krumjahn/applehealth

解決的問題

本專案提供一個基於終端的 AI 助手，讓使用者能分析其 Apple Health export.xml 資料。它解決了如何將多年累積的大量個人健康指標資料，透過對話式介面變得可存取且可操作，同時讓使用者完全掌控資料隱私的問題。

工作原理

該工具將 Apple Health 的 XML 導出檔轉換為處理過的 CSV 或 JSON 資料集。接著使用 Chat REPL（讀取-求值-列印迴圈）讓使用者以自然語言提問。系統支援多種 AI 模型，包括雲端基礎的 LLM（GPT-4o、Claude、Gemini）以及透過 Ollama、Jan、LM Studio 或 llama.cpp 運行的本地模型，確保使用者可選擇在裝置本地完全處理資料。

適用對象

專為開發者、生物黑客與研究人員設計，他們希望對健康資料進行深度分析、發現趨勢並產生圖表，而無需依賴通用健康應用程式。

主要亮點

• 對話式分析：使用自然語言與健康資料對話，識別趨勢與關聯性。
• 本地 AI 支援：與 Ollama 及其他本地伺服器完全整合，實現 100% 私密、裝置內分析。
• 多模型彈性：透過 LiteLLM 支援超過 50 種 AI 模型。
• 資料整合：自動處理來自多個來源（Apple Watch、iPhone、Oura、Whoop）的重複測量值，並統一單位。
• 自動可視化：自動產生心率、睡眠模式與運動強度的圖表。
• 高保真匯出：將 XML 資料轉換為可用的 CSV/JSON 格式，同時保留元資料。