使用 AI 深度分析营养摄入与健康指标相关性 #

解决饮食量化分析难题：通过 AI 对营养追踪数据进行多维度评估，识别营养缺乏或过量风险，并分析饮食与体重、睡眠、血压等健康指标的潜在相关性。

为什么需要这个技能 #

记录饮食数据只是第一步，真正的挑战在于如何将碎片化的卡路里和营养素数值转化为可执行的健康洞察。手动对比 RDA（推荐膳食供给量）标准极其繁琐，且难以发现营养摄入与身体状态（如睡眠质量、血糖波动）之间的深层联系。

本技能赋予 AI 专业营养学分析能力，使其能够自动计算营养素达成率、评估饮食质量评分，并利用统计学方法分析饮食模式对健康指标的影响，从而提供循证的个性化改进建议。

适用场景 #

• 营养达标评估：分析宏量（蛋白质、脂肪、碳水）与微量（维生素、矿物质）营养素是否达到推荐标准。
• 健康趋势追踪：监测一段时间内热量来源分布、食物多样性评分的变化趋势。
• 多维度关联分析：探究咖啡因摄入与睡眠质量的关系，或钠盐摄入与血压波动的相关性。
• 个性化膳食优化：根据营养缺口自动生成食物替换建议或营养素调整计划。

核心工作流 #

1. 范围确定：明确分析的时间维度（如近 30 天）和分析深度（仅宏量营养素或全量微量元素分析）。
2. 数据读取与整合：AI 读取营养追踪主数据 nutrition-tracker.json 及每日饮食记录，并关联 profile.json（基础体征）、sleep-tracker.json（睡眠）等文件。
3. 定量分析计算：
   • RDA 达成率：计算 $\text{实际摄入}/\text{RDA 价值}\times 100\mathrm{\%}$，并将结果分级为“严重缺乏”至“过量”。
   • 营养密度评分：综合维生素、矿物质和纤维达成率计算 0-10 分的质量得分。
   • 相关性计算：使用 Pearson 相关系数分析营养素与健康指标的波动关系。
4. 报告生成：输出包含趋势图表（ASCII 形式）、风险识别列表及优先级行动计划的综合报告。

下载和安装 #

下载 nutrition-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