用 Nextcloud 自托管手表健康数据
开源应用 Health Check 可在 Nextcloud 31 及以上版本定时导入 Apple 健康导出的压缩包,也可通过快捷指令同步最近 48 小时的数据。应用使用 XMLReader 逐元素处理接近 1 GB 的 XML,避免一次性载入内存。
AI 深度解读
华为手表的数据能进自己的 Nextcloud,入口是 Apple Health 导出的 Export.zip。作者用 Huawei Watch GT 5 Pro 走通了这条路径,把心率、睡眠和体重放到自己的服务器上看长期趋势,也能在就诊前打印一页报告。
Health Check 最值得程序员细看的是导入逻辑。同一天的步数可能来自手表和手机,同一份历史数据也可能反复导入。把这些规则写清楚之后,周报才有可靠的数字可用,AI 负责把数字讲明白。
近 1 GB 的健康数据怎么导进去
Huawei Health 能把数据写入 Apple Health,其他能写入 Apple Health 的手表也可以走同一个入口。作者每周在 iPhone 的健康 App 里点头像,选择 Export All Health Data,把 Export.zip 存进 Nextcloud 的 /Health/Import。后台任务每 15 分钟检查一次。想每天同步,还可以配置 Apple Shortcut,在关掉晨间闹钟时发送最近 48 小时的数据。
压缩包里的 Export.xml 经常接近 1 GB。应用用 XMLReader 逐个读取元素,避免把整棵 XML 树装进内存。作者给出的一次实测是约 190 万条记录、约 15 秒、约 40 MB 内存。重复导入时,应用替换该次导出覆盖的日期,避免同一批记录越导越多。
导入去重之后,还要处理多个设备对同一活动的重复记录。应用按来源和日期保留数据,再选当天有数据的优先来源。当前 Huawei 账号优先于旧账号,手表优先于 App,当天缺少手表数据时才用手机步数。睡眠归到醒来的那天,重叠片段会合并,不足 30 分钟的整晚记录会被忽略。
圆环、异常提示和目标如何算出来
点开三个圆环可以看公式。睡眠按时长 60%、深睡占比 25%、REM 占比 15% 计分,时长目标是 7.5 小时,清醒超过 60 分钟扣 10 分。恢复分里,静息心率与个人过去 28 天中位数的比较占 70%,血氧占 30%。活动分里,步数占 60%、目标 8,000 步,活动消耗占 40%、目标 400 kcal。
趋势提示用的是个人历史。比如静息心率有两天高出个人均值 5 次/分,夜间血氧连续三晚明显下降,或体重在 30 天内变化超过 3%。这些是供人查看的变化提示,应用把诊断留给医生。
每周目标依据过去四周的表现计算,步数增幅最多 10%,睡眠和训练分别按 15 分钟和 1 次设上调上限,同时受用户最终目标约束。晚睡与静息心率之类的相关性也由代码计算,AI 写说明时必须引用上下文给出的数字。
周报交给模型之前,数据经过了什么处理
每次导入后,以及每周一 07:00,应用通过签名 webhook 调用 n8n。签名采用 HMAC-SHA256,请求最多允许 5 分钟的时差。工作流只拉取汇总值,交给 OpenAI-compatible 模型生成摘要、三条建议和下周计划,再以 Markdown 和 HTML 写入 /Health/Reports。n8n 不保存成功执行记录,也可以由应用服务器自己生成报告。模型供应商可换成 Ollama,关闭 AI 后,圆环、趋势、提示和每周建议仍可用。
就诊报告可以选最近 30 或 90 天,打印成一张 A4,纳入静息心率、睡眠、血氧、体重、训练和预先整理的问题。报告语言可以单独设置。应用查询按登录用户过滤,管理员通过应用界面也看不到其他人的数据。数据可随时导出为 JSON 或 CSV,也可以清除记录、训练、报告、聊天和日历数据。AI 只收到周度和月度值,「Ask your data」每小时最多可问 10 次。
想自己跑,安装和数据来源有什么要求
Health Check 采用 AGPL-3.0,支持 Nextcloud 31 及以上版本,界面提供英语、德语和意大利语。应用商店仍在申请中,原文通过 Releases 提供安装包。下面两条命令依次安装并启用 0.4.0。
tar xzf healthcheck-0.4.0.tar.gz -C /var/www/html/custom_apps/
occ app:enable healthcheck
第一行里的 /var/www/html/custom_apps/ 是作者示例的应用目录,执行前要按你的 Nextcloud 部署位置核对。数据完整性还取决于上游同步,作者发现不少 Huawei Health 骑行记录传过来时没有距离,n8n 周报也偶尔会冒出 RHR 这类缩写。
我的判断
我最认同的是先确定数据口径,再让模型写报告。手表和手机各自统计的步数如果直接相加,报告越流畅,错得越像真的。按天选优先来源好解释,也方便复查,但手表只戴了半天时,整天都用手表数据可能漏掉另半天。原文没给来源选择的对照数据,这条规则适合作者的设备组合,换设备后应以实际记录核验。
约 15 秒和约 40 MB 是作者给出的一次导入结果,原文没交代硬件和数据库配置。三个圆环公开权重,方便检查每一分从哪来,但作者也没给出权重和提示阈值的验证数据。它们适合用来追踪个人变化。只想看走势的人,用固定模板就能交付周报,接模型的额外价值主要在于把几项变化写成一段好读的说明。
还有一个边界在数据入口。Health Check 可以把数据存到自管服务器,但链路仍经过 Huawei Health 和 Apple Health。原文没说明 Huawei 侧是否仍保留副本。开启外部模型时,周度和月度汇总也会发给所选供应商。判断数据放在哪里,要把入口、存储和报告生成一起算进去。
能拿来做什么
- 写 Node 导入任务时,对大 XML 用流式解析,并明确每次导出覆盖哪些日期。用同一份文件连跑两次,再检查行数和每日汇总是否一致。
- 做前端趋势页时,让用户从圆环点进去查看权重、目标和扣分条件。遇到跨午夜的睡眠或多设备步数,页面应能解释日期归属和当天采用的来源。
- 做 AI 周报时,先由代码生成带单位和时间窗口的汇总,再让模型引用这些数字写摘要。保留固定模板,模型关闭时也能按期生成报告。