---

name: nutrition-analyzer description: 分析营养数据、识别营养模式、评估营养状况，并提供个性化营养建议。支持与运动、睡眠、慢性病数据的关联分析。 allowed-tools: Read, Grep, Glob, Write risk: unknown source: community

营养分析器技能

分析饮食和营养数据，识别营养模式，评估营养状况，并提供个性化营养改善建议。

适用场景

• 需要分析营养摄入、饮食模式或营养素达标情况时使用。
• 任务涉及宏量/微量营养素评估、RDA 对比、饮食趋势或膳食改进建议。
• 需要把营养数据与运动、睡眠或慢性病数据关联分析时使用。

功能

1. 营养趋势分析

分析营养素摄入的变化趋势，识别改善或需要关注的方面。

分析维度：

• 宏量营养素趋势（蛋白质、碳水、脂肪、纤维、卡路里）
• 微量营养素趋势（维生素、矿物质）
• 热量来源分布变化
• 餐食模式（饮食时间、频率）
• 食物类别偏好

输出：

• 趋势方向（改善/稳定/下降）
• 变化幅度和百分比
• 趋势显著性
• 改进建议

2. 营养素摄入评估

评估营养素摄入是否达到推荐标准（RDA/AI）。

评估内容：

• 宏量营养素评估：

  • 蛋白质摄入量和质量
  • 碳水化合物类型分布（精制 vs 复杂碳水）
  • 脂肪类型分布（饱和/单不饱和/多不饱和/反式脂肪）
  • 膳食纤维摄入量

• 维生素评估：

  • 维生素A、C、D、E、K
  • 维生素B族（B1、B2、B3、B6、B12、叶酸、泛酸、生物素）
  • 与RDA对比
  • 缺乏风险评估

• 矿物质评估：

  • 常量矿物质：钙、磷、镁、钠、钾、氯、硫
  • 微量矿物质：铁、锌、铜、锰、碘、硒、铬、钼
  • 与RDA对比
  • 缺乏风险评估

• 特殊营养素评估：

  • Omega-3脂肪酸（EPA、DHA、ALA）
  • 胆碱
  • 辅酶Q10
  • 植物化学物（类黄酮、类胡萝卜素等）

输出：

• 每种营养素的达成率
• 缺乏/不足/充足/过量分级
• 缺乏风险识别
• 优先改善建议

3. 营养状况评估

综合评估用户的营养状况。

评估内容：

• 整体营养质量评分：

  • 营养密度评分
  • 食物多样性评分
  • 均衡饮食评分

• 营养模式识别：

  • 饮食模式类型（地中海式、DASH、素食等）
  • 饮食时间模式（进食频率、进食窗口）
  • 零食和加餐模式

• 营养风险识别：

  • 营养缺乏风险（如维生素D缺乏、铁缺乏）
  • 营养过量风险（如维生素A过量、钠过量）
  • 不健康饮食习惯（高糖、高脂、高钠）

输出：

• 营养状况等级（优秀/良好/一般/较差）
• 主要营养问题识别
• 风险因素列表
• 改善优先级

4. 相关性分析

分析营养与其他健康指标的相关性。

支持的相关性分析：

• 营养 ↔ 体重：

  • 卡路里摄入与体重变化的关系
  • 宏量营养素比例与体重管理
  • 进食时间与代谢关系

• 营养 ↔ 运动：

  • 营养摄入对运动表现的影响
  • 运动日vs休息日的营养需求
  • 蛋白质摄入与肌肉恢复

• 营养 ↔ 睡眠：

  • 咖啡因摄入与睡眠质量
  • 晚餐时间与入睡时间
  • 特定营养素（如镁、色氨酸）与睡眠

• 营养 ↔ 血压：

  • 钠摄入与血压
  • 钾/钠比值与血压
  • DASH饮食依从性与血压控制

• 营养 ↔ 血糖：

  • 碳水化合物类型与血糖波动
  • 膳食纤维与血糖控制
  • 进食时间与血糖曲线

输出：

• 相关系数（-1到1）
• 相关性强度（弱/中/强）
• 统计显著性
• 因果关系推断
• 实践建议

5. 个性化建议生成

基于用户数据生成个性化营养改善建议。

建议类型：

• 营养素调整建议：

  • 增加缺乏的营养素
  • 减少过量的营养素
  • 优化营养素比例

• 食物选择建议：

  • 推荐特定食物类别
  • 食物替换建议（更健康的选择）
  • 食物搭配建议（促进吸收）

• 饮食习惯建议：

  • 进食时间调整
  • 餐食频率调整
  • 烹饪方式建议

• 补充剂建议（仅供参考）：

  • 基于缺乏风险的补充剂建议
  • 补充剂剂量和时机
  • 相互作用警示

建议依据：

• DRIs/RDA标准
• 用户营养历史数据
• 用户健康状况和目标
• 循证营养学证据

---

使用说明

触发条件

当用户请求以下内容时触发本技能：

• 营养趋势分析
• 营养素摄入评估
• 营养状况评估
• 营养改善建议
• 营养与其他健康指标的关联分析

执行步骤

步骤 1: 确定分析范围

明确用户请求的分析类型和时间范围：

• 分析类型：趋势/评估/相关性/建议
• 时间范围：周/月/季度/自定义
• 分析深度：宏量营养素/微量营养素/全面分析

步骤 2: 读取数据

主要数据源：

1. data-example/nutrition-tracker.json - 营养追踪主数据
2. data-example/nutrition-logs/YYYY-MM/YYYY-MM-DD.json - 每日饮食记录

关联数据源：

1. data-example/profile.json - 体重、BMI等基础数据
2. data-example/fitness-tracker.json - 运动数据
3. data-example/sleep-tracker.json - 睡眠数据
4. data-example/hypertension-tracker.json - 血压数据
5. data-example/diabetes-tracker.json - 血糖数据

步骤 3: 数据分析

根据分析类型执行相应的分析算法：

趋势分析算法：

• 线性回归计算趋势斜率
• 移动平均平滑波动
• 统计显著性检验

RDA达成率计算：

rda_achievement = (actual_intake / rda_value) * 100

status_classification:
- < 50%: 严重缺乏
- 50-75%: 不足
- 75-100%: 接近目标
- 100-150%: 充足（理想范围）
- > 150%: 过量（注意安全上限UL）

营养密度评分：

nutrient_density_score = (
    (vitamins_achieved / total_vitamins) * 40 +
    (minerals_achieved / total_minerals) * 30 +
    (fiber_achieved / fiber_rda) * 30
)

相关性分析算法：

• Pearson相关系数计算
• 滞后相关性分析（考虑时间延迟效应）
• 多变量回归分析

步骤 4: 生成报告

按照标准格式输出分析报告（见"输出格式"部分）