krumjahn/applehealth

解决的问题

该项目提供一个基于终端的 AI 助手，允许用户分析其 Apple Health export.xml 数据。它解决了如何将多年积累的大量个人健康指标数据，通过对话式界面变得可访问且可操作，同时让用户完全掌控数据隐私的问题。

工作原理

该工具将 Apple Health 的 XML 导出文件转换为处理后的 CSV 或 JSON 数据集。然后使用 Chat REPL（读取-求值-打印循环）让用户以自然语言提问。系统支持多种 AI 模型，包括基于云的 LLM（GPT-4o、Claude、Gemini）以及通过 Ollama、Jan、LM Studio 或 llama.cpp 运行的本地模型，确保用户可选择在设备本地完全处理数据。

适用人群

专为开发者、生物黑客和研究人员设计，他们希望对健康数据进行深度分析、发现趋势并生成图表，而无需依赖通用健康应用。

主要亮点

• 对话式分析：使用自然语言与健康数据对话，识别趋势和相关性。
• 本地 AI 支持：与 Ollama 及其他本地服务器完全集成，实现 100% 私密、设备内分析。
• 多模型灵活性：通过 LiteLLM 支持超过 50 种 AI 模型。
• 数据整合：自动处理来自多个来源（Apple Watch、iPhone、Oura、Whoop）的重叠测量值，并统一单位。
• 自动可视化：自动生成心率、睡眠模式和运动强度的图表。
• 高保真导出：将 XML 数据转换为可用的 CSV/JSON 格式，同时保留元数据。