）。
  4. 生成洞察报告：
    • 文本摘要：输出关键指标的评估（改善/稳定/需关注）。
    • 可视化输出：调用 ECharts 库生成包含折线图、柱状图和热力图的独立 HTML 文件。
// 核心数据过滤逻辑示例
function filterByDate(data, startDate, endDate) {
  return data.filter(item => {
    const itemDate = new Date(item.date || item.created_at);
    return itemDate >= startDate && itemDate <= endDate;
  });
}

下载和安装

下载 health-trend-analyzer 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐