大健康智能教练

要解决什么问题

个人健康数据分散在 Apple Health、华为运动健康、小米手环等不同平台；包装食品的营养表又是图片或纸质，很难和「今天还剩多少热量、该补什么营养素」连在一起算。开发者要搭系统得查一堆 OAuth 与 OCR 方案；普通用户只想上传一张营养表或问「今晚吃什么、练什么」，却缺少一条可执行的决策链路。

技能如何工作

本技能用路由意图区分两条路径：终端用户走「画像 → 今日数据 → 推荐 → 展示」；提到 API、SDK、架构则进入开发者模式，给接入表与 MVP 步骤。

终端侧核心步骤：

• 首次收集年龄、性别、身高体重、目标与活动水平，用 scripts/health_recommend.py 中的 BMR/TDEE/宏量营养素逻辑算每日预算。
• 步数、心率、睡眠可手动填写，拒绝时用典型值；食物侧调用 scripts/nutrition_ocr.py 或云端/多模态视觉（文档中强调国内可优先 Qwen-VL）做 OCR 结构化。
• 将画像、运动消耗与已摄入营养填入推荐 Prompt，输出表格化餐食、运动卡片及「亮点与缺口」；展示可参考 scripts/health-dashboard.html 的仪表盘结构。

系统侧能力： 可穿戴平台（HealthKit、Health Connect、华为/小米等）OAuth 拉数；营养侧 OCR API、本地 PaddleOCR 或食物识别 API 的组合策略；用 LlamaIndex / LangChain + 向量库 建垂直健康 RAG（膳食指南、食物库、消耗表）；推荐层覆盖识别、运动/饮食匹配、问答与采纳反馈。

适用边界与注意点

• 手表数据在对话流里常依赖用户自愿提供或估算，完整自动同步需自行实现各厂商 OAuth 与合规资质（如华为 AGC）。
• OCR 与视觉识别有成本与精度差异：包装品适合 OCR，自制餐更依赖识图或模型估算，不能当作临床营养处方。
• 知识库与 RAG 需自行导入数据与维护索引；技能给的是架构、Prompt 模板与脚本参考，不是已托管的 SaaS 后端。