技能介绍

这个技能解决什么问题

很多人手头有运动手表、体测秤和 App 截图，却读不出所以然。更常见的是一些被数据掩盖的误区：练得不少但体脂率居高不下、以为自己一直在轻松燃脂其实大半时间卡在 Z4 阈值区、动作模式代偿明显却意识不到关节风险。这个技能不产出套模板的"健康报告"，而是一套基于实测数据的结构化诊断流程，最终输出的是诊断结论 + 行动项。

核心能力与关键步骤

数据校验优先：核心项（年龄、身高、体重）缺失即暂停等待补充；单位不明、数值越界（如体脂率 >60%）直接拦截；看不清的字段一律标 不确定，绝不编造。
两条心率分支：有设备走 B 路，骑行/跑步用 %HRR（Karvonen）划分 Z1–Z5；无设备走 A 路，跳过心率区间，改用 RPE 谈话测试或功率控强度，报告明确标注局限。
多源交叉验证：同一 session 的手表 App 与跑步机数据会先比对时长和均值（含热身冷身的全 session 均值常低 15–25 bpm），不简单取平均。
强制判定清单：写结论前先逐项判定体成分异常、强度倒挂、周期阶段等，每条结论必须能溯源到原始字段，否则标"数据不足"。
报告与交付自检：HTML 报告含核心指标卡、你以为 / 实际上 / 为什么 三段式 Aha 洞察卡，训练计划用 if-then 分支给出；交付前跑 9 项一致性自检。
断点续接：数据卡 .html 是结构化存档，重传即可从断点继续，不用重填。

适用边界

这是运动健康评估，不是医疗诊断。年龄/身高/体重是硬前提，缺任一项无法继续；只有单次运动样本时结论会注明"基于单次推断"。220−年龄 公式误差可达 ±10–15 bpm，有实测峰值时优先用实测值。体脂秤（BIA）读数受饮水和进食影响，建议多次空腹取均值。女性周期数据非强制，不提供则跳过周期化建议。