# 个人健康数据基础设施：从 10 年 Apple Health 到 AI 驱动的交叉分析 > 我们并不是没有数据，而是没有基础设施。这篇文章记录了我如何从 iPhone 和 Apple Watch 导出超过 10 年、300 万笔健康数据，结合 Fitbit MCP 实时串接与 Claude AI，建立自己的个人健康基础设施（Personal Health Infrastructure），并从中看见单一设备永远不会告诉你的事。 - Author: Paul Kuo（郭曜郎） - Date: 2026-02-21 - Pillar: 智能与秩序 / Intelligence & Order - Canonical: https://paulkuo.tw/zh-cn/articles/personal-health-data-infrastructure/ - Language: Simplified Chinese (简体中文) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/personal-health-data-infrastructure.md - Site index for LLMs: https://paulkuo.tw/llms.txt --- ## 个人健康数据基础设施
▶ 听摘要
AI 合成语音・作者本人声线克隆
### 从 10 年 Apple Health 到 AI 驱动的交叉分析 十年前，我并没有刻意开始一项健康计划。只是把手机放在口袋里，手表戴在手上，日子就这样过去。 直到最近，我第一次完整导出 iPhone「健康」App 的所有数据。解压缩后，是一个 1.3GB 的 XML 文件。十年、超过 300 万笔记录：步数、心率、睡眠、运动轨迹、自律神经指标。一段身体与时间共同书写的历史，横跨了我的创业、转型、离开舒适圈到重新开始。 那一刻我意识到：我们并不是没有数据，而是没有基础设施。 --- ### 为什么需要自建分析系统？ 主流穿戴设备各有封闭系统与专利算法，这造成两个根本问题。 **第一是数据孤岛。** Apple Health 有它的判读逻辑，Fitbit 有它的算法。我同时佩戴两种设备，它们对同一晚的总睡眠时长高度一致（差距仅 2 分钟），但对深层睡眠的判读差了 21 分钟，REM 差了 15 分钟。该信谁？答案是：都不能全信，只能交叉比对看趋势。 **第二是维度缺失。** 手机 App 专注于让你看「今天」与「这周」，不擅长做跨越三五年的长趋势分析，更无法将运动量下滑、HRV 恶化与睡眠债累积进行多面向的交叉比对。而这些指标之间的关联，往往才是最重要的信号。 要看见全貌，需要的不是另一台穿戴设备，而是自己的分析基础设施。 --- ### 十年的数字足迹 从 2015 年 8 月起，iPhone 就持续记录我的活动。2016 年 Apple Watch 加入后，心率与睡眠开始被更精细地量测。2023 年起，Fitbit 成为第二台穿戴设备，提供另一套独立的测量基线。 十年间的累积：步数记录 279,537 笔，步行与跑步距离 231,300 笔，心率记录超过 113 万笔，睡眠记录 29,532 笔。运动方面，跑步 1,420 次、骑车 435 次、游泳 19 次，留下 966 条 GPS 运动轨迹。 2023 年 9 月起，Apple Watch 开始记录更深层的指标：HRV（心率变异）7,710 笔、静止心率 753 笔、血氧饱和度 9,837 笔、腕部体温 439 笔、VO2Max 122 笔。这些才是穿戴设备真正有价值的数据：不是步数，而是自律神经系统的运作状态。 单看数字没有情绪。但当年度分布摊开来看，很多事就清楚了。 --- ### 技术架构：三条数据管线 #### 实时管线：Fitbit → MCP → Claude 通过 Anthropic 的 MCP（Model Context Protocol）协议，Fitbit API 直接接入 Claude Desktop。 **运作方式：** 我可以直接对 Claude 说「分析我最近一周的压力负荷」，Claude 通过 MCP 调用 Fitbit API，取得睡眠（含各阶段时长）、心率时序、活动摘要等原始 JSON，实时分析。拿到的是 API 回传的原始数据，不是 App 已经翻译过的摘要。 **技术点：** OAuth 2.0 验证，Token 自动刷新。全程本机运行，数据不经过第三方服务器。 #### 深度管线：Apple Health → XML → 结构化分析 Apple 不提供个人用途的 Health API，唯一出口是从 iPhone 手动导出。 **处理流程：** 用 Python 流式解析 1.3GB 的 XML（不试图一次载入），先建立数据类型索引，再分类萃取各指标到独立 JSON：睡眠、HRV、静止心率、血氧等，最后建立日度与月度汇总。 **解决痛点：** Apple 的睡眠分 Core / Deep / REM 三阶段，Fitbit 分 Light / Deep / REM。Apple 的 Core 大致对应 Fitbit 的 Light，但算法判定标准不同。处理时只对齐趋势方向，不比较绝对数值。 #### 自动化管线：CI/CD 持续部署 Mac 上的 crontab 每 10 分钟执行更新脚本，通过 Fitbit OAuth API 拉实时数据，git push 触发 GitHub Actions 自动 build，Cloudflare Pages 部署。健康仪表板永远保持最新状态，从数据产生到网站更新，全程无人工介入。 这不是炫技。我不想偶尔看一次图表。我希望它成为长期运作的基础设施。 --- ### 数据真正说的话 当十年的曲线叠合起来，数字比感觉更诚实。 #### 运动量的消长：从日日三铁到归零 2018 年，我开始参加三铁赛事，每年至少一场。同时加入「日日三铁」：每天从游泳、骑车、跑步中选一项执行的自律社群。我最常选跑步，门槛最低，穿上鞋就能出门。 开始这件事有两个原因。一个是私人的：做儿子的表率，让他看到父亲怎么管理自己的身体和纪律。另一个是从创业经历中学到的：健康是承载所有决策和执行力的硬件。几乎所有我认识的优秀 CEO 都有规律的运动习惯，甚至乐于挑战极限运动。那不是因为他们「有时间」，而是因为他们理解：身体的恢复周期不可被压缩。 GPS 轨迹的年度分布记录了这段历程：2021 年 93 条、2022 年 340 条、2023 年 294 条、2024 年 200 条、2025 年 39 条。2022 年几乎每天都有运动记录，是日日三铁执行最彻底的一年。 之后几年，工作转型、责任增加、生活结构改变。我并没有意识到自己正在放弃恢复周期。当运动被挤出日程，数据显示身体随即开始「负债」。 #### 睡眠债：连续 33 个月未达标 结合 Fitbit（2023/05-2026/02，883 晚）和 Apple Watch（2023/09-2025/12，537 晚）的记录：33 个月，没有任何一个月的平均值达到建议的 7 小时。全期平均约 5 小时 50 分。 每天少一小时，三年就是超过一千小时的睡眠债。 趋势更值得在意：2023-2024 年约 6 小时上下，2025 年降到 5 小时 41 分，Q2 触底 5 小时 16 分。睡眠效率从 83% 滑落至 74%。不只是睡得少：躺得更久，但真正入睡的比例越来越低。身体在休息，神经系统还在运转。 #### HRV 与静止心率：最诚实的指标 HRV 从 2023 年的 42ms 下滑到 2025 年中的 31ms，降幅超过 25%。同时静止心率从 60 bpm 上升到 72 bpm。两条线同时指向同一件事：自律神经系统长期处于压力状态。 这不是情绪判断，是生理信号。而且这是 Apple Watch 独有的数据：如果只看 Fitbit，永远不会知道。这正是跨设备交叉分析的价值：单一 App 不会主动跳出的警告，在多面向对照下无所遁形。 --- ### 经验教训：数据管线的脆弱性 在这次分析中，我发现 2022 年后的体重数据完全中断。原因非常平庸：智能体重计坏了，而我一直没有替换。 这是一个典型的数据教训：**硬件故障是个人数据基础设施最大的威胁。** 数据一旦断裂，那段时间的身体变化就成了永远的黑洞。不是不想记录，而是断了就没有再接回来。 同样的脆弱性也出现在 Apple Health 导出上：这是一个需要手动触发的流程，如果不定期导出，最新的数据就只存在于 iPhone 里，无法被外部分析。 认识到这种脆弱性，是建立可持续基础设施的第一步。 --- ### 设备搭配的实务建议 26 个月的双设备重叠数据让我得出一套原则：总睡眠时长以 Fitbit 为主（覆盖率高，每月 25-31 晚），REM 睡眠参考 Apple Watch（加速度计对微动作侦测更精准），深层睡眠只看趋势不看绝对值（两设备算法差异最大的指标）。HRV、静止心率、血氧是 Apple Watch 独有的领先指标。 Fitbit 是日常追踪的主力，Apple Watch 是深度健康评估的辅助。两者互补，不是互相取代。 --- ### 下一步：从观察到干预 这套系统的下一阶段不是增加图表，而是三件事：AI 异常侦测（当 HRV 连续三天低于基线，Claude 主动发出干预建议）、生活方式标注（记录干预行为的前后对照）、以及更多数据源整合（Oura Ring 体温、智能血压计、体脂秤：每多一条管线，交叉分析的面向就多一层）。 从「看数据」进化到「用数据驱动行为改变」：这才是个人健康基础设施（Personal Health Infrastructure）的真正价值。 --- ### 结语 十年的数据证明了两件事。 第一，身体一直在发出信号。HRV 下降、静止心率上升、睡眠效率崩塌、运动量归零：这些分散在不同设备里的信号，在各自的 App 里看起来都还「在范围内」。是自建的分析基础设施，让它们汇聚成一个无法忽视的趋势。 第二，我曾经做得到。1,420 次跑步、435 次骑车、每年一场三铁：2022 年的 340 条 GPS 轨迹证明日日三铁是可行的。衰退不是命运，而是结构。 健康不该只是「今天走了几步」。它应该是一套可被验证、可被修正、可被持续优化的个人系统。 十年的数据不是为了怀旧，而是提醒自己：趋势一旦看清，就没有再假装看不见的理由。 --- *本文的健康数据分析仪表板可在 [paulkuo.tw/health](/health) 查看。* *技术细节：Fitbit MCP 设置、Apple Health XML 解析流程、Chart.js 可视化、CI/CD 自动化管线等，欢迎联系交流。*