{"id":"063f4882-3baf-4821-8137-6355893d6ea5","shortId":"aH9RdM","kind":"skill","title":"fitness-analyzer","tagline":"分析运动数据、识别运动模式、评估健身进展，并提供个性化训练建议。支持与慢性病数据的关联分析。","description":"# 运动分析器技能\n\n分析运动数据，识别运动模式，评估健身进展，并提供个性化训练建议。\n\n## When to Use\n- 需要分析运动记录、训练强度、运动习惯或健身进展时使用。\n- 任务涉及跑步、力量训练、耐力或柔韧性等维度的趋势与改进建议。\n- 需要把运动数据与其他健康模块做关联分析时使用。\n\n## 功能\n\n### 1. 运动趋势分析\n分析运动量、频率、强度的变化趋势，识别改善或需要调整的方面。\n\n**分析维度**：\n- 运动量趋势（时长、距离、卡路里）\n- 运动频率趋势（每周运动天数）\n- 强度分布变化（低/中/高强度占比）\n- 运动类型偏好变化\n\n**输出**：\n- 趋势方向（改善/稳定/下降）\n- 变化幅度和百分比\n- 趋势显著性\n- 改进建议\n\n### 2. 运动进步追踪\n追踪特定运动类型的进步情况，量化健身效果。\n\n**支持的进步追踪**：\n- **跑步进步**：配速提升、距离增加、心率改善\n- **力量训练进步**：重量增加、容量提升、RPE变化\n- **耐力进步**：运动时长增加、距离延长\n- **柔韧性进步**：关节活动度改善\n\n**输出**：\n- 开始值 vs 当前值\n- 改善百分比\n- 进步可视化\n- 达成的里程碑\n\n### 3. 运动习惯分析\n识别用户的运动习惯和模式。\n\n**分析内容**：\n- 常用运动时间（早晨/下午/晚上）\n- 运动频率模式（每周几天）\n- 运动类型偏好\n- 休息日分布\n- 运动一致性评分\n\n**输出**：\n- 习惯总结\n- 一致性评分（0-100）\n- 优化建议\n- 习惯养成建议\n\n### 4. 相关性分析\n分析运动与其他健康指标的相关性。\n\n**支持的相关性分析**：\n- **运动 ↔ 体重**：运动消耗与体重变化的关系\n- **运动 ↔ 血压**：运动对血压的长期影响\n- **运动 ↔ 血糖**：运动对血糖控制的效果\n- **运动 ↔ 情绪/睡眠**：运动对情绪和睡眠的影响\n\n**输出**：\n- 相关系数（-1到1）\n- 相关性强度（弱/中/强）\n- 统计显著性\n- 因果关系推断\n- 实践建议\n\n### 5. 个性化建议生成\n基于用户数据生成个性化运动建议。\n\n**建议类型**：\n- **运动频率建议**：是否需要增加/减少运动频率\n- **运动强度建议**：强度调整建议\n- **运动类型建议**：推荐尝试的运动类型\n- **运动时间建议**：最佳运动时间\n- **恢复建议**：休息和恢复建议\n\n**建议依据**：\n- WHO/ACSM/AHA运动指南\n- 用户运动历史数据\n- 用户健康状况\n- 用户健身目标\n\n## 输出格式\n\n### 趋势分析报告\n\n```markdown\n# 运动趋势分析报告\n\n## 分析周期\n2025-03-20 至 2025-06-20（3个月）\n\n## 运动量趋势\n\n### 运动时长\n- 趋势：⬆️ 上升\n- 开始：平均120分钟/周\n- 当前：平均180分钟/周\n- 变化：+50%（+60分钟/周）\n- 解读：运动量显著增加，表现优秀\n\n### 卡路里消耗\n- 趋势：⬆️ 上升\n- 开始：平均960卡/周\n- 当前：平均1440卡/周\n- 变化：+50%\n- 解读：运动消耗增加，有助于体重管理\n\n### 运动距离\n- 趋势：⬆️ 上升\n- 开始：平均10公里/周\n- 当前：平均20公里/周\n- 变化：+100%\n- 解读：耐力显著提升\n\n## 运动频率\n\n- 当前频率：4天/周\n- 目标频率：4-5天/周\n- 状态：✅ 达标\n- 建议：保持当前频率\n\n## 强度分布\n\n| 强度 | 占比 | 变化 |\n|------|------|------|\n| 低强度 | 25% | +5% |\n| 中等强度 | 55% | -10% |\n| 高强度 | 20% | +5% |\n\n**分析**：强度分布合理，中等强度占主导，符合有氧运动建议。\n\n## 运动类型分布\n\n| 运动类型 | 占比 |\n|---------|------|\n| 跑步 | 50% |\n| 瑜伽 | 25% |\n| 力量训练 | 25% |\n\n**建议**：可以适当增加力量训练比例至30-40%。\n\n## 洞察与建议\n\n### 优势\n1. ✅ 运动量稳定增长，(+50%)\n2. ✅ 运动频率稳定，每周4天\n3. ✅ 休息日充足，恢复良好\n\n### 改进建议\n1. 📈 每周增加2次力量训练\n2. 📈 尝试不同运动类型避免单调\n3. 📈 适当增加高强度间歇训练(HIIT)\n\n### 警示\n1. ⚠️ 注意运动强度不宜过高，控制在中等强度为主\n```\n\n### 相关性分析报告\n\n```markdown\n# 运动与血压相关性分析\n\n## 数据来源\n- 运动数据：fitness-logs (2025-03-20 至 2025-06-20)\n- 血压数据：hypertension-tracker (同期)\n\n## 分析结果\n\n### 相关系数\n- 变量：每周运动时长 ↔ 收缩压\n- 相关系数：r = -0.68\n- 相关性强度：**强负相关**\n- 统计显著性：p < 0.01 **高度显著**\n\n### 解读\n运动时长与收缩压呈强负相关，意味着：\n- 运动越多，血压越低\n- 每增加30分钟运动，收缩压平均下降3-5 mmHg\n\n### 实践建议\n1. ✅ 继续保持规律运动，每周5-7天\n2. ✅ 每次运动30-60分钟，中等强度\n3. ✅ 优先选择有氧运动（快走、慢跑、骑行）\n4. ⚠️ 避免憋气动作和突然爆发性运动\n\n### 医学参考\n- AHA声明：规律有氧运动可降低收缩压5-7 mmHg\n- 您的运动效果：降低约10 mmHg，效果显著！\n```\n\n### 进步追踪报告\n\n```markdown\n# 跑步进步追踪\n\n## 分析周期\n2025-01-01 至 2025-06-20（6个月）\n\n## 配速进步\n\n| 指标 | 开始 | 当前 | 改善 |\n|------|------|------|------|\n| 平均配速 | 7:30 min/km | 6:00 min/km | +20% ⬆️ |\n| 最快配速 | 7:00 min/km | 5:30 min/km | +22% ⬆️ |\n| 5公里用时 | 37:30 | 30:00 | +20% ⬆️ |\n\n**趋势**：配速持续稳定提升，进步显著！\n\n## 距离进步\n\n| 指标 | 开始 | 当前 | 改善 |\n|------|------|------|------|\n| 最长单次距离 | 3 km | 12 km | +300% ⬆️ |\n| 月度总距离 | 40 km | 86 km | +115% ⬆️ |\n| 平均距离 | 5 km | 6 km | +20% ⬆️ |\n\n**趋势**：耐力大幅提升，可以完成更长距离。\n\n## 心率改善\n\n| 指标 | 开始 | 当前 | 改善 |\n|------|------|------|------|\n| 静息心率 | 78 bpm | 72 bpm | -6 bpm ⬇️ |\n| 相同配速心率 | 155 bpm | 145 bpm | -10 bpm ⬇️ |\n\n**分析**：心肺功能显著改善，相同配速下心率降低。\n\n## 里程碑\n\n- ✅ 2025-03-15：首次完成5公里跑\n- ✅ 2025-05-20：首次完成10公里跑\n- ✅ 2025-06-10：配速突破6:00 min/km\n\n## 下一步目标\n\n- 🎯 完成半程马拉松（21公里）\n- 🎯 配速提升至5:30 min/km\n- 🎯 尝试间歇训练提升速度\n```\n\n## 数据源\n\n### 主要数据源\n\n1. **运动日志**\n   - 路径：`data/fitness-logs/YYYY-MM/YYYY-MM-DD.json`\n   - 内容：运动记录（类型、时长、强度、心率、距离等）\n   - 频率：每次运动后更新\n\n2. **用户档案**\n   - 路径：`data/fitness-tracker.json`\n   - 内容：用户档案、健身目标、统计数据\n   - 更新：定期更新\n\n3. **健康数据关联**\n   - `data/hypertension-tracker.json`（血压数据）\n   - `data/diabetes-tracker.json`（血糖数据）\n   - `data/profile.json`（体重、BMI等）\n\n### 数据质量检查\n\n- 数据完整性：检查必要字段是否存在\n- 数据合理性：检查数值是否在合理范围内\n- 时间一致性：检查时间戳是否合理\n- 重复数据：检测并处理重复记录\n\n## 算法说明\n\n### 1. 线性回归趋势分析\n\n使用线性回归分析运动数据的时间趋势。\n\n**公式**：\ny = a + bx\n\n其中：\n- y：运动指标（时长、卡路里、距离等）\n- x：时间\n- a：截距\n- b：斜率（趋势方向和速度）\n\n**解释**：\n- b > 0：上升趋势\n- b < 0：下降趋势\n- b ≈ 0：稳定\n\n### 2. Pearson相关系数\n\n用于分析两个变量之间的线性相关性。\n\n**公式**：\nr = Σ[(xi - x̄)(yi - ȳ)] / √[Σ(xi - x̄)² × Σ(yi - ȳ)²]\n\n**范围**：-1 ≤ r ≤ 1\n\n**解释**：\n- r = 1：完全正相关\n- r = -1：完全负相关\n- r = 0：无线性相关\n\n**强度判断**：\n- |r| < 0.3：弱相关\n- 0.3 ≤ |r| < 0.7：中等相关\n- |r| ≥ 0.7：强相关\n\n### 3. 配速计算\n\n**配速** = 运动时长 / 距离\n\n单位：min/km 或 min/mile\n\n**示例**：\n- 30分钟跑5公里\n- 配速 = 30 / 5 = 6 min/km\n\n### 4. MET能量代谢计算\n\n**卡路里消耗** = MET × 体重(kg) × 时间(小时)\n\n**常见运动的MET值**：\n- 走路（3-5 km/h）：3.5-5 MET\n- 慢跑（8 km/h）：8 MET\n- 快跑（10 km/h）：10 MET\n- 游泳：6-10 MET\n- 骑行（休闲）：4 MET\n- 力量训练：5 MET\n- 瑜伽：3 MET\n\n## 医学安全边界\n\n⚠️ **重要声明**\n本分析仅供健康参考，不构成医疗建议。\n\n### 分析能力范围\n\n✅ **能做到**：\n- 运动数据统计和分析\n- 趋势识别和可视化\n- 相关性计算和解释\n- 一般性运动建议\n\n❌ **不做到**：\n- 疾病诊断\n- 运动风险评估\n- 具体运动处方设计\n- 运动损伤诊断和治疗\n\n### 危险信号检测\n\n在分析过程中检测以下危险信号：\n\n1. **心率异常**\n   - 运动心率 > 95%最大心率\n   - 静息心率 > 100 bpm\n\n2. **血压异常**\n   - 收缩压 ≥ 180 mmHg\n   - 舒张压 ≥ 110 mmHg\n\n3. **过度训练迹象**\n   - 连续7天高强度运动\n   - 运动感受持续下降（RPE > 17）\n\n4. **体重快速下降**\n   - 每周减重 > 1kg（可能不健康）\n\n### 建议分级\n\n**Level 1: 一般性建议**\n- 基于WHO/ACSM指南\n- 适用于一般人群\n\n**Level 2: 参考性建议**\n- 基于用户数据\n- 需结合个人情况\n\n**Level 3: 医疗建议**\n- 涉及疾病管理\n- 需医生确认\n\n## 使用示例\n\n### 示例1：生成运动趋势报告\n\n```bash\n/fitness trend 3months\n```\n\n输出：\n- 3个月运动趋势分析\n- 运动量、频率、强度变化\n- 洞察和建议\n\n### 示例2：追踪跑步进步\n\n```bash\n/fitness analysis progress running\n```\n\n输出：\n- 配速进步\n- 距离进步\n- 心率改善\n- 里程碑达成\n\n### 示例3：分析运动与血压相关性\n\n```bash\n/fitness analysis correlation blood_pressure\n```\n\n输出：\n- 相关系数\n- 相关性强度\n- 显著性检验\n- 实践建议\n\n---\n\n**技能版本**: v1.0\n**最后更新**: 2026-01-02\n**维护者**: WellAlly Tech\n\n## Limitations\n- Use this skill only when the task clearly matches the scope described above.\n- Do not treat the output as a substitute for environment-specific validation, testing, or expert review.\n- Stop and ask for clarification if required inputs, permissions, safety boundaries, or success criteria are missing.","tags":["fitness","analyzer","antigravity","awesome","skills","sickn33","agent-skills","agentic-skills","ai-agent-skills","ai-agents","ai-coding","ai-workflows"],"capabilities":["skill","source-sickn33","skill-fitness-analyzer","topic-agent-skills","topic-agentic-skills","topic-ai-agent-skills","topic-ai-agents","topic-ai-coding","topic-ai-workflows","topic-antigravity","topic-antigravity-skills","topic-claude-code","topic-claude-code-skills","topic-codex-cli","topic-codex-skills"],"categories":["antigravity-awesome-skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/sickn33/antigravity-awesome-skills/fitness-analyzer","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add sickn33/antigravity-awesome-skills","source_repo":"https://github.com/sickn33/antigravity-awesome-skills","install_from":"skills.sh"}},"qualityScore":"0.700","qualityRationale":"deterministic score 0.70 from registry signals: · indexed on github topic:agent-skills · 34793 github stars · SKILL.md body (5,552 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-04-24T00:50:57.012Z","embedding":null,"createdAt":"2026-04-18T21:37:16.958Z","updatedAt":"2026-04-24T00:50:57.012Z","lastSeenAt":"2026-04-24T00:50:57.012Z","tsv":"'+100':200 '+115':396 '+20':362,376,402 '+22':370 '+300':390 '+5':222,228 '+50':169,186,249 '+60':170 '-0.68':295 '-01':343,344,725 '-02':726 '-03':151,277,430 '-05':434 '-06':155,281,347,438 '-1':115,541,549 '-10':225,423,439,609 '-100':93 '-15':431 '-20':152,156,278,282,348,435 '-40':244 '-5':209,309,592,595 '-6':416 '-7':332 '/acsm':670 '/fitness':687,699,711 '0':92,516,519,522,552 '0.01':300 '0.3':556,558 '0.7':560,563 '00':360,365,375,441 '1':25,247,257,265,312,452,494,543,546,638,667 '10':603,605 '100':644 '110':652 '12':388 '145':421 '155':419 '17':659 '180':649 '1kg':663 '2':51,250,259,317,465,524,646,674 '20':227 '2025':150,154,276,280,342,346,429,433,437 '2026':724 '21公里':445 '25':221,239,241 '3':76,253,261,322,386,475,565,591,619,654,679 '3.5':594 '30':357,368,373,374,447,577 '30分钟跑5公里':575 '37':372 '3months':689 '3个月':157 '3个月运动趋势分析':691 '4':96,208,327,581,613,660 '40':392 '4天':205 '5':124,367,398,578,616 '50':237 '55':224 '5公里用时':371 '6':359,400,579,608 '60分钟':320 '6个月':349 '7':356,364 '72':414 '78':412 '7天':316 '8':598,600 '86':394 '95':641 'aha声明':330 'analysi':700,712 'analyz':3 'ask':763 'b':511,515,518,521 'bash':686,698,710 'blood':714 'bmi等':483 'boundari':771 'bpm':413,415,417,420,422,424,645 'bx':500 'clarif':765 'clear':738 'correl':713 'criteria':774 'data/diabetes-tracker.json':479 'data/fitness-logs/yyyy-mm/yyyy-mm-dd.json':455 'data/fitness-tracker.json':468 'data/hypertension-tracker.json':477 'data/profile.json':481 'describ':742 'environ':754 'environment-specif':753 'expert':759 'fit':2,274 'fitness-analyz':1 'fitness-log':273 'hiit':263 'hypertens':285 'hypertension-track':284 'input':768 'kg':586 'km':387,389,393,395,399,401 'km/h':593,599,604 'level':666,673,678 'limit':730 'log':275 'markdown':147,269,339 'match':739 'met':584,596,601,606,610,614,617,620 'met能量代谢计算':582 'min/km':358,361,366,369,442,448,571,580 'min/mile':573 'miss':776 'mmhg':310,333,336,650,653 'output':748 'p':299 'pearson相关系数':525 'permiss':769 'pressur':715 'progress':701 'r':294,528,542,545,548,551,555,559,562 'requir':767 'review':760 'rpe':658 'rpe变化':63 'run':702 'safeti':770 'scope':741 'skill':733 'skill-fitness-analyzer' 'source-sickn33' 'specif':755 'stop':761 'substitut':751 'success':773 'task':737 'tech':729 'test':757 'topic-agent-skills' 'topic-agentic-skills' 'topic-ai-agent-skills' 'topic-ai-agents' 'topic-ai-coding' 'topic-ai-workflows' 'topic-antigravity' 'topic-antigravity-skills' 'topic-claude-code' 'topic-claude-code-skills' 'topic-codex-cli' 'topic-codex-skills' 'tracker':286 'treat':746 'trend':688 'use':16,731 'v1.0':722 'valid':756 'vs':71 'wellal':728 'who/acsm/aha':140 'x':507 'xi':530,535 'x̄':531,536 'y':498,502 'yi':532,538 'ȳ':533,539 'σ':529,534,537 '一致性评分':91 '一般性建议':668 '一般性运动建议':630 '上升':161,178,192 '上升趋势':517 '下一步目标':443 '下午':82 '下降':47 '下降趋势':520 '不做到':631 '不构成医疗建议':624 '个性化建议生成':125 '中':40,119 '中等强度':223,321 '中等强度占主导':231 '中等相关':561 '主要数据源':451 '习惯养成建议':95 '习惯总结':90 '任务涉及跑步':20 '休息和恢复建议':138 '休息日充足':254 '休息日分布':87 '休闲':612 '优先选择有氧运动':323 '优势':246 '优化建议':94 '低':39 '低强度':220 '体重':101,482,585 '体重快速下降':661 '使用示例':683 '使用线性回归分析运动数据的时间趋势':496 '保持当前频率':215 '健康数据关联':476 '健身目标':471 '公式':497,527 '关节活动度改善':68 '其中':501 '具体运动处方设计':634 '内容':456,469 '减少运动频率':130 '分析':229,425 '分析内容':79 '分析周期':149,341 '分析结果':288 '分析维度':31 '分析能力范围':625 '分析运动与其他健康指标的相关性':98 '分析运动与血压相关性':709 '分析运动数据':4,10 '分析运动量':27 '分钟':171 '到1':116 '力量训练':21,240,615 '力量训练进步':60 '功能':24 '医学参考':329 '医学安全边界':621 '医疗建议':680 '单位':570 '占比':218,235 '卡路里':35,505 '卡路里消耗':176,583 '危险信号检测':636 '参考性建议':675 '变化':168,185,199,219 '变化幅度和百分比':48 '变量':290 '可以完成更长距离':405 '可以适当增加力量训练比例至30':243 '可能不健康':664 '同期':287 '周':164,167,172,181,184,195,198,206,211 '因果关系推断':122 '在分析过程中检测以下危险信号':637 '基于who':669 '基于用户数据':676 '基于用户数据生成个性化运动建议':126 '天':210 '完全正相关':547 '完全负相关':550 '完成半程马拉松':444 '定期更新':474 '实践建议':123,311,720 '容量提升':62 '小时':588 '尝试不同运动类型避免单调':260 '尝试间歇训练提升速度':449 '常用运动时间':80 '常见运动的met值':589 '平均10公里':194 '平均120分钟':163 '平均1440卡':183 '平均180分钟':166 '平均20公里':197 '平均960卡':180 '平均距离':397 '平均配速':355 '并提供个性化训练建议':7,13 '建议':214,242 '建议依据':139 '建议分级':665 '建议类型':127 '开始':162,179,193,352,382,408 '开始值':70 '弱':118 '弱相关':557 '强':120 '强度':217,460 '强度分布':216 '强度分布变化':38 '强度分布合理':230 '强度判断':554 '强度变化':694 '强度的变化趋势':29 '强度调整建议':132 '强相关':564 '强负相关':297 '当前':165,182,196,353,383,409 '当前值':72 '当前频率':204 '心率':461 '心率异常':639 '心率改善':59,406,706 '心肺功能显著改善':426 '快走':324 '快跑':602 '恢复建议':137 '恢复良好':255 '您的运动效果':334 '情绪':110 '意味着':304 '慢跑':325,597 '或':572 '截距':510 '技能版本':721 '指南':671 '指标':351,381,407 '控制在中等强度为主':267 '推荐尝试的运动类型':134 '支持与慢性病数据的关联分析':8 '支持的相关性分析':99 '支持的进步追踪':55 '收缩压':292,648 '收缩压平均下降3':308 '改善':45,354,384,410 '改善百分比':73 '改进建议':50,256 '效果显著':337 '数据合理性':487 '数据完整性':485 '数据来源':271 '数据源':450 '数据质量检查':484 '斜率':512 '无线性相关':553 '早晨':81 '时长':33,459,504 '时间':508,587 '时间一致性':489 '是否需要增加':129 '显著性检验':719 '晚上':83 '更新':473 '最佳运动时间':136 '最后更新':723 '最大心率':642 '最快配速':363 '最长单次距离':385 '月度总距离':391 '有助于体重管理':189 '本分析仅供健康参考':623 '柔韧性进步':67 '检查必要字段是否存在':486 '检查数值是否在合理范围内':488 '检查时间戳是否合理':490 '检测并处理重复记录':492 '每周4天':252 '每周5':315 '每周5-7天':314 '每周减重':662 '每周几天':85 '每周增加2次力量训练':258 '每周运动天数':37 '每周运动时长':291 '每增加30分钟运动':307 '每次运动30':319 '每次运动30-60分钟':318 '每次运动后更新':464 '注意运动强度不宜过高':266 '洞察与建议':245 '洞察和建议':695 '涉及疾病管理':681 '游泳':607 '状态':212 '瑜伽':238,618 '生成运动趋势报告':685 '用于分析两个变量之间的线性相关性':526 '用户健康状况':143 '用户健身目标':144 '用户档案':466,470 '用户运动历史数据':142 '疾病诊断':632 '目标频率':207 '相关性分析':97 '相关性分析报告':268 '相关性强度':117,296,718 '相关性计算和解释':629 '相关系数':114,289,293,717 '相同配速下心率降低':427 '相同配速心率':418 '睡眠':111 '示例':574 '示例1':684 '示例2':696 '示例3':708 '稳定':46,523 '符合有氧运动建议':232 '算法说明':493 '类型':458 '线性回归趋势分析':495 '统计数据':472 '统计显著性':121,298 '继续保持规律运动':313 '维护者':727 '耐力大幅提升':404 '耐力或柔韧性等维度的趋势与改进建议':22 '耐力显著提升':202 '耐力进步':64 '能做到':626 '至':153,279,345 '舒张压':651 '范围':540 '血压':104 '血压异常':647 '血压数据':283,478 '血压越低':306 '血糖':107 '血糖数据':480 '表现优秀':175 '规律有氧运动可降低收缩压5':331 '解读':173,187,201,302 '解释':514,544 '警示':264 '训练强度':18 '评估健身进展':6,12 '识别改善或需要调整的方面':30 '识别用户的运动习惯和模式':78 '识别运动模式':5,11 '走路':590 '趋势':160,177,191,377,403 '趋势分析报告':146 '趋势方向':44 '趋势方向和速度':513 '趋势显著性':49 '趋势识别和可视化':628 '跑步':236 '跑步进步':56 '跑步进步追踪':340 '距离':34,569 '距离增加':58 '距离延长':66 '距离等':462,506 '距离进步':380,705 '路径':454,467 '输出':43,69,89,113,690,703,716 '输出格式':145 '达成的里程碑':75 '达标':213 '过度训练迹象':655 '运动':100,103,106,109 '运动一致性评分':88 '运动与血压相关性分析':270 '运动习惯分析':77 '运动习惯或健身进展时使用':19 '运动分析器技能':9 '运动对情绪和睡眠的影响':112 '运动对血压的长期影响':105 '运动对血糖控制的效果':108 '运动强度建议':131 '运动心率':640 '运动感受持续下降':657 '运动指南':141 '运动指标':503 '运动损伤诊断和治疗':635 '运动数据':272 '运动数据统计和分析':627 '运动日志':453 '运动时长':159,568 '运动时长与收缩压呈强负相关':303 '运动时长增加':65 '运动时间建议':135 '运动消耗与体重变化的关系':102 '运动消耗增加':188 '运动类型':234 '运动类型偏好':86 '运动类型偏好变化':42 '运动类型分布':233 '运动类型建议':133 '运动记录':457 '运动越多':305 '运动趋势分析':26 '运动趋势分析报告':148 '运动距离':190 '运动进步追踪':52 '运动量':692 '运动量显著增加':174 '运动量稳定增长':248 '运动量趋势':32,158 '运动频率':203 '运动频率建议':128 '运动频率模式':84 '运动频率稳定':251 '运动频率趋势':36 '运动风险评估':633 '进步可视化':74 '进步显著':379 '进步追踪报告':338 '连续7天高强度运动':656 '追踪特定运动类型的进步情况':53 '追踪跑步进步':697 '适当增加高强度间歇训练':262 '适用于一般人群':672 '避免憋气动作和突然爆发性运动':328 '配速':567,576 '配速持续稳定提升':378 '配速提升':57 '配速提升至5':446 '配速突破6':440 '配速计算':566 '配速进步':350,704 '里程碑':428 '里程碑达成':707 '重复数据':491 '重要声明':622 '重量增加':61 '量化健身效果':54 '降低约10':335 '需医生确认':682 '需结合个人情况':677 '需要分析运动记录':17 '需要把运动数据与其他健康模块做关联分析时使用':23 '静息心率':411,643 '频率':28,463,693 '首次完成10公里跑':436 '首次完成5公里跑':432 '骑行':326,611 '高度显著':301 '高强度':226 '高强度占比':41","prices":[{"id":"78f80699-6304-46db-827d-a2f0877ba7db","listingId":"063f4882-3baf-4821-8137-6355893d6ea5","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"sickn33","category":"antigravity-awesome-skills","install_from":"skills.sh"},"createdAt":"2026-04-18T21:37:16.958Z"}],"sources":[{"listingId":"063f4882-3baf-4821-8137-6355893d6ea5","source":"github","sourceId":"sickn33/antigravity-awesome-skills/fitness-analyzer","sourceUrl":"https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/fitness-analyzer","isPrimary":false,"firstSeenAt":"2026-04-18T21:37:16.958Z","lastSeenAt":"2026-04-24T00:50:57.012Z"}],"details":{"listingId":"063f4882-3baf-4821-8137-6355893d6ea5","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"sickn33","slug":"fitness-analyzer","github":{"repo":"sickn33/antigravity-awesome-skills","stars":34793,"topics":["agent-skills","agentic-skills","ai-agent-skills","ai-agents","ai-coding","ai-workflows","antigravity","antigravity-skills","claude-code","claude-code-skills","codex-cli","codex-skills","cursor","cursor-skills","developer-tools","gemini-cli","gemini-skills","kiro","mcp","skill-library"],"license":"mit","html_url":"https://github.com/sickn33/antigravity-awesome-skills","pushed_at":"2026-04-24T00:28:59Z","description":"Installable GitHub library of 1,400+ agentic skills for Claude Code, Cursor, Codex CLI, Gemini CLI, Antigravity, and more. Includes installer CLI, bundles, workflows, and official/community skill collections.","skill_md_sha":"2fa99b8df13871734455d532c11856a883792bf0","skill_md_path":"skills/fitness-analyzer/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/fitness-analyzer"},"layout":"multi","source":"github","category":"antigravity-awesome-skills","frontmatter":{"name":"fitness-analyzer","description":"分析运动数据、识别运动模式、评估健身进展，并提供个性化训练建议。支持与慢性病数据的关联分析。"},"skills_sh_url":"https://skills.sh/sickn33/antigravity-awesome-skills/fitness-analyzer"},"updatedAt":"2026-04-24T00:50:57.012Z"}}