血糖管理助手

管理个人血糖数据，支持手动记录、文件导入、血糖趋势预测和健康建议。当用户提到血糖、糖尿病管理、血糖记录、血糖预测、饮食建议、运动建议时使用此技能。

概述

这是一个综合性的血糖管理技能，帮助用户记录、分析和预测血糖数据，并提供个性化的健康建议。支持手动输入、文件导入等多种数据记录方式，提供血糖趋势预测、风险评估以及饮食、运动、用药和就医建议。

核心功能

1. 血糖数据管理

手动录入

• 记录血糖值、时间戳、餐前/餐后状态和备注
• 支持不同血糖单位（mmol/L 和 mg/dL）
• 自动单位转换和标准化

文件导入

• 从 CSV 文件导入血糖数据
• 从 Excel 电子表格导入血糖数据
• 验证数据格式并处理缺失值

数据存储

• 所有血糖数据以 JSON 格式存储于 ~/.workbuddy/data/glucose_readings.json
• 每次修改前自动备份
• 数据结构包含：时间戳、血糖值、单位、餐前/餐后状态、备注、标签

2. 趋势分析与可视化

统计分析

• 计算日、周、月血糖统计数据
• 识别血糖模式（达标率、低血糖/高血糖频率）
• 生成血糖波动指标（标准差、变异系数）

可视化报告

• 使用 matplotlib/plotly 创建血糖趋势图表
• 生成基于时间的血糖分布图
• 导出 PNG 或 HTML 格式的报告

3. 预测建模

短期预测

• 基于近期读数预测未来 2-4 小时血糖水平
• 识别潜在低血糖/高血糖风险时段

模式识别

• 检测周期性血糖模式（如餐后峰值、黎明现象）
• 识别与血糖波动相关的因素

风险评估

• 计算血糖异常风险评分
• 基于趋势生成早期预警提醒

4. 个性化建议

饮食指导

• 根据血糖模式建议碳水化合物管理策略
• 推荐用餐时间调整
• 提供血糖指数（GI）相关指导

运动建议

• 根据血糖模式建议最佳运动时间
• 推荐运动强度和持续时间
• 警告运动诱发的低血糖风险

健康提醒

• 当血糖模式提示需要就医时发出提醒
• 建议何时需要更频繁监测血糖
• 识别可能需要调整用药的模式

交互示例

以下是与用户的真实对话示例，展示了如何使用本技能：

📝 血糖记录场景

场景 1：简单记录

text

用户: 我血糖7.2
助手: ✅ 血糖记录已保存！
      🩸 血糖: 7.2 mmol/L
      📅 时间: 2026-03-24 16:30
      📊 状态: 略高于正常范围，建议关注

场景 2：空腹血糖

text

用户: 今天早餐前血糖6.9
助手: ✅ 已记录空腹血糖！
      🩸 血糖: 6.9 mmol/L
      🍽️ 状态: 空腹（早餐前）
      
      📊 空腹血糖参考:
      • 正常: 3.9-6.1 mmol/L
      • 糖前期: 6.1-7.0 mmol/L
      • 您处于糖前期临界，建议控制饮食

场景 3：餐后血糖

text

用户: 刚吃完午饭两小时，血糖9.5
助手: ✅ 餐后血糖已记录！
      🩸 血糖: 9.5 mmol/L
      🍽️ 状态: 餐后2小时
      
      📊 餐后血糖参考:
      • 正常: <7.8 mmol/L
      • 糖耐量受损: 7.8-11.1 mmol/L
      • 餐后偏高，建议减少精制碳水摄入

场景 4：带备注记录

text

用户: 刚运动完，血糖5.2，跑了30分钟
助手: ✅ 血糖记录已保存！
      🩸 血糖: 5.2 mmol/L
      📝 备注: 运动30分钟后
      ⚠️ 提示: 运动后血糖略低，注意补充能量

📊 数据查询场景

场景 5：查看报告

text

用户: 看看这周的血糖报告
助手: 📊 本周血糖报告（3/18-3/24）
      
      📈 数据概览:
      • 平均血糖: 7.2 mmol/L
      • 最高值: 11.2 mmol/L
      • 最低值: 5.4 mmol/L
      • 达标率: 72%
      • 监测次数: 27次
      
      💡 建议: 餐后血糖波动较大，建议控制碳水摄入

场景 6：趋势分析

text

用户: 最近血糖趋势怎么样
助手: 📈 血糖趋势分析
      
      🟢 好的方面:
      • 空腹血糖稳定，平均6.4 mmol/L
      • 无低血糖事件
      
      🟡 需关注:
      • 餐后血糖波动大，峰值达11.2
      • 3/22晚餐后血糖偏高
      
      💡 建议: 晚餐减少主食，增加蔬菜

场景 7：对比分析

text

用户: 这周和上周比怎么样
助手: 📊 周对比分析
      
      | 指标 | 上周 | 本周 | 变化 |
      |-----|------|------|-----|
      | 平均血糖 | 7.8 | 7.2 | ↓0.6 |
      | 达标率 | 65% | 72% | ↑7% |
      | 监测次数 | 21 | 27 | +6 |
      
      ✅ 本周血糖控制有进步，继续保持！

🔮 预测场景

场景 8：风险评估

text

用户: 今晚会不会低血糖
助手: 🔮 血糖风险评估
      
      📊 当前状态: 16:30 血糖 7.2 mmol/L
      🔮 今晚预测: 
      • 18:00 预计 6.5 mmol/L
      • 21:00 预计 5.8 mmol/L
      • 睡前 预计 5.5 mmol/L
      
      ⚠️ 低血糖风险: 低
      💡 建议: 正常晚餐即可，睡前可适当加餐

场景 9：趋势预测

text

用户: 预测一下明天的血糖
助手: 🔮 血糖趋势预测（基于近期数据）
      
      📅 明日预测:
      • 空腹: 6.2-6.8 mmol/L
      • 早餐后: 8.5-9.5 mmol/L
      • 午餐后: 8.0-9.0 mmol/L
      • 晚餐后: 8.5-10.0 mmol/L
      
      💡 建议: 早餐注意控制碳水，预计餐后偏高

💡 健康建议场景

场景 10：饮食建议

text

用户: 晚餐吃什么比较好
助手: 🍽️ 晚餐建议（基于今日血糖）
      
      📊 今日血糖回顾:
      • 空腹: 6.9 mmol/L（略高）
      • 午餐后: 9.5 mmol/L（偏高）
      
      🥗 推荐晚餐:
      • 主食: 杂粮饭 1小碗（约100g）
      • 蛋白质: 清蒸鱼/鸡胸肉
      • 蔬菜: 西兰花、菠菜等绿叶菜
      
      ⚠️ 避免: 白米饭、面条、高糖水果

场景 11：运动建议

text

用户: 什么时候运动比较好
助手: 🏃 运动时间建议（基于您的血糖模式）
      
      📊 最佳运动时间:
      1. 早餐后1小时 (8:00-9:00)
         → 血糖约 8.0 mmol/L，适合运动
      2. 晚餐后1小时 (19:00-20:00)
         → 血糖约 9.0 mmol/L，适合运动
      
      ⚠️ 避免时间:
      • 空腹晨练（血糖偏低风险）
      • 睡前运动（影响睡眠质量）
      
      💡 建议运动: 快走30分钟或慢跑20分钟

场景 12：异常预警

text

用户: 帮我分析一下最近血糖
助手: ⚠️ 血糖异常预警
      
      🔴 发现以下问题:
      1. 空腹血糖连续3天 >7.0 mmol/L
      2. 餐后血糖波动大，最高达 12.5 mmol/L
      3. 达标率仅 55%，低于目标
      
      💡 紧急建议:
      1. 建议增加监测频率，每日4次以上
      2. 严格控制碳水摄入，选择低GI食物
      3. 考虑就医咨询，调整治疗方案

技术示例

以下为开发参考的技术调用示例：

记录血糖读数

示例 1：简单录入

text

用户: "我血糖 7.2 mmol/L"
→ 执行: scripts/record_glucose.py --value 7.2 --unit mmol/L

示例 2：详细录入

text

用户: "今天早上空腹血糖 5.8，早餐前测的"
→ 执行: scripts/record_glucose.py --value 5.8 --unit mmol/L --meal-context fasting --time "2026-03-24 07:00"

导入数据

示例 3：从 CSV 导入

text

用户: "从 readings.csv 导入我的血糖数据"
→ 执行: scripts/import_glucose_data.py --file readings.csv --format csv

示例 4：从 Excel 导入

text

用户: "加载我的 Excel 血糖记录"
→ 执行: scripts/import_glucose_data.py --file glucose_log.xlsx --format excel

分析趋势

示例 5：周报告

text

用户: "看看我这周的血糖趋势"
→ 执行: scripts/analyze_glucose.py --period week --output chart

示例 6：模式分析

text

用户: "分析我的餐后血糖模式"
→ 执行: scripts/analyze_glucose.py --type post-meal --output report

预测

示例 7：短期预测

text

用户: "预测接下来几小时的血糖"
→ 执行: scripts/predict_glucose.py --horizon 4h

示例 8：风险评估

text

用户: "今晚我有低血糖风险吗？"
→ 执行: scripts/predict_glucose.py --risk-type hypoglycemia --period tonight

获取建议

示例 9：饮食建议

text

用户: "根据今天的血糖，晚餐该吃什么？"
→ 执行: scripts/generate_recommendations.py --type meal --meal dinner

示例 10：运动规划

text

用户: "今天什么时候适合运动？"
→ 执行: scripts/generate_recommendations.py --type activity

工作流程

1. 初始设置：首次使用时，创建数据目录并初始化存储文件
2. 数据收集：定期记录或导入血糖读数
3. 分析：积累足够数据后运行趋势分析（建议 ≥7 天）
4. 预测：数据积累 14 天以上后使用预测模型以获得更好准确性
5. 建议：基于模式和预测生成个性化建议

重要说明

医疗免责声明

• 本技能仅供信息记录和追踪用途
• 不能替代专业医疗建议、诊断或治疗
• 在做出治疗决策前请务必咨询医疗保健提供者
• 预测结果为统计估计，非医疗诊断

数据质量

• 预测准确性取决于数据质量和一致性
• 定期、一致的读数可改善模式识别
• 包含餐前/餐后状态和备注可获得更好的分析结果

隐私保护

• 所有数据存储在用户本地设备
• 不向外部服务器传输任何数据
• 用户对自己的健康数据拥有完全控制权

资源目录

scripts/ 脚本目录

核心脚本

• record_glucose.py - 记录手动血糖录入
• import_glucose_data.py - 从 CSV/Excel 文件导入数据
• analyze_glucose.py - 执行统计分析并生成图表
• predict_glucose.py - 运行血糖预测模型
• generate_recommendations.py - 创建个性化健康建议
• data_manager.py - 处理数据存储、备份和检索

工具脚本

• convert_units.py - 在 mmol/L 和 mg/dL 之间转换
• validate_data.py - 验证血糖数据格式和数值
• export_report.py - 导出各种格式的分析报告

references/ 参考资料

医疗参考

• glucose_ranges.md - 正常、糖前期和糖尿病血糖水平参考范围
• glycemic_index.md - 常见食物的血糖指数值
• exercise_guidelines.md - 运动与血糖管理指南

技术文档

• data_schema.md - JSON 数据结构规范
• prediction_algorithms.md - 预测方法文档
• analysis_methods.md - 趋势分析中使用的统计方法

assets/ 资源文件

模板

• glucose_log_template.csv - CSV 血糖记录模板（示例数据）
• glucose_log_template.xlsx - Excel 血糖记录模板（示例数据）
• data_template.json - JSON 数据模板

可视化

• chart_styles.json - 血糖图表默认样式
• report_template.html - 分析报告 HTML 模板