个人健康数据基础设施

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 的所有资料。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：我们并不是没有资料，而是没有基础设施。

为什么需要自建分析系统？

主流穿戴装置各有封闭生态与专利算法，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。我同时佩戴两种装置，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维度的交叉比对。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装置，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 成为第二台穿戴装置，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。这些才是穿戴装置真正有价值的数据：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：三条资料管线

即时管线：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，即时分析。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，资料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 串流解析 1.3GB 的 XML（不试图一次载入），先建立资料类型索引，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 拉即时资料，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，从资料产生到网站更新，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 独有的资料——如果只看 Fitbit，永远不会知道。这正是跨装置交叉分析的价值：单一 App 不会主动跳出的警告，在多维度对照下无所遁形。

经验教训：资料管线的脆弱性

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。 资料一旦断裂，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，最新的资料就只存在于 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。

装置搭配的实务建议

26 个月的双装置重叠资料让我得出一套原则：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（两装置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：从观察到介入

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 主动发出介入建议）、生活型态标注（记录介入行为的前后对照）、以及更多数据源整合（Oura Ring 体温、智能血压计、体脂计——每多一条管线，交叉分析的维度就多一层）。

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

十年的资料证明了两件事。

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——这些分散在不同装置里的信号，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。

十年的资料不是为了怀旧，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 查看。

技术细节：Fitbit MCP 设定、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。