nutrition-analyzer

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

---

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：

```python

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：

```python

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）

---

营养趋势分析报告

```markdown

# 营养摄入趋势分析报告

2025-03-20 至 2025-06-20（3个月，90天记录）

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）

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

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/天
• 状态：✅ 达标

胆碱

• 趋势：➡️ 稳定
• 平均：350mg/天
• AI（适宜摄入量）：425mg/天
• 达标率：82%
• 主要来源：鸡蛋（60%）、肉类（25%）、豆类（15%）

食物类别分布

| 食物类别 | 占比 | 变化 | 评价 |

|---------|------|------|------|

| 蔬菜水果 | 35% | +8% | ✅ 增加 |

| 全谷物 | 20% | +5% | ✅ 改善 |

| 精制谷物 | 15% | -7% | ✅ 减少 |

| 蛋白质来源 | 20% | 稳定 | ✅ 充足 |

| 添加脂肪 | 8% | -3% | ✅ 减少 |

| 添加糖 | 2% | -2% | ✅ 减少 |

进食时间模式

• 平均进食窗口：12.5小时（07:30 - 20:00）
• 进食频率：平均4.2次/天
• 最常见餐食时间：

- 早餐：07:30（90%天数）

- 午餐：12:15（95%天数）

- 晚餐：18:45（98%天数）

- 加餐：15:30（60%天数）

饮食质量评分

• 营养密度评分：7.2/10（从6.5提升）
• 食物多样性评分：6.8/10
• 均衡饮食评分：7.5/10
• 综合评分：7.2/10 → 良好

关键洞察

1. 膳食纤维持续改善但仍不足

- 从18g增至22g，但仍低于目标30g

- 影响：饱腹感、肠道健康、血糖控制

- 建议：每餐至少包含5g纤维

1. 脂肪质量改善

- 饱和脂肪减少，反式脂肪几乎消除

- 多不饱和脂肪略低，需增加Omega-3食物

- 建议：增加深海鱼类、坚果、亚麻籽

1. 钠摄入改善但钾/钠比仍低

- 钠减少33%，钾增加14%

- 钾/钠比从1.0升至1.5，仍低于目标2.0

- 建议：继续增加高钾食物（香蕉、橙子、土豆、菠菜）

1. 维生素D补充剂有效

- 血清水平从18升至22 ng/mL（4周+4ng）

- 预计3-4个月可达目标范围

- 建议：继续补充，定期监测

优先级行动计划

#### Priority 1：提升膳食纤维至30g/天（2周）

具体行动：

1. 早餐：全谷物（燕麦/全麦面包）+ 水果（9g）
2. 午餐：糙米/全麦面 + 2份蔬菜（8g）
3. 晚餐：红薯/杂粮 + 2份蔬菜（8g）
4. 加餐：水果 + 坚果（5g）

总计：30g ✅

#### Priority 2：优化钾/钠比值至2.0（4周）

具体行动：

1. 减少加工食品（主要钠源）
2. 每日2-3份高钾水果（香蕉、橙子、猕猴桃）
3. 蔬菜选择菠菜、土豆、蘑菇、番茄
4. 使用香料替代盐调味

#### Priority 3：维持维生素D补充（长期）

监测计划：

• 3个月后复查血清水平
• 目标：40-60 ng/mL
• 根据结果调整剂量

| 目标 | 开始 | 当前 | 目标值 | 进度 | 状态 |

|------|------|------|--------|------|------|

| 卡路里 | 2100 | 1950 | 1800-2000 | 100% | ✅ 达标 |

| 蛋白质 | 75g | 82g | 80g | 100% | ✅ 达标 |

| 膳食纤维 | 18g | 22g | 30g | 73% | ⚠️ 进行中 |

| 维生素D | 18 ng/mL | 22 ng/mL | 30-100 | 20% | ⚠️ 改善中 |

| 钠摄入 | 2800mg | 2100mg | <2300 | 100% | ✅ 达标 |

| Omega-3 | 150mg | 850mg | 500-1000mg | 100% | ✅ 达标 |

---

报告生成时间：2025-06-20

分析周期：2025-03-20 至 2025-06-20（90天）

数据记录数：90天

营养分析器版本：v1.0

```

---

饮食记录数据

```json

{

"date": "2025-06-20",

"meals": [

{

"type": "breakfast",

"time": "07:30",

"foods": ["鸡蛋", "牛奶", "全麦面包"],

"calories": 450,

"macronutrients": {

"protein_g": 20,

"carbs_g": 55,

"fat_g": 15,

"fiber_g": 5,

"saturated_fat_g": 5,

"monounsaturated_fat_g": 6,

"polyunsaturated_fat_g": 3,

"trans_fat_g": 0.1

},

"micronutrients": {

"vitamin_a_mcg": 150,

"vitamin_c_mg": 5,

"vitamin_d_mcg": 1.5,

"vitamin_e_mg": 1,

"vitamin_k_mcg": 5,

"thiamine_mg": 0.3,

"riboflavin_mg": 0.4,

"niacin_mg": 4,

"vitamin_b6_mg": 0.1,

"folate_mcg": 30,

"vitamin_b12_mcg": 0.6,

"calcium_mg": 250,

"iron_mg": 2,

"magnesium_mg": 40,

"phosphorus_mg": 200,

"zinc_mg": 2,

"selenium_mcg": 10,

"potassium_mg": 350,

"sodium_mg": 300

},

"special_nutrients": {

"omega_3_g": 0.1,

"choline_mg": 150

}

}

],

"daily_summary": {

"total_calories": 2000,

"total_macronutrients": {

"protein_g": 80,

"carbs_g": 250,

"fat_g": 65,

"fiber_g": 30

},

"rda_achievement": {

"protein": 100,

"vitamin_c": 85,

"vitamin_d": 35,

"calcium": 90,

"iron": 75

},

"goal_achieved": true

}

}

```

---

RDA达成率计算

```python

def calculate_rda_achievement(actual_intake, rda_value, ul_value=None):

"""

计算RDA达成率和状态

参数：

- actual_intake: 实际摄入量

- rda_value: 推荐膳食供给量

- ul_value: 可耐受最高摄入量（可选）

返回：

- achievement_rate: 达成率百分比

- status: 状态标签

"""

achievement_rate = (actual_intake / rda_value) * 100

if ul_value and actual_intake > ul_value:

status = "exceeds_ul"

category = "过量（危险）"

elif achievement_rate < 50:

status = "severe_deficiency"

category = "严重缺乏"

elif achievement_rate < 75:

status = "insufficient"

category = "不足"

elif achievement_rate < 100:

status = "approaching_target"

category = "接近目标"

elif achievement_rate <= 150:

status = "adequate"

category = "充足"

else:

status = "high_intake"

category = "较高"

return {

'achievement_rate': round(achievement_rate, 1),

'status': status,

'category': category

}

```

营养密度评分

```python

def calculate_nutrient_density_score(meal_data):

"""

计算食物营养密度评分（0-10分）

因素权重：

- 维生素达成率：40%

- 矿物质达成率：30%

- 膳食纤维：20%

- 限制性营养素（饱和脂肪、钠、添加糖）：10%

"""

score = 0

# 维生素评分

vitamin_achievements = [

meal_data['micronutrients'][v] / RDA[v]

for v in ['vitamin_a', 'vitamin_c', 'vitamin_d', 'vitamin_e', 'vitamin_k']

]

vitamin_score = min(sum(vitamin_achievements) / len(vitamin_achievements), 1.5) * 10

score += min(vitamin_score, 10) * 0.40

# 矿物质评分

mineral_achievements = [

meal_data['micronutrients'][m] / RDA[m]

for m in ['calcium', 'iron', 'magnesium', 'zinc']

]

mineral_score = min(sum(mineral_achievements) / len(mineral_achievements), 1.5) * 10

score += min(mineral_score, 10) * 0.30

# 膳食纤维评分

fiber_score = min(meal_data['macronutrients']['fiber_g'] / 5, 2) * 10

score += min(fiber_score, 10) * 0.20

# 限制性营养素扣分

penalty = 0

if meal_data['macronutrients']['saturated_fat_g'] > 10:

penalty += 2

if meal_data['micronutrients']['sodium_mg'] > 600:

penalty += 2

if meal_data.get('added_sugars_g', 0) > 10:

penalty += 2

score = max(0, score - penalty * 0.10)

return round(score, 1)

```

健康饮食指数评分

```python

def calculate_healthy_eating_index(daily_data):

"""

计算健康饮食指数（HEI-2015改编）

评分范围：0-100分

"""

score = 0

# 充足性成分（满分50分）

# 1. 水果（5分）

fruit_servings = daily_data['fruit_servings']

score += min(fruit_servings, 2.5) * 2

# 2. 蔬菜（5分）

veg_servings = daily_data['vegetable_servings']

score += min(veg_servings, 3) * 1.67

# 3. 全谷物（10分）

whole_grains_oz = daily_data['whole_grains_oz']

score += min(whole_grains_oz, 3) * 3.33

# 4. 乳制品（10分）

dairy_servings = daily_data['dairy_servings']

score += min(dairy_servings, 3) * 3.33

# 5. 蛋白质（5分）

protein_oz = daily_data['protein_oz']

score += min(protein_oz, 5) * 1

# 6. 海鲜/植物蛋白（5分）

plant_protein_oz = daily_data['plant_protein_oz']

score += min(plant_protein_oz, 2) * 2.5

# 7. 脂肪酸比例（10分）

fat_ratio = daily_data['unsaturated_fat_g'] / max(daily_data['saturated_fat_g'], 1)

score += min(fat_ratio, 2.5) * 4

# 适度性成分（满分40分，反向计分）

# 8. 精制谷物（10分，越少越好）

refined_grains_oz = daily_data['refined_grains_oz']

score += max(10 - refined_grains_oz * 2, 0)

# 9. 钠（10分，越少越好）

sodium_g = daily_data['sodium_mg'] / 1000

score += max(10 - sodium_g * 2, 0)

# 10. 添加糖（10分，越少越好）

added_sugars_pct = daily_data['added_sugars_g'] / (daily_data['total_calories'] / 100)

score += max(10 - added_sugars_pct * 10, 0)

# 11. 饱和脂肪（10分，越少越好）

saturated_fat_pct = daily_data['saturated_fat_g'] / (daily_data['total_calories'] / 100)

score += max(10 - saturated_fat_pct * 10, 0)

return round(score, 1)

```

---

⚠️ 重要声明

本分析仅供健康参考，不构成医疗诊断或营养处方。

分析能力范围

✅ 能做到：

• 营养数据统计和分析
• 趋势识别和可视化
• RDA达成率计算
• 营养缺乏风险评估
• 一般性营养建议
• 补充剂相互作用检查

❌ 不做到：

• 诊断营养缺乏疾病
• 开具补充剂处方
• 替代注册营养师
• 处理严重营养不良
• 评估食物过敏

危险信号检测

在分析过程中检测以下危险信号：

1. 营养素过量：

- 维生素A > 3000μg（长期）

- 维生素D > 100μg（长期）

- 铁 > 45mg（长期）

- 硒 > 400μg

- 钠 > 2300mg（持续）

1. 营养素缺乏：

- 维生素D < 10μg/天（血清<12 ng/mL）

- 维生素B12 < 1.5μg/天（素食者）

- 铁 < 6mg/天（育龄女性）

- 钙 < 500mg/天

1. 能量摄入异常：

- 持续<1200卡/天（可能营养不良）

- 持续>3500卡/天（可能超重）

1. 饮食模式异常：

- 膳食纤维<10g/天

- 添加糖>25%热量

- 饱和脂肪>15%热量

建议分级

Level 1: 一般性建议

• 基于DRIs/RDA标准
• 适用于一般人群
• 无需医疗监督

Level 2: 参考性建议

• 基于用户数据和健康状况
• 需结合个人情况
• 建议咨询营养师

Level 3: 医疗建议

• 涉及疾病管理或补充剂
• 需医生确认
• 不得自行调整药物剂量

---

• 中国居民膳食营养素参考摄入量 (DRIs)：http://www.cnsoc.org/
• 美国膳食指南：https://www.dietaryguidelines.gov/
• USDA FoodData Central：https://fooddatacentral.usda.gov/
• WHO营养建议：https://www.who.int/nutrition/
• 补充剂相互作用数据库：https://naturalmedicines.therapeuticresearch.com/

---

技能版本: v1.0

创建日期: 2026-01-06

维护者: WellAlly Tech