個人健康數據基礎設施

從 10 年 Apple Health 到 AI 驅動的交叉分析

十年前，我並沒有刻意開始一項健康計畫。只是把手機放在口袋裡，手錶戴在手上，日子就這樣過去。

直到最近，我第一次完整匯出 iPhone「健康」App 的所有資料。解壓縮後，是一個 1.3GB 的 XML 檔案。十年、超過 300 萬筆紀錄——步數、心率、睡眠、運動軌跡、自律神經指標。一段身體與時間共同書寫的歷史，橫跨了我的創業、轉型、離開舒適圈到重新開始。

那一刻我意識到：我們並不是沒有資料，而是沒有基礎設施。

為什麼需要自建分析系統？

主流穿戴裝置各有封閉生態與專利演算法，這造成兩個根本問題。

第一是數據孤島。 Apple Health 有它的判讀邏輯，Fitbit 有它的演算法。我同時佩戴兩種裝置，它們對同一晚的總睡眠時長高度一致（差距僅 2 分鐘），但對深層睡眠的判讀差了 21 分鐘，REM 差了 15 分鐘。該信誰？答案是：都不能全信，只能交叉比對看趨勢。

第二是維度缺失。 手機 App 專注於讓你看「今天」與「這週」，不擅長做跨越三五年的長趨勢分析，更無法將運動量下滑、HRV 惡化與睡眠債累積進行多維度的交叉比對。而這些指標之間的關聯，往往才是最重要的訊號。

要看見全貌，需要的不是另一台穿戴裝置，而是自己的分析基礎設施。

十年的數位足跡

從 2015 年 8 月起，iPhone 就持續記錄我的活動。2016 年 Apple Watch 加入後，心率與睡眠開始被更精細地量測。2023 年起，Fitbit 成為第二台穿戴裝置，提供另一套獨立的測量基線。

十年間的累積：步數紀錄 279,537 筆，步行與跑步距離 231,300 筆，心率紀錄超過 113 萬筆，睡眠紀錄 29,532 筆。運動方面，跑步 1,420 次、騎車 435 次、游泳 19 次，留下 966 條 GPS 運動軌跡。

2023 年 9 月起，Apple Watch 開始記錄更深層的指標——HRV（心率變異）7,710 筆、靜止心率 753 筆、血氧飽和度 9,837 筆、腕部體溫 439 筆、VO2Max 122 筆。這些才是穿戴裝置真正有價值的數據：不是步數，而是自律神經系統的運作狀態。

單看數字沒有情緒。但當年度分佈攤開來看，很多事就清楚了。

技術架構：三條資料管線

即時管線：Fitbit → MCP → Claude

透過 Anthropic 的 MCP（Model Context Protocol）協議，Fitbit API 直接接入 Claude Desktop。

運作方式： 我可以直接對 Claude 說「分析我最近一週的壓力負荷」，Claude 透過 MCP 呼叫 Fitbit API，取得睡眠（含各階段時長）、心率時序、活動摘要等原始 JSON，即時分析。拿到的是 API 回傳的原始數據，不是 App 已經翻譯過的摘要。

技術點： OAuth 2.0 驗證，Token 自動刷新。全程本機運行，資料不經過第三方伺服器。

深度管線：Apple Health → XML → 結構化分析

Apple 不提供個人用途的 Health API，唯一出口是從 iPhone 手動匯出。

處理流程： 用 Python 串流解析 1.3GB 的 XML（不試圖一次載入），先建立資料類型索引，再分類萃取各指標到獨立 JSON——睡眠、HRV、靜止心率、血氧等，最後建立日度與月度彙總。

解決痛點： Apple 的睡眠分 Core / Deep / REM 三階段，Fitbit 分 Light / Deep / REM。Apple 的 Core 大致對應 Fitbit 的 Light，但演算法判定標準不同。處理時只對齊趨勢方向，不比較絕對數值。

自動化管線：CI/CD 持續部署

Mac 上的 crontab 每 10 分鐘執行更新腳本，透過 Fitbit OAuth API 拉即時資料，git push 觸發 GitHub Actions 自動 build，Cloudflare Pages 部署。健康儀表板永遠保持最新狀態，從資料產生到網站更新，全程無人工介入。

這不是炫技。我不想偶爾看一次圖表。我希望它成為長期運作的基礎設施。

數據真正說的話

當十年的曲線疊合起來，數字比感覺更誠實。

運動量的消長：從日日三鐵到歸零

2018 年，我開始參加三鐵賽事，每年至少一場。同時加入「日日三鐵」——每天從游泳、騎車、跑步中選一項執行的自律社群。我最常選跑步，門檻最低，穿上鞋就能出門。

開始這件事有兩個原因。一個是私人的：做兒子的表率，讓他看到父親怎麼管理自己的身體和紀律。另一個是從創業經歷中學到的——健康是承載所有決策和執行力的硬體。幾乎所有我認識的優秀 CEO 都有規律的運動習慣，甚至樂於挑戰極限運動。那不是因為他們「有時間」，而是因為他們理解：身體的恢復週期不可被壓縮。

GPS 軌跡的年度分佈記錄了這段歷程：2021 年 93 條、2022 年 340 條、2023 年 294 條、2024 年 200 條、2025 年 39 條。2022 年幾乎每天都有運動紀錄，是日日三鐵執行最徹底的一年。

之後幾年，工作轉型、責任增加、生活結構改變。我並沒有意識到自己正在放棄恢復週期。當運動被擠出日程，數據顯示身體隨即開始「負債」。

睡眠債：連續 33 個月未達標

結合 Fitbit（2023/05-2026/02，883 晚）和 Apple Watch（2023/09-2025/12，537 晚）的紀錄：33 個月，沒有任何一個月的平均值達到建議的 7 小時。全期平均約 5 小時 50 分。

每天少一小時，三年就是超過一千小時的睡眠債。

趨勢更值得在意：2023-2024 年約 6 小時上下，2025 年降到 5 小時 41 分，Q2 觸底 5 小時 16 分。睡眠效率從 83% 滑落至 74%。不只是睡得少——躺得更久，但真正入睡的比例越來越低。身體在休息，神經系統還在運轉。

HRV 與靜止心率：最誠實的指標

HRV 從 2023 年的 42ms 下滑到 2025 年中的 31ms，降幅超過 25%。同時靜止心率從 60 bpm 上升到 72 bpm。兩條線同時指向同一件事：自律神經系統長期處於壓力狀態。

這不是情緒判斷，是生理訊號。而且這是 Apple Watch 獨有的資料——如果只看 Fitbit，永遠不會知道。這正是跨裝置交叉分析的價值：單一 App 不會主動跳出的警告，在多維度對照下無所遁形。

經驗教訓：資料管線的脆弱性

在這次分析中，我發現 2022 年後的體重數據完全中斷。原因非常平庸：智慧體重計壞了，而我一直沒有替換。

這是一個典型的數據教訓——硬體故障是個人數據基礎設施最大的威脅。 資料一旦斷裂，那段時間的身體變化就成了永遠的黑洞。不是不想記錄，而是斷了就沒有再接回來。

同樣的脆弱性也出現在 Apple Health 匯出上：這是一個需要手動觸發的流程，如果不定期匯出，最新的資料就只存在於 iPhone 裡，無法被外部分析。

認識到這種脆弱性，是建立可持續基礎設施的第一步。

裝置搭配的實務建議

26 個月的雙裝置重疊資料讓我得出一套原則：總睡眠時長以 Fitbit 為主（覆蓋率高，每月 25-31 晚），REM 睡眠參考 Apple Watch（加速度計對微動作偵測更精準），深層睡眠只看趨勢不看絕對值（兩裝置演算法差異最大的指標）。HRV、靜止心率、血氧是 Apple Watch 獨有的領先指標。

Fitbit 是日常追蹤的主力，Apple Watch 是深度健康評估的輔助。兩者互補，不是互相取代。

下一步：從觀察到介入

這套系統的下一階段不是增加圖表，而是三件事：AI 異常偵測（當 HRV 連續三天低於基線，Claude 主動發出介入建議）、生活型態標註（記錄介入行為的前後對照）、以及更多數據源整合（Oura Ring 體溫、智慧血壓計、體脂計——每多一條管線，交叉分析的維度就多一層）。

從「看數據」進化到「用數據驅動行為改變」——這才是個人健康基礎設施（Personal Health Infrastructure）的真正價值。

結語

十年的資料證明了兩件事。

第一，身體一直在發出訊號。HRV 下降、靜止心率上升、睡眠效率崩塌、運動量歸零——這些分散在不同裝置裡的訊號，在各自的 App 裡看起來都還「在範圍內」。是自建的分析基礎設施，讓它們匯聚成一個無法忽視的趨勢。

第二，我曾經做得到。1,420 次跑步、435 次騎車、每年一場三鐵——2022 年的 340 條 GPS 軌跡證明日日三鐵是可行的。衰退不是命運，而是結構。

健康不該只是「今天走了幾步」。它應該是一套可被驗證、可被修正、可被持續優化的個人系統。

十年的資料不是為了懷舊，而是提醒自己——趨勢一旦看清，就沒有再假裝看不見的理由。

本文的健康數據分析儀表板可在 paulkuo.tw/health 查看。

技術細節：Fitbit MCP 設定、Apple Health XML 解析流程、Chart.js 視覺化、CI/CD 自動化管線等，歡迎聯繫交流。