Agent skill · data analytics · sickn33
fitness-analyzer
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。
Why this skill is useful
Adds complex algorithms for trend analysis, correlation metrics, and personalized training recommendations that are not commonly available in public resources.
What it needs
Requires numpy, pandas, python, scikit-learn installed locally. About 4k tokens when loaded. Last updated 2026-08-07. 44,571 stars on the source repository.
What this skill does
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 相关性分析报告 进步追踪报告 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. …
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills sickn33/fitness-analyzer--5e19b7