10 min read

Apple Watch + OpenClaw:从 200 个数据点到一份每日健康报告

Source: http://x.com/i/article/2030954720265900033

我 34 岁,3 岁男孩的爹,在东京上班(ex.每天3个小时地铁通勤)

去年体检 BMI 24.6,不算胖但在往不好的方向走。Apple Watch 戴了快两年,每天采集几百个数据点——HRV、血氧、睡眠分期、静息心率、呼吸频率、腕温。

然后呢?

打开 iPhone 健康 app 看一眼「昨晚睡了 7 小时,睡眠分」,关掉。数据采了,但没人帮你分析。

直到我看到 @ohxiyu 的一句话:

https://x.com/ohxiyu/status/2025771993459781652

健康是乘法题。 节律 × 筛查 × 运动 × 代谢。任何一项是零,总分就是零。

这句话戳到我了。我的 Apple Watch 一直在做采集端,但分析端是空的。

所以我花了一周,搭了一套完全属于自己的健康数据管线。今天说说怎么搭的。

━━━━━━━━━━━━━━

你的 Apple Watch 每天在采集什么

先搞清楚手上有什么牌。

Apple Watch 的传感器比大多数人以为的强很多。它每天在默默记录:

睡眠相关

  • 睡眠分期(浅睡 / 深睡 / REM / 清醒)— 不只是「睡了几小时」
  • HRV(心率变异性)— 判断自律神经恢复状态最可靠的指标
  • 血氧 — 夜间低于 95% 可能提示睡眠呼吸问题
  • 呼吸频率 — 异常升高可能是感冒或过敏的早期信号
  • 腕温 — 女性可以追踪周期,男性可以看炎症信号

活动相关

  • 静息心率 — 长期趋势比单次读数重要,体能改善时会下降
  • VO2Max — 有氧能力指标,和全因死亡率强相关
  • 步数 / 运动时长 / 爬楼 / 活动消耗
  • 日照时间 — 影响褪黑素分泌和昼夜节律

问题来了:这些数据散落在 iPhone 健康 app 的十几个页面里,互相不关联。你不会每天打开 8 个页面挨个看。

更大的问题是:单个指标没有意义。

「昨晚深睡 32 分钟」——这算多还是少?跟前天比呢?跟你上周入睡时间变化有没有关系?跟昨天晚饭吃的碳水有没有关系?

这些问题 iPhone 不会回答你。

━━━━━━━━━━━━━━

我搭了什么

一句话概括:把 Apple Watch 的原始数据,通过一条自动化管线喂给 AI Agent,让它帮我做分析和推送。

Apple Watch ↓ (自动同步) iPhone Health ↓ (Auto Export, 每小时自动推) Cloudflare Worker (过滤+瘦身) ↓ GitHub 私有仓库 ↓ (git pull) OpenClaw Agent ↓ (定时分析) Discord 推送报告

我的 Openclaw 叫 Orb,跑在一台闲置的 OnePlus 上,24 小时不关机。它每天干两件事(它跑在哪不重要)

早上 8:50 — 推一份睡眠报告。不只是「你睡了几小时」,而是一个综合评分,包含入睡时间、时长、一致性、HRV 恢复度,加上近 7 天趋势。

晚上 22:00 — 推一份活动报告。心率、HRV、血氧、步数、运动、日照,全部汇总 + 对比近 3 天趋势 + 给出建议。

━━━━━━━━━━━━━━

逐层拆解

① Auto Export(年费约 50 元)

App Store 搜 "Health Auto Export"。整套方案里唯一花钱的地方。

它做的事很简单:把 iPhone 健康数据导出成 JSON,定时 POST 到你指定的 URL。设好了就不用管了。

配置:

  • Export Format: JSON
  • Export Method: REST API (POST)
  • URL: 你的 Cloudflare Worker 地址
  • Headers: 加一个 X-Auth-Key,自定义密钥
  • Automation: 频率 1 小时
Image

② Cloudflare Worker(免费)—— 这层的代码全部给openclaw写!

为什么中间要加这一层?

因为 Auto Export 原始导出是 1.1MB。苹果记录的指标多到离谱——步行不对称性、跌倒检测、环境音量……你不需要这些。

Worker 做两件事:

  • 过滤:只保留 15 个核心指标(HRV、血氧、睡眠分期、静息心率、VO2Max 等)
  • 截断:心率保留最近 200 条采样,步数 50 条,避免数据膨胀

过滤后 62KB。从 1.1MB 到 62KB,压掉 95%。

然后通过 GitHub API 写入私有仓库。每次覆盖写入,不用维护数据库。

③ Agent 分析(OpenClaw + 自定义脚本)

Agent 这边,git pull 就能拿到最新数据。然后跑分析脚本。

我写了一个节律评分算法,这是整套系统里我觉得最有价值的东西。

━━━━━━━━━━━━━━

节律评分:把散点数据变成一个分数

单看「昨晚睡了 7.5 小时」没用。你需要一个综合指标来追踪趋势。

我的评分模型: 总分 = 入睡时间 × 30% + 睡眠时长 × 30% + 一致性 × 15% + HRV 恢复 × 25%

每项 0-100 分。

入睡时间 — 22:00-23:00 满分,00:00 只有 40 分,01:00 以后归零。不是道德审判,是生理节律决定的:皮质醇和褪黑素的交替周期,早睡的深睡比例就是更高。

睡眠时长 — 7-8 小时满分。不是越长越好,超过 9 小时也扣分。

一致性 — 近 7 天入睡时间的标准差。每天差不多时间睡比偶尔早睡一次更重要。σ < 20 分钟满分,σ > 60 分钟接近零分。

HRV 恢复 — 来自 Apple Watch 夜间测量。这个指标比主观感受客观得多:HRV 高说明自律神经恢复好,身体准备好迎接新一天的压力了。50ms 以上满分,30ms 以下就该注意了。

没有 Apple Watch HRV 数据时,权重自动调整为 40/40/20,向后兼容。

Image

━━━━━━━━━━━━━━

每天早上我看到的

这是今天的真实报告,不是 mock:

Image
Image

几个值得说的点:

看趋势比看单天重要太多了。3/3 凌晨 00:47 才睡,3/9 回到 22:28——节律分从 C 区爬到 B 区。这个进步如果不画出来,你自己感受不到。

深睡 7% 是个问题。正常人应该 15-20%。可能跟花粉季开始有关(最近喉咙确实不太舒服)。如果这个数字连续一周低于 10%,我会去查查是不是过敏导致的呼吸质量下降。

这就是数据的价值:你不用猜,看数字就知道要不要行动。

Image

━━━━━━━━━━━━━━

踩过的坑

① 数据量爆炸 Auto Export 原始 1.1MB,直接推 GitHub 超 API 限制。必须加 Worker 过滤。只留 15 个指标 + 采样截断,62KB 搞定。

② Apple Watch 同步延迟

手表到手机的同步不是实时的,2-3 小时延迟是常态。我的晨报最开始设在 7:00,经常拿到空数据。后来改到 8:50 才稳定。

③ 睡眠跨天归属 23:00 睡到 7:00,Apple Health 把这条数据归到起床那天(7:00 那天),不是入睡那天。导出时要拉「今天」的数据不是「昨天」的。这个坑踩了两次。

④ 血氧百分比 Apple Health 原始值是小数(0.95),不是百分比。第一版报告显示「血氧 0.95%」,我差点以为 Orb 在跟我说遗言。

⑤ 双源冗余 如果你的安卓机也接了 Google Fit,可以做 fallback——Apple Health 没同步完时先用 Google Fit 的数据顶上。我两边都接了,互为备份。

━━━━━━━━━━━━━━

不只是数据管线:health-coach skill

数据管线解决的是「采集→分析→推送」。但健康管理不只是看睡眠报告。

我在 OpenClaw 社区里发现

@ThisisHan1_

health-coach

的 skill。这人之前写过 HealthOS v4,就是「健康是乘法题」的提出者。他把自己的健康管理方法论打包成了一个 Agent skill。

>>> https://github.com/H1an1/health-coach 装上之后,我的 Agent 多了这些能力:

拍照识餐 — 拍一张午饭的照片丢给 Agent,它直接算出热量、蛋白质、碳水、脂肪,跟你的每日目标对比,告诉你还剩多少预算。

体检报告解读 — 把血检报告截图丢过去,它会标出异常值、解释每个指标的意义、和历史数据对比看趋势。(当然会提醒你这不是诊断,找医生。)

健身计划 — 录入身体数据后自动算 BMI、BMR、TDEE,根据你的目标生成训练计划。我录入了自己的数据(174.5cm/75kg),它算出 TDEE 2290kcal,蛋白质目标 120g+/天,给了一套 3 天力量 + 2 天有氧的 4 周启动计划。

skill 是 OpenClaw 生态里最有意思的东西之一——别人踩过的坑、沉淀的方法论,你装上就能用。health-coach 对我来说省了大量自己研究营养学和运动编程的时间。

━━━━━━━━━━━━━━

搭完之后还能玩什么

连接健身计划 + HRV — 我下周开始力量训练,让 Agent 根据 HRV 判断恢复状态:HRV 偏低的训练日,自动建议调整为轻度有氧。

饮食 × 睡眠交叉分析 — 记录每餐热量,和当晚睡眠质量做关联。碳水吃多了深睡下降?有数据就能验证。

自动告警 — 连续 3 天凌晨入睡,Agent 推告警。血氧持续低于 95% 也标红。

周度/月度趋势 — 自动汇总,配合体重、运动量,画完整的健康画像。

━━━━━━━━━━━━━━

成本

项目 费用 Auto Export app 年费约 50 元 Cloudflare Worker 免费 GitHub 私有仓库 免费 OpenClaw 开源免费 AI API(分析用) ~$2-3/月

总计一年不到 300 块。

━━━━━━━━━━━━━━

Apple Watch 的硬件传感器已经够好了,缺的从来不是采集能力,是分析能力。

iPhone 的健康 app 只做了第一层:展示数据。但数据本身不是目的,洞察才是。「深睡偏低+HRV 偏低+连续晚睡」→ 这三个信号叠在一起才有意义,你才知道该调作息还是该查身体。

把这件事交给 Agent 做,你要做的就是——每天早上看一眼报告,然后该干嘛干嘛。

#OpenClaw

#AppleWatch

#VibeCoding

#HealthData