#0114 零代码，纯提示词：我用 AI Agent 搭了一套个人健康管理系统

type

Post

status

Published

date

Feb 11, 2026

slug

304a745569bb81c3a95bc8aa2a88d24a

summary

你的健康数据散落在五六个 App 里。Apple Watch 记步数，薄荷健康记饮食，体重秤有自己的 App，体检报告躺在医院小程序里。

零代码，纯提示词：我用 AI Agent 搭了一套个人健康管理系统

你的健康数据散落在五六个 App 里。Apple Watch 记步数，薄荷健康记饮食，体重秤有自己的 App，体检报告躺在医院小程序里。每个 App 都很努力地给你推送通知，但你早就免疫了——因为那些提醒跟你的实际状态毫无关系。

"该运动了！" —— 我刚跑完 10 公里。

"注意休息！" —— 现在下午两点，我精神得很。

这不是提醒，这是骚扰。

我花了一段时间，用 AI Agent 搭了一套完整的健康管理系统。不写代码，全程用提示词对话完成。数据自动采集、智能提醒、Notion 仪表盘、体检追踪、任务同步，一条龙。

这篇文章不是"我的健康心得分享"，而是一份系统架构设计指南。你看完之后，能照着搭一套自己的。

为什么现有方案全部不及格

三个核心问题：

数据孤岛。 Apple Health 是个不错的数据汇聚点，但它的数据基本被锁死在 iPhone 里。你在 Mac 上打不开，在网页上看不到，想导出得折腾半天。Google Fit 能跨平台，但它不搬运营养数据。结果就是：你的健康画像永远是碎片化的。

提醒是假的。 所有健康 App 的提醒逻辑都是基于固定时间——早上 8 点提醒喝水，晚上 10 点提醒睡觉。它们完全不知道你昨晚只睡了 4 小时，也不知道你已经三天没运动了。真正有用的提醒应该是数据驱动的：连续两天睡不够 6 小时才提醒，不是每天机械重复。

没有洞察。 你的静息心率这周比上周高了 5 bpm，这可能意味着你在生病前兆、压力过大、或者训练过度。但没有任何 App 会告诉你这件事，因为它们只看单日数据，不做趋势分析。

AI Agent 能解决这三个问题，而且你不需要写一行代码。

架构设计：数据怎么流

整个系统的数据流长这样：

为什么中间要经过 Google Fit？因为 Apple Health 的数据在 Mac 上几乎无法直接读取（后面会讲这个坑），而 Google Fit 提供了标准的 REST API，Agent 可以直接调用。

技术选型：我用的是 OpenClaw，一个可以本地部署的 AI Agent 平台。它能调 API、操作文件、定时执行任务，关键是——所有这些都通过自然语言提示词来配置。

第一步：数据采集层

这是整个系统的地基。你需要让 Agent 每天定时从 Google Fit 拉取健康数据。

Agent 会帮你完成 OAuth 认证流程、写好 API 调用逻辑、处理数据格式转换。你不需要知道 Google Fit 的 API endpoint 是什么，不需要手动拼 HTTP 请求。你只要描述清楚"我要什么数据、存到哪"就行。

存下来的 JSON 长这样：

每天一个文件，干干净净。这些 JSON 就是你的健康数据资产，完全在本地，不依赖任何云服务。

第二步：Notion 仪表盘

数据存了，得看得见才有用。Notion 是目前最适合做个人仪表盘的工具——灵活、好看、API 友好。

Agent 会通过 Notion API 一个个创建这些数据库，配好字段类型、视图、筛选条件。之后每天数据同步的时候，自动往对应数据库里插入新记录。

你打开 Notion，看到的就是一个完整的健康仪表盘。睡眠趋势、运动频率、体重变化，一目了然。

第三步：智能提醒引擎

这是整个系统最有价值的部分。传统提醒是"每天 X 点提醒你做 Y"，智能提醒是"当数据显示异常时才提醒你"。

看出区别了吗？这套提醒不是闹钟，是一个小型规则引擎。它读你的历史数据，做比较，发现异常才出声。

实际触发时，你收到的提醒长这样：

⚠️ 运动缺失提醒你已经连续 4 天没有运动记录，步数分别是 3200、4100、2800、3500。建议今天安排 30 分钟有氧运动。

比"该运动了！"有用一万倍。

第四步：睡眠双评分系统

这个设计是我觉得最聪明的部分。

睡眠质量有两个维度：客观数据和主观感受。你可能数据上睡了 8 小时、深睡比例正常，但醒来就是觉得累。也可能只睡了 6 小时，但精神奕奕。单靠数据评分是不够的。

这个设计的精妙之处在于：当两个评分长期不一致时，说明要么你的评分标准在变化，要么有某种数据没被采集到的因素在影响你的睡眠感受（比如梦境质量、环境噪音）。这种洞察是任何单一维度评分给不了你的。

第五步：体检管理

大多数人对体检的态度是：做完就忘，报告压箱底，下次该做什么检查全凭感觉。

有了这套系统，你的体检不再是随缘行为。Notion 时间轴上一眼就能看到全年的体检分布，哪些快到期了，哪些逾期了，清清楚楚。

第六步：任务双向同步

健康管理最终会产生行动项——"预约牙科"、"买维生素 D"、"约跑步"。这些任务需要进入你的任务管理系统，不能散落在提醒消息里看完就忘。

这样形成了完整闭环：数据触发提醒 → 提醒生成任务 → 任务完成更新数据。没有东西会掉到缝隙里。

每日运行流程

所有模块搭好之后，系统每天自动运行，大概是这样的节奏：

你需要做的事情：每天花 2 分钟看一眼晨报，给昨晚睡眠打个主观分。就这些。

踩过的坑（认真读这段）

搭这套系统不是一帆风顺的。几个大坑，帮你避一下：

Apple Health 数据壁垒

这是最大的坑。Apple Health 的数据存在 iPhone 的加密数据库里，macOS 上没有原生方式读取。HealthKit 框架只在 iOS/watchOS 上可用。这意味着你的 AI Agent 如果跑在 Mac 或服务器上，根本碰不到 Apple Health 的数据。

解决方案：让 Apple Health 的数据先同步到 Google Fit（通过 Health Sync 之类的 App），然后 Agent 从 Google Fit 的 API 读取。多了一跳，但至少通了。

Google Fit 不搬运所有数据

Google Fit 的 API 覆盖了步数、心率、睡眠、体重、运动，但不包括营养数据。如果你用薄荷健康之类的 App 记录饮食，这部分数据需要另找出路（比如直接让 Agent 调那个 App 的 API，或者手动输入）。

OAuth Token 过期

Google Fit API 用 OAuth 2.0 认证。Access token 有效期通常只有 1 小时，refresh token 虽然长期有效，但也会在某些情况下失效（比如你改了 Google 密码、超过 6 个月没使用等）。

App 需要手动打开才同步

很多健康 App（包括一些手表配套 App）不会在后台自动同步数据到 Apple Health 或 Google Fit。你得打开 App 才会触发同步。这意味着如果你忘了打开 App，Agent 拉到的就是空数据。

没有完美解决方案。我的做法是让 Agent 检测到数据缺失时提醒我："今天没有拉到体重数据，可能需要打开 XX App 同步一下。"

Token 和成本优化

健康数据每天的量不大，但如果你的 Agent 每次都把完整的提示词模板+历史数据+规则全部塞进去，token 消耗会很可观。

几个优化思路：

数据采集和规则判断分开执行，不要一个大 prompt 搞定所有事

历史数据只传最近 7 天的摘要，不要传原始 JSON

规则引擎的逻辑固化成脚本后，日常运行不需要每次重新"理解"规则

数据安全

健康数据是敏感个人信息。几个原则：

本地优先：原始数据存本地文件，不要扔第三方云

Notion 脱敏：Notion 数据库如果分享给别人看，注意控制字段可见性

API 凭证管理：Google OAuth 的 client secret、refresh token 这些，用环境变量管理，不要硬编码在提示词里

这套系统真正改变了什么

搭完跑了一段时间，最大的变化不是"我更健康了"——这套系统不会替你运动，不会替你早睡。

真正的变化是信息差被消除了。

以前，你"觉得"自己最近睡得还行。现在，你"知道"自己过去一周平均睡 6.8 小时，比上周少了 40 分钟，入睡时间平均推迟了 25 分钟。

以前，你"觉得"自己运动够了。现在，你"知道"自己这个月只跑了 3 次，周均运动时长 45 分钟，比上月下降 30%。

数据不说谎。当你清楚地看到趋势在往坏的方向走，你自然会行动。不需要提醒，不需要鸡汤，一张趋势图比一万句"你该运动了"管用。

总结：你需要的不是更好的健康 App

你需要的是一个能把所有数据串起来、按你的规则做判断、在对的时间给你有用信息的系统。

这套系统用 AI Agent + 提示词就能搭出来。不需要 Python，不需要数据库知识，不需要 DevOps 技能。你需要的只是：

想清楚你要追踪哪些数据

想清楚什么情况下需要被提醒

用自然语言告诉 Agent

剩下的，让 Agent 去干。

这大概就是 AI Agent 最实际的应用场景之一——不是聊天，不是写文案，而是帮你搭建一套原本需要工程师才能实现的自动化系统。用对话代替编程，用提示词代替代码。

门槛从来没有这么低过。