Nutrition Analyzer

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）

输出格式

营养趋势分析报告

# 营养摄入趋势分析报告

## 分析周期
2025-03-20 至 2025-06-20（3个月，90天记录）

## 宏量营养素趋势

### 卡路里摄入
- **趋势**：⬇️ 下降
- **开始**：平均2100卡/天
- **当前**：平均1950卡/天
- **变化**：-150卡/天 (-7.1%)
- **解读**：卡路里摄入适度减少，与减重目标一致

**趋势线**：

2100 ┤ ╭╮ 2050 ┤ ╭╯╰╮ 2000 ┼─╯ ╰╮ 1950 ┤ ╰ 1900 └─────────── 3月 4月 5月 6月

### 蛋白质
- **趋势**：➡️ 稳定
- **平均**：82g/天（范围：70-95g）
- **目标**：80g/天
- **达标率**：93%（84/90天达标）
- **解读**：蛋白质摄入稳定，基本达标

### 膳食纤维
- **趋势**：⬆️ 改善
- **开始**：平均18g/天
- **当前**：平均22g/天
- **变化**：+4g/天 (+22%)
- **目标**：30g/天
- **解读**：纤维摄入显著增加，但仍需继续努力

### 脂肪
- **趋势**：⬇️ 下降
- **开始**：平均75g/天
- **当前**：平均68g/天
- **变化**：-7g/天 (-9.3%)
- **目标**：≤65g/天
- **解读**：脂肪摄入减少，接近目标

**脂肪类型分布变化**：
| 脂肪类型 | 开始 | 当前 | 目标 | 趋势 |
|---------|------|------|------|------|
| 饱和脂肪 | 25g | 20g | <20g | ⬇️ 改善 |
| 单不饱和 | 30g | 32g | >35g | ⬆️ 略增 |
| 多不饱和 | 15g | 12g | 15-20g | ⬇️ 需增加 |
| 反式脂肪 | 2g | 0.5g | 0g | ⬇️ 改善 |

## 维生素状况趋势

### 维生素D
- **摄入趋势**：⬆️ 增加（补充剂开始）
- **开始**：平均2μg/天（饮食来源）
- **当前**：平均52μg/天（含2000IU补充剂）
- **RDA**：15μg/天
- **血清水平变化**：
  - 基线（2025-05）：18 ng/mL
  - 当前（2025-06）：22 ng/mL
  - 目标：30-100 ng/mL
- **解读**：✅ 补充剂起效，但需继续监测

### 维生素C
- **趋势**：⬆️ 改善
- **开始**：平均65mg/天
- **当前**：平均85mg/天
- **RDA**：100mg/天
- **达标率**：从65% → 85%
- **建议**：增加柑橘类、奇异果、草莓等水果

### B族维生素
- **维生素B12**：✅ 充足（平均2.5μg，RDA 2.4μg）
- **叶酸**：⚠️ 不足（平均320μg，RDA 400μg）
- **B6**：✅ 充足（平均1.5mg，RDA 1.3mg）

## 矿物质趋势

### 钙
- **趋势**：➡️ 稳定
- **平均**：850mg/天
- **RDA**：1000mg/天
- **达标率**：85%
- **主要来源**：乳制品40%、豆腐25%、绿叶蔬菜20%

### 铁
- **趋势**：✅ 充足
- **平均**：12mg/天
- **RDA**：8mg/天（男性）
- **达标率**：150%
- **主要来源**：肉类、蛋类、豆类、绿叶蔬菜

### 钠
- **趋势**：⬇️ 改善
- **开始**：平均2800mg/天
- **当前**：平均2100mg/天
- **目标**：<2300mg/天（理想<1500mg）
- **解读**：✅ 达到一般目标，⚠️ 理想目标仍需努力

### 钾
- **趋势**：⬆️ 改善
- **开始**：平均2800mg/天
- **当前**：平均3200mg/天
- **目标**：3500-4700mg/天
- **钾/钠比值**：从1.0 → 1.5（目标>2）
- **建议**：继续增加水果和蔬菜

## 特殊营养素趋势

### Omega-3
- **趋势**：⬆️ 增加（鱼油补充剂）
- **开始**：平均150mg/天
- **当前**：平均850mg/天（含补充剂）
- **推荐量**：500-1000mg/