本地优先智能健康报告系统：从Markdown日志到自动化健康管理

1. 项目概述：一个本地优先的智能健康报告系统

如果你和我一样，长期使用Markdown记录每日的饮食、运动、体重和用药情况，那么你很可能也面临过同样的困境：这些零散的数据躺在硬盘里，除了偶尔翻看，很难形成系统性的洞察。我们记录，是为了更好地管理健康，但如何从“记录”跨越到“管理”，中间往往缺少一个桥梁。Health-Mate正是为了解决这个问题而生。它不是一个全新的数据录入工具，而是一个智能的“数据翻译官”和“策略分析师”。它的核心工作是：读取你按照特定格式写好的本地Markdown健康日志，通过内置的智能引擎进行分析、评分和可视化，最终生成结构清晰、可直接用于复盘或就医参考的日报、周报和月报PDF。

这个项目的独特之处在于其“本地优先”的设计哲学。在数据隐私日益重要的今天，Health-Mate将最核心的数据解析、评分计算、图表生成乃至AI评论生成都设计为在本地完成。这意味着你的敏感健康数据无需上传到任何云端服务器，从根本上杜绝了隐私泄露的风险。只有当你有明确需求时（比如需要联网查询医院信息），才会通过可选的API进行外部交互。它支持中文、英文和日文三种语言，并能根据你的健康目标（如减脂、增肌、或管理胆结石、高血压等慢性病）自动切换报告的内容重点和视觉呈现，我称之为“双引擎动态分支”架构。接下来，我将详细拆解这个系统的设计思路、核心配置、实操细节以及我踩过的一些坑，希望能帮助你快速上手并发挥其最大价值。

2. 核心设计思路与双引擎架构解析

2.1 为什么是“报告驱动”而非“应用驱动”？

市面上大多数健康管理应用都是“应用驱动”的：你需要打开一个App，在它设计的界面里点击、输入。这种方式固然方便，但也将你锁定在了特定的数据格式和平台上。Health-Mate反其道而行之，采用“报告驱动”模式。它的逻辑是：你用什么工具记录数据不重要，只要你最终能产出一份结构化的Markdown文件，我就能将其转化为有价值的报告。

这种设计带来了几个显著优势：

1. 数据主权：你的原始数据是纯文本的Markdown文件，存储在你的本地硬盘上。你可以用任何文本编辑器、笔记软件（如Obsidian、Logseq）甚至命令行工具来维护它，完全自由。
2. 极低的迁移成本：你不需要从旧应用导出复杂的数据包。只需要按照Health-Mate的协议（后文会详述）整理成Markdown格式即可。
3. 可扩展性：Markdown的灵活性允许你轻松添加自定义的监测模块（如血压、血糖），系统能自动识别并纳入分析。
4. 自动化友好：结构化的文本文件是脚本和自动化工具的天然好朋友，这使得定时生成报告、集成到工作流中变得非常简单。

2.2 双引擎动态分支：一套系统，两种视角

这是Health-Mate最精妙的设计之一。系统会根据你在配置文件（user_config.json）中设置的population_branch参数，在底层切换两套完全不同的报告生成逻辑和视觉模板。

2.2.1 疾病管理模式当population_branch设置为disease时，系统会判定你处于慢性病管理状态（如胆结石、高血压、糖尿病）。此时，报告的核心将围绕“病理生理学”展开。

• 图表重点：不再是简单的热量趋势，而是会生成“脂肪摄入量与症状频率关联图”（针对胆结石）、“血压箱线图”（针对高血压）、“血糖趋势与用药时间关联图”等具有明确临床指导意义的可视化图表。
• 分析维度：着重分析药物依从性（漏服、时间偏差）、高风险食物触发因素与症状发作的相关性。
• 月报特色：会生成一个“医疗规划”板块。系统会利用本地LLM（大型语言模型）或可选的Tavily网络检索API，尝试为你推荐适合你居住地的、真实的医院、科室乃至医生信息，并给出基于指南的复诊提醒建议。例如，一份胆结石月报可能会建议：“建议前往四川大学华西医院 → 肝胆外科 → 周永碧主任医师处复诊”。

2.2.2 健身与健康模式当population_branch设置为lifestyle时，系统会聚焦于健康优化和身体成分管理（如均衡饮食、减脂、增肌）。

• 图表重点：采用“去医疗化”的可视化，例如“能量平衡瀑布图”（清晰展示摄入、消耗、盈余/赤字）、“四周习惯养成进度条”、“去脂体重与脂肪质量趋势对比图”。
• 分析维度：关注宏观营养素（蛋白质、碳水、脂肪）的达标率、训练负荷的渐进性、睡眠与恢复质量。
• 月报特色：会生成“下月生活方式干预清单”，具体到蛋白质摄入量应调整至每公斤体重多少克、建议增加几次抗阻训练、如何安排碳水摄入时间以配合运动等可执行的建议。

选择引擎的逻辑：在初始配置向导（init_config.py）中，系统会根据你设定的主要健康目标自动建议分支。例如，选择“减脂”或“均衡”目标，会建议lifestyle；选择“胆结石管理”或“高血压控制”，则会建议disease。这个设计确保了报告内容与你最关心的健康问题高度相关。

3. 从零开始：环境配置与核心文件详解

3.1 项目初始化与环境搭建

首先，将项目克隆到本地。我建议创建一个独立的Python虚拟环境来管理依赖，避免与系统其他Python项目冲突。

# 克隆项目 git clone https://github.com/tankeito/Health-Mate.git health-mate cd health-mate # 创建并激活虚拟环境（以Linux/macOS为例） python -m venv venv source venv/bin/activate # 安装依赖 pip install -r requirements.txt

依赖解析：requirements.txt中核心包括reportlab（用于生成专业PDF）、matplotlib（用于绘制统计图表）、pandas（用于数据处理）等。安装过程通常很顺利。

3.2 理解核心配置文件：.env与user_config.json

Health-Mate的配置分为两层：环境变量和用户偏好设置。

3.2.1 环境变量文件 (config/.env)这个文件定义了系统运行所需的环境路径和可选功能开关。项目首次运行时，如果此文件不存在，脚本可能会尝试创建模板。但最稳妥的方式是手动创建或复制示例文件。

# 进入配置目录 cd config # 复制示例文件（如果存在） cp .env.example .env # 编辑 .env 文件 nano .env

以下是我的一份典型.env配置，附带了详细注释：

# ========== Cron环境变量（定时任务必需）========== # 如果你的OpenClaw通过NVM安装，需要指定NVM路径，确保cron能找到node和openclaw命令 NVM_DIR="/home/your_username/.nvm" # 将openclaw所在路径添加到cron的PATH中 CRON_PATH="/home/your_username/.nvm/versions/node/v22.22.0/bin:/usr/local/bin:/usr/bin:/bin" # ========== 必需配置 ========== # 这是最重要的路径！指向你存放每日健康Markdown日志的文件夹。 # 请确保此路径存在且有读写权限。 MEMORY_DIR="/home/your_username/Documents/health_memory" # ========== 可选配置 ========== # 显式指定openclaw二进制文件的绝对路径，强烈建议为cron设置。 # 这能避免因环境变量问题导致本地LLM调用失败。 OPENCLAW_BIN="/home/your_username/.nvm/versions/node/v22.22.0/bin/openclaw" # 日志文件路径，方便排查问题 LOG_FILE="/home/your_username/health-mate/logs/health_report.log" # ========== 消息推送（可选）========== # 如需将报告摘要和PDF链接推送到钉钉、飞书或Telegram，请填写以下信息 # DINGTALK_WEBHOOK="https://oapi.dingtalk.com/robot/send?access_token=YOUR_TOKEN" # FEISHU_WEBHOOK="https://open.feishu.cn/open-apis/bot/v2/hook/YOUR_TOKEN" # TELEGRAM_BOT_TOKEN="YOUR_BOT_TOKEN" # TELEGRAM_CHAT_ID="YOUR_CHAT_ID" # ========== AI增强功能（可选）========== # Tavily API密钥，用于月报中的医院信息检索（需要网络） # 如果不配置，月报的医院推荐将仅基于本地LLM或内置规则。 # TAVILY_API_KEY="tvly-..." # ========== PDF报告Web访问（可选）========== # 如果你希望将生成的PDF放到Web服务器上并通过链接访问，配置此项 # REPORT_WEB_DIR="/var/www/html/health_reports" # REPORT_BASE_URL="https://yourdomain.com/health_reports" # ========== 运行时字体下载（默认关闭）========== # 强烈建议手动放置字体文件，而非运行时下载 ALLOW_RUNTIME_FONT_DOWNLOAD="false"

注意：MEMORY_DIR是重中之重。请务必将其修改为你本地存储健康日志的真实目录。OPENCLAW_BIN的配置能解决90%的“月报AI评论生成失败”问题。

3.2.2 用户配置文件 (config/user_config.json)这个文件通过运行初始化向导生成，包含了你的个人健康画像和报告偏好。

# 返回项目根目录，运行配置向导 cd .. python scripts/init_config.py

向导会交互式地引导你完成以下设置，并生成config/user_config.json：

1. 基础档案：姓名、出生日期、身高、初始体重等。
2. 健康目标与状况：选择你正在管理的健康状况（可多选，如胆结石、高血压），并指定一个“主要状况”。这直接影响疾病模式下的图表和分析重点。
3. 评分模块与权重：系统内置了对饮食平衡、饮水、运动、睡眠（如有记录）等的评分体系。你可以调整各项的权重，让报告更符合你的关注点。
4. 用药设置：如果管理慢性病，可以配置药物名称、剂量和服用时间，系统会在报告中分析依从性。
5. 居住地：用于月报中基于地理位置推荐医院。
6. 自定义监测模块：你可以添加如“血压”、“血糖”、“体成分”等模块，系统会自动在解析日志时识别对应的章节。
7. 报告偏好：包括前面提到的population_branch（lifestyle或disease），以及报告语言、是否启用AI评论等。

一个关键的技巧：user_config.json生成后，你仍然可以手动编辑它。例如，当你新增了监测项（如开始记录血压），你可以直接在配置文件的custom_monitoring部分添加相应的模块定义，之后系统就能自动识别和处理了。

4. 健康日志协议：如何正确地“喂”数据

Health-Mate对输入数据的格式有明确但简单的约定。遵循这个协议是生成正确报告的前提。其核心思想是：助理（无论是AI还是你自己）在记录时，必须像一个严格的记录员，只记录客观事实，不做任何评论、总结或鼓励。

4.1 基础结构规则

每个日志文件应以日期命名，如2026-03-20.md，并放置在MEMORY_DIR目录下。文件内容结构如下：

# 2026-03-20 健康日志 ## 体重记录 - 晨起空腹：64.4kg ## 饮水 ### 早晨 (约08:45) - 饮水：300ml - 累计：300ml/2000ml ## 餐食 ### 早餐 (约08:50) - 燕麦片 50g -> 约190kcal - 脱脂牛奶 250ml -> 约87kcal ## 运动 ### 下午骑行 (约17:10) - 距离：10.2km - 时长：42分钟 - 消耗：约290kcal ## 今日步数 - 总步数：8200步

必须遵守的硬性规则：

• 使用三级标题标记事件：所有餐食、饮水、用药、运动事件，必须使用###三级标题，并尽量附带大致时间。例如### 早餐 (约08:50)。这是系统识别和解析时间线数据的关键。
• 步数独立成节：每日总步数必须放在一个独立的## 今日步数二级标题下。系统会专门从这里提取步数数据用于分析和图表。
• 禁止任何评论文本：绝对不要在日志中出现“今天表现不错”、“加油”等鼓励性话语，或“总结来说”等分析性内容。这会被系统误读为数据。
• 保持语言一致：在一个数据块内避免中英文混用。

4.2 扩展监测模块的写法

当你通过配置添加了自定义模块后，只需在日志中创建对应的二级标题章节即可。系统会自动解析其下的内容。

## 血压记录 ### 早晨 (约08:00) - 血压：128/82 mmHg - 心率：72 bpm ## 血糖记录 ### 早餐后2小时 (约10:10) - 血糖：7.1 mmol/L ## 身体成分 - 体重：64.4kg - 体脂率：18.6% - 骨骼肌量：28.5kg ## 生化指标 - ALT：34 U/L - AST：28 U/L - 尿酸：380 umol/L

实操心得：我建议为每个自定义模块建立一个固定的记录模板，并保存在你的笔记软件模板库中。这样每天记录时只需填空，能极大保证数据格式的一致性，避免解析错误。

4.3 必须避免的“禁语”

以下标题或内容会导致解析混乱，请勿使用：

• ## 评估
• ## 状态
• ## 总结
• ## 小结
• 任何表情符号 (emoji)
• 任何调试或系统日志信息

5. 报告生成实战：命令、输出与解读

配置好环境和数据后，就可以开始生成报告了。Health-Mate提供了三种粒度的报告。

5.1 日报：当日的微观调整指南

日报的核心价值在于“快速复盘与次日微调”。它回答的问题是：“我今天做得怎么样？明天具体该调整什么？”

生成命令：

python scripts/daily_report_pro.py /path/to/your/memory/2026-03-20.md 2026-03-20

你需要指定具体的日志文件路径和日期。

报告核心模块解读：

1. 动态营养环状图：直观展示蛋白质、脂肪、碳水化合物、膳食纤维四大宏观营养素的当日摄入量相对于你目标值的完成度。一眼就能看出哪项超标或不足。
2. 摄入堆叠条形图：以时间线形式，将全天的餐食、饮水、运动事件堆叠展示。你能清晰看到饮食的时间分布、运动后的补水是否及时。
3. 风险提示：这是疾病模式下的核心功能。例如，如果你有胆结石且当日脂肪摄入过低，系统会提示“脂肪摄入不足，可能影响胆囊正常排空，建议适当增加健康脂肪摄入”。对于高血压患者，则会关注钠的摄入。
4. 次日行动计划：基于当日数据分析，给出具体、可执行的建议。例如：“明日早餐增加一个鸡蛋（约7g蛋白质）”、“目标饮水达到2200ml”、“下午增加15分钟快走”。

我的使用场景：我通常在睡前运行日报生成。花5分钟浏览PDF，重点关注风险提示和次日计划，这能让我对第二天的饮食和活动有一个清晰的预规划，而不是盲目开始一天。

5.2 周报：习惯养成与模式识别

周报着眼于“习惯的形成与短期波动分析”。它回答的问题是：“哪些行为已经稳定？哪些问题在重复出现？”

生成命令：

python scripts/weekly_report_pro.py 2026-03-20

只需指定当周的任意一天，系统会自动计算该周的范围（周一到周日）。

报告核心模块解读：

1. 周度指标雷达图：从热量、宏量营养素、饮水、步数、睡眠（如有记录）等多个维度，对比你一周的平均水平与目标值的差距。雷达图能快速定位短板。
2. 习惯与运动热力图：类似GitHub贡献图，用颜色深浅展示你一周内每天在“饮食平衡”或“运动消耗”上的表现。一眼就能看出哪几天做得好，哪几天是低谷。
3. 双轴趋势图：例如“体重与热量平衡趋势图”，将体重变化和每日热量盈余/赤字放在一起看，能更科学地分析体重波动的原因——是因为吃多了，还是运动少了，或者是正常的生理波动。
4. 优势与待改进项：文字总结部分会指出本周表现最稳定的好习惯，以及最需要关注的问题点，为下周调整提供方向。

踩过的坑：周报的分析质量高度依赖于日报数据的连续性和准确性。如果中间缺失了几天日志，趋势图就会出现断点，分析结果的参考价值会下降。因此，坚持每日记录是关键。

5.3 月报：战略复盘与医疗规划

月报是“深度分析与长期战略调整”的工具。它回答的问题是：“我当前的策略有效吗？是否需要线下复诊或调整干预方案？”

生成命令：

python scripts/monthly_report_pro.py 2026-03-20

指定月份内的任意一天即可。

报告核心模块解读（因模式而异）：

对于疾病管理模式 (disease)：

1. 专科图表深潜：例如胆结石月报会包含“脂肪摄入 vs 症状频率”关联图，帮助你量化寻找可能的饮食触发因素。
2. AI月度综述：本地LLM会综合你一个月的数据，生成一段文字综述，总结趋势、识别潜在风险模式。
3. 医疗规划板块（核心特色）：
   • 医院推荐逻辑：系统优先尝试调用本地LLM，结合你的居住地，生成具体的医院、科室、医生建议。如果LLM不可用或未配置，则会回退到使用Tavily API进行网络检索（需配置API Key）。最后，还有一个内置的、基于规则的城市-医院映射层作为保底。
   • 推荐偏好：算法会优先推荐公立三甲医院、大学附属医院等权威机构。
   • 复诊提醒：根据你所管理的慢性病的一般随访指南，提示下一次建议复诊的时间点。

对于健身健康模式 (lifestyle)：

1. 身体成分深度分析：展示去脂体重和脂肪质量的30天趋势对比，而不仅仅是总体重。这对于减脂期防止肌肉流失、增肌期评估效果至关重要。
2. 能量平衡瀑布图：清晰展示一个月总摄入、总消耗、累计热量差，让你对自己的能量平衡有一个宏观的、量化的认识。
3. 下月干预清单：给出具体的调整方案，例如：“将蛋白质摄入提升至2.0克/公斤体重”、“每周增加2次抗阻训练，重点强化下肢”、“将每日热量赤字维持在300-500千卡”。

一个重要提示：月报的“AI月度综述”和“医疗规划”功能依赖于本地LLM（OpenClaw）的运行。确保你的OPENCLAW_BIN路径在.env文件中配置正确，并且OpenClaw已安装且可用，是这部分功能正常工作的前提。

6. 自动化部署与集成：让报告主动找你

手动运行脚本固然可以，但自动化才是发挥其威力的关键。你可以通过系统的定时任务（Cron）和消息推送功能，实现“每日/每周/每月自动生成报告并推送到手机”。

6.1 配置Shell脚本与Cron任务

项目提供了封装好的Shell脚本，更适合放入Cron。

# 首先，确保Shell脚本有执行权限 chmod +x scripts/daily_health_report_pro.sh chmod +x scripts/weekly_health_report_pro.sh chmod +x scripts/monthly_health_report_pro.sh

然后，编辑你的Cron任务表：

crontab -e

添加以下内容（请根据你的实际路径和时间调整）：

# 每天22:30生成当日健康日报，并推送到钉钉/飞书/Telegram（如果已配置） 30 22 * * * cd /home/your_username/health-mate && /home/your_username/health-mate/venv/bin/python /home/your_username/health-mate/scripts/daily_report_pro.py /home/your_username/Documents/health_memory/$(date +\%Y-\%m-\%d).md $(date +\%Y-\%m-\%d) >> /home/your_username/health-mate/logs/cron_daily.log 2>&1 # 每周一早上7点生成上周周报 0 7 * * 1 cd /home/your_username/health-mate && /home/your_username/health-mate/venv/bin/python /home/your_username/health-mate/scripts/weekly_report_pro.py $(date -d "last sunday" +\%Y-\%m-\%d) >> /home/your_username/health-mate/logs/cron_weekly.log 2>&1 # 每月1号早上8点生成上月月报 0 8 1 * * cd /home/your_username/health-mate && /home/your_username/health-mate/venv/bin/python /home/your_username/health-mate/scripts/monthly_report_pro.py $(date -d "yesterday" +\%Y-\%m-\%d) >> /home/your_username/health-mate/logs/cron_monthly.log 2>&1

环境变量陷阱的终极解决方案：Cron任务的环境与你的用户Shell环境不同，经常找不到openclaw命令。这就是为什么在.env中设置OPENCLAW_BIN的绝对路径如此重要。此外，在上述Cron命令中，我使用了虚拟环境中Python的绝对路径（/home/your_username/health-mate/venv/bin/python），并使用了cd命令切换到项目目录，这都是为了确保脚本能在正确的上下文中运行，并加载到项目内的.env文件。

6.2 消息推送集成

如果你配置了钉钉、飞书或Telegram的Webhook，报告生成后，系统会自动推送一条文字摘要和PDF文件的链接（如果配置了REPORT_WEB_DIR和REPORT_BASE_URL）到对应的群聊或对话中。

配置技巧：

• 钉钉/飞书：在群聊中添加“自定义机器人”即可获得Webhook URL。
• Telegram：需要先与@BotFather创建一个Bot，获取Token，然后与你的Bot发起对话，通过https://api.telegram.org/bot<YOUR_TOKEN>/getUpdates获取你的chat_id。
• 安全提醒：Webhook URL和Token是密钥，请妥善保管在.env文件中，不要提交到代码仓库。

7. 常见问题排查与实战技巧

在实际部署和使用中，你可能会遇到一些问题。以下是我总结的常见故障及其解决方法。

7.1 字体问题：中文/日文报告显示为英文或乱码

症状：生成的PDF中，本应是中文或日文的地方变成了英文单词（如“Breakfast”），或显示为乱码方块。

根本原因：ReportLab在渲染PDF时，没有找到对应的中文字体（如NotoSansSC-VF.ttf）或日文字体文件。

解决方案：

1. 手动放置字体（推荐）：从Google Fonts等渠道下载“Noto Sans SC”（简体中文）或“Noto Sans JP”（日文）的Variable Font (TTF) 版本，将其放入项目的assets/目录下。确保文件名与代码中引用的完全一致（通常是NotoSansSC-VF.ttf和NotoSansJP-VF.ttf）。
2. 检查字体路径：在scripts/i18n.py或相关的PDF生成脚本中，查看字体加载的代码。确认其指向的路径是assets/目录。
3. 运行时下载（不推荐）：作为最后的手段，你可以在.env中设置ALLOW_RUNTIME_FONT_DOWNLOAD="true"。但这样会引入网络依赖和不确定性。

7.2 月报AI评论或医院推荐功能失效

症状：月报中的“AI月度综述”部分是空的，或者医院推荐非常笼统（如只显示“建议前往三甲医院就诊”），没有具体的医生信息。

排查步骤：

1. 检查OpenClaw路径：这是最常见的原因。首先在终端手动运行which openclaw，确认命令可用并记下路径。然后，确保这个绝对路径被正确写入到config/.env文件的OPENCLAW_BIN变量中。对于Cron任务，这一步是必须的。
2. 测试本地LLM调用：在项目目录下，手动运行一个测试命令，看OpenClaw能否正常工作：

   source venv/bin/activate OPENCLAW_BIN="/your/absolute/path/to/openclaw" python -c "import subprocess; result = subprocess.run(['/your/absolute/path/to/openclaw', 'agent', '--local', '--query', 'Hello'], capture_output=True, text=True); print(result.stdout[:200])"

   如果这个命令没有返回预期的AI响应，说明你的OpenClaw安装或配置有问题。
3. 检查Tavily API（如果使用）：如果你期望使用网络检索来增强医院推荐，请确认TAVILY_API_KEY已在.env中配置，并且密钥有效、网络通畅。
4. 查看日志：运行月报脚本时，添加更详细的输出，或直接查看logs/目录下的日志文件，里面通常会有错误信息。

7.3 推送消息未收到

症状：报告生成成功，但没有收到钉钉/飞书/Telegram的推送消息。

排查步骤：

1. 确认Webhook配置：检查.env文件中对应的DINGTALK_WEBHOOK、FEISHU_WEBHOOK等变量是否已填写，且URL正确无误。注意，钉钉和飞书的Webhook URL过期后需要重新创建。
2. 检查网络连通性：在服务器上，尝试用curl命令测试Webhook是否可达（将YOUR_URL替换为你的Webhook）：

   curl -H "Content-Type: application/json" -X POST -d '{"msg_type":"text","content":{"text":"测试消息"}}' YOUR_URL

   如果返回错误，可能是服务器网络策略问题。
3. 检查推送开关：在user_config.json中，确认report_preferences下的push_notification等相关设置是否为true。
4. 查看脚本输出：运行报告脚本时，注意控制台输出是否有“Push notification sent successfully”或类似的成功提示，或者是否有错误信息。

7.4 自定义监测模块数据未被解析

症状：在日志中按照格式添加了## 血压记录章节，但生成的报告中完全没有体现这部分数据。

排查步骤：

1. 配置同步：首先，你需要在user_config.json的custom_monitoring部分，明确定义这个模块。光在日志里写是不够的，系统需要知道这个模块的存在及其字段。
2. 标题严格匹配：确保日志中的二级标题## 血压记录与配置中定义的模块名称完全一致（包括空格和标点）。
3. 数据格式：检查模块下的数据行是否符合简单的- 字段名： 值 单位的键值对格式。过于复杂的句子可能导致解析失败。
4. 重新生成报告：修改配置或日志后，需要重新运行报告生成脚本，系统才会读取新的配置和解析新的数据。

8. 隐私、安全与进阶思考

8.1 深入理解“本地优先”的边界

Health-Mate的隐私设计非常清晰，了解哪些数据在本地、哪些可能外出，能让你用得更加安心。

• 绝对本地化（默认）：
  • 所有原始数据：你的Markdown日志文件始终在你的硬盘上。
  • 所有数据处理：解析、评分计算、图表绘制（Matplotlib）、PDF渲染（ReportLab）全过程均在本地完成。
  • AI评论生成：通过本地运行的OpenClaw LLM完成，对话历史和生成内容不离开你的机器。
• 需明确授权的可选功能：
  • Tavily网络检索：仅在.env中配置了TAVILY_API_KEY后，月报的医院推荐功能才会尝试联网搜索真实、具体的医院和医生信息。否则，仅使用本地LLM或内置规则。
  • 消息推送：仅在配置了Webhook后，报告摘要和链接才会被发送到第三方服务（钉钉、飞书、Telegram）。推送的内容是报告的文字摘要和PDF的公开访问链接（如果你配置了Web服务器），不包含你的原始日志数据。
  • 运行时字体下载：默认关闭。

我的建议：对于隐私要求极高的用户，完全可以不配置任何Webhook和Tavily API。系统依然能生成完整的、包含本地AI分析的PDF报告，你只需要手动从reports/文件夹查看即可。这是一种完全离线的健康分析体验。

8.2 项目结构与扩展可能性

了解项目目录结构，有助于你进行自定义修改或问题排查。

health-mate/ ├── scripts/ # 所有核心Python脚本 │ ├── *.py # 日报、周报、月报生成器及PDF构建器 │ ├── i18n.py # 国际化（多语言）支持 │ └── init_config.py # 交互式配置向导 ├── config/ # 配置文件目录 │ ├── user_config.json # 你的个人健康配置（由向导生成） │ ├── .env # 环境变量（需手动创建） │ └── pdf_style_config.json # PDF样式定义（高级自定义） ├── assets/ # 静态资源，如字体文件 ├── logs/ # 运行日志（调试时查看） ├── reports/ # 生成的PDF报告输出目录 └── requirements.txt # Python依赖列表

进阶自定义：

• 修改报告样式：如果你对默认的PDF排版、颜色不满意，可以深入研究pdf_style_config.json和scripts/目录下的*_pdf_generator.py文件。ReportLab的Canvas和样式对象提供了丰富的定制能力。
• 添加新的分析图表：如果你有特定的数据分析需求（例如，想为生酮饮食添加“血酮趋势图”），你需要修改对应的报告生成脚本，在数据提取和图表生成部分添加新的逻辑，并在user_config.json中定义新的监测模块。
• 集成其他数据源：虽然Health-Mate设计为处理Markdown，但其底层是Python数据处理。理论上，你可以编写适配器脚本，从Apple Health、Google Fit、或是智能秤/手环的导出文件中提取数据，并格式化成Health-Mate协议要求的Markdown，从而实现自动化数据导入。

经过几个月的深度使用，Health-Mate已经从一个工具变成了我健康管理流程中不可或缺的一环。它最大的价值在于将碎片化的记录，转化为了具有时间序列洞察和可操作建议的“健康仪表盘”。尤其是月报的医疗规划功能，在我需要与医生沟通时，提供了一份数据详实、可视化程度高的参考资料，让沟通效率大大提升。如果你也厌倦了数据孤岛，希望从被动的记录转向主动的管理，不妨花点时间配置一下这个系统。从坚持记录第一份合规的Markdown日志开始，一周后你就能收到第一份属于自己的周度健康分析了。