健康数据分析器

专业的健康数据分析工具，通过 MCP 服务器访问完整的健康数据库，提供睡眠、运动、恢复等多维度健康分析。

核心功能

• 睡眠分析: 睡眠质量评分、睡眠分期分析、睡眠债务计算
• 运动分析: 运动负荷评估、训练效果分析、心率区间分析
• 恢复分析: 身体恢复状态评估、HRV/RHR/血氧/体温综合分析
• 趋势分析: 长期健康趋势、个性化基线对比
• 多设备融合: 支持多设备数据融合分析

数据访问流程

标准三步流程

所有健康数据查询必须遵循以下三步流程：

1. 列出可用表 - 了解数据库结构
2. 获取表结构 - 理解字段定义
3. 查询数据 - 获取实际数据进行分析

基础命令

1. 列出所有数据表

mcporter call healthdata.list_available_tables

2. 获取表字段结构

mcporter call healthdata.get_table_schema table_list='["table1", "table2"]'

参数格式:

• table_list: JSON 数组格式，用单引号包围
• 示例: table_list='["sleep_segments", "sleep_calculations"]'

3. 查询表数据

mcporter call healthdata.query_table_data table_name=TABLE_NAME start_date=YYYY-MM-DD end_date=YYYY-MM-DD conversation_time="YYYY-MM-DD HH:MM:SS"

参数说明:

• table_name: 要查询的表名
• start_date: 开始日期 (YYYY-MM-DD)
• end_date: 结束日期 (YYYY-MM-DD)
• conversation_time: 当前对话时间，用引号包围

数据表概览

用户与设备表

• users: 用户基础信息
• user_data_sources: 数据源设备信息

原始数据表

• health_data_numeric: 原始多设备健康数据
• fusion_health_data_numeric: 融合后统一健康数据
• health_data_workout: 原始运动数据

分段汇总表

• sleep_segments: 睡眠分段数据 (一晚完整睡眠)
• training_segments: 训练分段数据 (一次完整运动)
• metrics_segments: 健康指标分段数据

评分计算表

• sleep_calculations: 睡眠质量评分
• strain_calculations: 运动负荷评分
• recovery_calculations: 身体恢复评分

分析工作流程

睡眠分析流程

1. 查询 sleep_segments 获取睡眠基础数据
2. 查询 sleep_calculations 获取睡眠评分
3. 结合数据进行睡眠质量分析和建议

运动分析流程

1. 查询 training_segments 获取运动数据
2. 查询 strain_calculations 获取负荷评分
3. 分析运动表现和训练建议

恢复分析流程

1. 查询 recovery_calculations 获取恢复评分
2. 查询 metrics_segments 获取生理指标
3. 综合分析身体恢复状态

时间范围建议

• 短期分析: 最近 7-14 天
• 趋势分析: 最近 30-90 天
• 基线对比: 建议向前延伸时间范围以捕获更多历史数据

数据质量检查

• 检查 data_quality_flag 字段 (normal 为正常)
• 注意设备数据源的一致性
• 识别数据缺失或异常值

分析输出格式

基础数据摘要

• 数据时间范围和记录数量
• 数据质量状态
• 主要设备来源

核心指标分析

• 关键健康指标的当前值和趋势
• 与个人基线的对比
• 异常值识别和说明

个性化建议

• 基于数据分析的健康建议
• 改进方向和具体措施
• 需要关注的健康风险

常见查询模式

详细的查询模式和示例请参考 references/query-patterns.md

数据库架构

完整的数据库表结构和字段说明请参考 references/database-schema.md

故障排除

如果 mcporter 命令失败：

1. 检查 healthdata 服务器状态: mcporter list
2. 验证参数格式，特别是数组和日期格式
3. 确认表名和字段名的正确性
4. 检查时间范围的合理性