Lark Workflow Health Diary

数据初始化

Base 表结构

表 1：饮食记录 (diet_log)

表 2：身体状态 (body_status)

表 3：关联分析 (correlation)

初始化命令

# 注意：+table-create 可能部分成功，需捕获错误后用 +field-create 补字段
# 注意：连续创建字段会触发限流（错误码 800004135），每次调用间隔至少 1 秒
lark-cli base +table-create --name "饮食记录" --fields '[
  {"name":"日期","type":"datetime"},
  {"name":"餐次","type":"select","multiple":false,"options":[{"name":"早餐"},{"name":"午餐"},{"name":"晚餐"},{"name":"加餐"},{"name":"夜宵"}]},
  {"name":"时间","type":"datetime"},
  {"name":"食物列表","type":"text"},
  {"name":"食物详情","type":"text"},
  {"name":"照片链接","type":"link"},
  {"name":"估算热量","type":"number"},
  {"name":"备注","type":"text"},
  {"name":"创建时间","type":"datetime"}
]'
lark-cli base +table-create --name "身体状态" --fields '[
  {"name":"日期","type":"datetime"},
  {"name":"时间","type":"datetime"},
  {"name":"状态类型","type":"select","multiple":false,"options":[{"name":"胃部不适"},{"name":"头痛"},{"name":"失眠"},{"name":"疲劳"},{"name":"过敏"},{"name":"皮肤"},{"name":"情绪"},{"name":"其他"}]},
  {"name":"严重程度","type":"select","multiple":false,"options":[{"name":"轻微"},{"name":"中等"},{"name":"严重"}]},
  {"name":"状态描述","type":"text"},
  {"name":"可能诱因","type":"text"},
  {"name":"持续时间","type":"text"},
  {"name":"缓解方式","type":"text"},
  {"name":"创建时间","type":"datetime"}
]'
lark-cli base +table-create --name "关联分析" --fields '[
  {"name":"食物","type":"text"},
  {"name":"状态","type":"text"},
  {"name":"出现次数","type":"number"},
  {"name":"时间差模式","type":"text"},
  {"name":"关联强度","type":"select","multiple":false,"options":[{"name":"低"},{"name":"中"},{"name":"高"}]},
  {"name":"最近出现日期","type":"datetime"},
  {"name":"备注","type":"text"}
]'

模式一：记录饮食

方式 A：照片识别

用户通过飞书消息发送食物照片：

# 获取图片消息
lark-cli im +messages-resources-download --message-id "<message_id>" --file-key "<file_key>"

AI 处理：

1. 使用多模态能力识别照片中的食物
2. 提示用户确认或补充："收到，晚餐是肉酱披萨，吃了几片？"
3. 用户回复后，记录到饮食记录表

方式 B：文字描述

用户直接描述吃了什么：

• "午餐吃了米饭、红烧肉和青菜"
• "下午喝了一杯拿铁"

AI 处理：

1. 解析食物名称
2. 如有模糊描述，追问细节（如"咖啡加了什么？全脂牛奶还是燕麦奶？"）
3. 估算热量（可选）
4. 记录到饮食记录表

记录命令

lark-cli base +record-upsert --table-id "<diet_table_id>" --json '{
  "日期": "2026-03-31",
  "餐次": "午餐",
  "时间": "2026-03-31 12:30:00",
  "食物列表": "米饭,红烧肉,青菜",
  "食物详情": "米饭一碗、红烧肉约200g、炒青菜一份",
  "备注": ""
}'

模式二：记录身体状态

用户描述身体状态：

• "今天胃不舒服" → 记录：状态类型=胃部不适
• "昨晚失眠了，大概凌晨3点才睡着" → 记录：状态类型=失眠
• "吃完午饭头有点晕" → 记录：状态类型=头痛 + 可能诱因=午餐

lark-cli base +record-upsert --table-id "<body_table_id>" --json '{
  "日期": "2026-03-31",
  "时间": "2026-03-31 14:00:00",
  "状态类型": "胃部不适",
  "严重程度": "中等",
  "状态描述": "午饭后胃有点胀，持续约1小时",
  "可能诱因": "午餐吃的太快"
}'

模式三：关联分析

AI 自动分析饮食和身体状态之间的关联：

分析逻辑

1. 时间窗口匹配：查找身体状态出现前 2-24 小时内的饮食记录
2. 频率统计：统计每种食物与每种身体状态的共现频率
3. 时间差模式：分析食物食用到症状出现的时间间隔规律
4. 排除常见因素：排除普遍出现的食物（如米饭、水），聚焦特异性食物

分析命令

# 获取最近 30 天的数据
lark-cli base +record-list --table-id "<diet_table_id>" --filter '...日期 >= "30天前"'
lark-cli base +record-list --table-id "<body_table_id>" --filter '...日期 >= "30天前"'

AI 分析输出

## 饮食-身体状态关联分析（过去 30 天）

### 发现的关联模式
| 食物 | 身体状态 | 出现次数 | 典型时间差 | 关联强度 |
|------|---------|---------|-----------|---------|
| 冰美式 | 胃部不适 | 3次 | 1-2小时 | 高 |
| 辣味火锅 | 失眠 | 2次 | 6-8小时 | 中 |

### 建议
- 冰美式可能与你的胃部不适有较强关联，建议减少摄入或改用热饮
- 辣味火锅后出现失眠，建议避免晚餐食用辛辣食物

更新关联分析表

lark-cli base +record-upsert --table-id "<correlation_table_id>" --json '{
  "食物": "冰美式",
  "状态": "胃部不适",
  "出现次数": 3,
  "时间差模式": "1-2小时",
  "关联强度": "高"
}'

模式四：主动提醒

当用户记录身体状态时，AI 主动检查关联分析表：

lark-cli base +record-list --table-id "<correlation_table_id>" --filter '...关联强度 IN ("高","中")'

如果当前饮食包含高风险食物，立即提醒：

提醒：你今天喝了冰美式，之前 3 次喝冰美式后 1-2 小时内都出现了胃部不适。
建议：注意观察，如果出现不适请记录。

模式五：周报生成

每周生成健康报告并保存为飞书文档：

报告内容

## 健康周报（{日期范围}）

### 饮食概览
- 记录天数：N 天
- 总餐次：N 次
- 饮食规律性：{评价}

### 身体状态概览
- 记录不适：N 次
- 主要症状：{列表}
- 严重程度分布：轻微 N 次、中等 N 次、严重 N 次

### 本周新发现
- {新发现的关联模式}

### 趋势对比（vs 上周）
- 饮食多样性：{变化}
- 不适频率：{变化}

### 建议
- {个性化建议}

生成命令

lark-cli doc +create --title "健康周报 ({日期范围})" --markdown "<报告内容>"

权限表

参考

• lark-shared — 认证、权限（必读）
• lark-im — +chat-messages-list、+messages-resources-download、+messages-send 详细用法
• lark-base — +table-create、+record-list、+record-upsert、+data-query 详细用法
• lark-doc — +create 详细用法