Pular para o conteúdo
Skillpedia
Análise e planilhas48 mil · #3012

fitness-analyzer

Faz seu agente analisar dados de exercícios. Ele identifica padrões, avalia o progresso e sugere treinos personalizados, podendo até relacionar com doenças crônicas.

O que ela faz

Analisa seus dados de exercícios para mostrar como você está progredindo, identificar seus hábitos e dar sugestões personalizadas para melhorar seu treino. Também pode comparar seus exercícios com outras informações de saúde.

Quando usar

  • ✓Quando quiser ver como seus treinos estão evoluindo.
  • ✓Para entender seus hábitos de exercício e como melhorá-los.
  • ✓Se quiser saber se seus exercícios afetam sua pressão ou açúcar no sangue.

Exemplo do que pedir para a IA

“Analise meus treinos de corrida dos últimos 3 meses e me diga como posso melhorar meu ritmo.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/fitness-analyzer/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/fitness-analyzer/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

Ele olha para os seus registros de exercícios (como corrida, força, etc.) e dados de saúde. Depois, usa matemática simples para encontrar padrões, ver se você está melhorando e dar conselhos.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add sickn33/agentic-awesome-skills --skill fitness-analyzer

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/fitness-analyzer/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Analisador de Atividades Físicas

Analisa dados de atividades físicas, identifica padrões de movimento, avalia o progresso do condicionamento físico e fornece sugestões de treinamento personalizadas.

Quando Usar

  • Use quando precisar analisar registros de atividades físicas, intensidade de treino, hábitos de exercício ou progresso de condicionamento físico.
  • Tarefas que envolvem tendências e sugestões de melhoria em dimensões como corrida, treinamento de força, resistência ou flexibilidade.
  • Use quando precisar correlacionar dados de atividades físicas com outros módulos de saúde.

Funcionalidades

1. Análise de Tendências de Atividades Físicas

Analisa as tendências de mudança no volume, frequência e intensidade das atividades físicas, identificando áreas para melhoria ou que precisam de ajuste.

Dimensões de Análise:

  • Tendência do volume de atividades físicas (duração, distância, calorias)
  • Tendência da frequência de atividades físicas (dias de exercício por semana)
  • Mudança na distribuição de intensidade (proporção de intensidade baixa/média/alta)
  • Mudança nas preferências de tipo de atividade física

Saída:

  • Direção da tendência (melhora/estável/declínio)
  • Magnitude e percentual da mudança
  • Significância da tendência
  • Sugestões de melhoria

2. Rastreamento de Progresso em Atividades Físicas

Rastreia o progresso em tipos específicos de atividades físicas e quantifica os efeitos do condicionamento físico.

Progresso Suportado para Rastreamento:

  • Progresso em Corrida: Melhoria no ritmo, aumento da distância, melhora da frequência cardíaca
  • Progresso em Treinamento de Força: Aumento de peso, aumento de volume, mudança no RPE (Escala de Percepção de Esforço)
  • Progresso em Resistência: Aumento da duração do exercício, extensão da distância
  • Progresso em Flexibilidade: Melhora da amplitude de movimento articular

Saída:

  • Valor inicial vs. Valor atual
  • Percentual de melhoria
  • Visualização do progresso
  • Marcos alcançados

3. Análise de Hábitos de Atividades Físicas

Identifica os hábitos e padrões de atividades físicas dos usuários.

Conteúdo da Análise:

  • Horário comum de atividades físicas (manhã/tarde/noite)
  • Padrão de frequência de atividades físicas (quantos dias por semana)
  • Preferências de tipo de atividade física
  • Distribuição de dias de descanso
  • Pontuação de consistência de atividades físicas

Saída:

  • Resumo dos hábitos
  • Pontuação de consistência (0-100)
  • Sugestões de otimização
  • Sugestões para formação de hábitos

4. Análise de Correlação

Analisa a correlação entre atividades físicas e outros indicadores de saúde.

Análise de Correlação Suportada:

  • Atividades Físicas ↔ Peso Corporal: Relação entre o gasto de calorias e a mudança no peso corporal
  • Atividades Físicas ↔ Pressão Arterial: Efeito a longo prazo das atividades físicas na pressão arterial
  • Atividades Físicas ↔ Glicose Sanguínea: Efeito das atividades físicas no controle da glicose sanguínea
  • Atividades Físicas ↔ Humor/Sono: Efeito das atividades físicas no humor e no sono

Saída:

  • Coeficiente de correlação (-1 a 1)
  • Força da correlação (fraca/média/forte)
  • Significância estatística
  • Inferência de causalidade
  • Sugestões práticas

5. Geração de Sugestões Personalizadas

Gera sugestões personalizadas de atividades físicas com base nos dados do usuário.

Tipos de Sugestões:

  • Sugestões de Frequência de Atividades Físicas: Se a frequência de atividades físicas precisa ser aumentada/diminuída
  • Sugestões de Intensidade de Atividades Físicas: Sugestões de ajuste de intensidade
  • Sugestões de Tipo de Atividade Física: Recomendações de tipos de atividades físicas para experimentar
  • Sugestões de Horário de Atividades Físicas: Melhor horário para atividades físicas
  • Sugestões de Recuperação: Sugestões de descanso e recuperação

Base para Sugestões:

  • Diretrizes de atividades físicas da OMS/ACSM/AHA
  • Dados históricos de atividades físicas do usuário
  • Condição de saúde do usuário
  • Metas de condicionamento físico do usuário

Formato de Saída

Relatório de Análise de Tendências

# 运动趋势分析报告

## 分析周期
2025-03-20 至 2025-06-20(3个月)

## 运动量趋势

### 运动时长
- 趋势:⬆️ 上升
- 开始:平均120分钟/周
- 当前:平均180分钟/周
- 变化:+50%(+60分钟/周)
- 解读:运动量显著增加,表现优秀

### 卡路里消耗
- 趋势:⬆️ 上升
- 开始:平均960卡/周
- 当前:平均1440卡/周
- 变化:+50%
- 解读:运动消耗增加,有助于体重管理

### 运动距离
- 趋势:⬆️ 上升
- 开始:平均10公里/周
- 当前:平均20公里/周
- 变化:+100%
- 解读:耐力显著提升

## 运动频率

- 当前频率:4天/周
- 目标频率:4-5天/周
- 状态:✅ 达标
- 建议:保持当前频率

## 强度分布

| 强度 | 占比 | 变化 |
|------|------|------|
| 低强度 | 25% | +5% |
| 中等强度 | 55% | -10% |
| 高强度 | 20% | +5% |

**分析**:强度分布合理,中等强度占主导,符合有氧运动建议。

## 运动类型分布

| 运动类型 | 占比 |
|---------|------|
| 跑步 | 50% |
| 瑜伽 | 25% |
| 力量训练 | 25% |

**建议**:可以适当增加力量训练比例至30-40%。

## 洞察与建议

### 优势
1. ✅ 运动量稳定增长,(+50%)
2. ✅ 运动频率稳定,每周4天
3. ✅ 休息日充足,恢复良好

### 改进建议
1. 📈 每周增加2次力量训练
2. 📈 尝试不同运动类型避免单调
3. 📈 适当增加高强度间歇训练(HIIT)

### 警示
1. ⚠️ 注意运动强度不宜过高,控制在中等强度为主

Relatório de Análise de Correlação

# 运动与血压相关性分析

## 数据来源
- 运动数据:fitness-logs (2025-03-20 至 2025-06-20)
- 血压数据:hypertension-tracker (同期)

## 分析结果

### 相关系数
- 变量:每周运动时长 ↔ 收缩压
- 相关系数:r = -0.68
- 相关性强度:**强负相关**
- 统计显著性:p < 0.01 **高度显著**

### 解读
运动时长与收缩压呈强负相关,意味着:
- 运动越多,血压越低
- 每增加30分钟运动,收缩压平均下降3-5 mmHg

### 实践建议
1. ✅ 继续保持规律运动,每周5-7天
2. ✅ 每次运动30-60分钟,中等强度
3. ✅ 优先选择有氧运动(快走、慢跑、骑行)
4. ⚠️ 避免憋气动作和突然爆发性运动

### 医学参考
- AHA声明:规律有氧运动可降低收缩压5-7 mmHg
- 您的运动效果:降低约10 mmHg,效果显著!

Relatório de Rastreamento de Progresso

# 跑步进步追踪

## 分析周期
2025-01-01 至 2025-06-20(6个月)

## 配速进步

| 指标 | 开始 | 当前 | 改善 |
|------|------|------|------|
| 平均配速 | 7:30 min/km | 6:00 min/km | +20% ⬆️ |
| 最快配速 | 7:00 min/km | 5:30 min/km | +22% ⬆️ |
| 5公里用时 | 37:30 | 30:00 | +20% ⬆️ |

**趋势**:配速持续稳定提升,进步显著!

## 距离进步

| 指标 | 开始 | 当前 | 改善 |
|------|------|------|------|
| 最长单次距离 | 3 km | 12 km | +300% ⬆️ |
| 月度总距离 | 40 km | 86 km | +115% ⬆️ |
| 平均距离 | 5 km | 6 km | +20% ⬆️ |

**趋势**:耐力大幅提升,可以完成更长距离。

## 心率改善

| 指标 | 开始 | 当前 | 改善 |
|------|------|------|------|
| 静息心率 | 78 bpm | 72 bpm | -6 bpm ⬇️ |
| 相同配速心率 | 155 bpm | 145 bpm | -10 bpm ⬇️ |

**分析**:心肺功能显著改善,相同配速下心率降低。

## 里程碑

- ✅ 2025-03-15:首次完成5公里跑
- ✅ 2025-05-20:首次完成10公里跑
- ✅ 2025-06-10:配速突破6:00 min/km

## 下一步目标

- 🎯 完成半程马拉松(21公里)
- 🎯 配速提升至5:30 min/km
- 🎯 尝试间歇训练提升速度

Fontes de Dados

Principais Fontes de Dados

  1. Registro de Atividades Físicas

    • Caminho: data/fitness-logs/YYYY-MM/YYYY-MM-DD.json
    • Conteúdo: Registros de atividades físicas (tipo, duração, intensidade, frequência cardíaca, distância, etc.)
    • Frequência: Atualizado após cada atividade física
  2. Perfil do Usuário

    • Caminho: data/fitness-tracker.json
    • Conteúdo: Perfil do usuário, metas de condicionamento físico, dados estatísticos
    • Atualização: Atualizado periodicamente
  3. Correlação de Dados de Saúde

    • data/hypertension-tracker.json (dados de pressão arterial)
    • data/diabetes-tracker.json (dados de glicose sanguínea)
    • data/profile.json (peso, IMC, etc.)

Verificação de Qualidade dos Dados

  • Integridade dos dados: Verifica a existência de campos necessários
  • Razoabilidade dos dados: Verifica se os valores estão dentro de intervalos razoáveis
  • Consistência temporal: Verifica se os carimbos de data/hora são razoáveis
  • Dados duplicados: Detecta e trata registros duplicados

Descrição dos Algoritmos

1. Análise de Tendências por Regressão Linear

Usa regressão linear para analisar as tendências temporais dos dados de atividades físicas.

Fórmula: y = a + bx

Onde:

  • y: Métrica de atividade física (duração, calorias, distância, etc.)
  • x: Tempo
  • a: Intercepto
  • b: Inclinação (direção e velocidade da tendência)

Interpretação:

  • b > 0: Tendência de alta
  • b < 0: Tendência de baixa
  • b ≈ 0: Estável

2. Coeficiente de Correlação de Pearson

Usado para analisar a correlação linear entre duas variáveis.

Fórmula: r = Σ[(xi - x̄)(yi - ȳ)] / √[Σ(xi - x̄)² × Σ(yi - ȳ)²]

Intervalo: -1 ≤ r ≤ 1

Interpretação:

  • r = 1: Correlação positiva perfeita
  • r = -1: Correlação negativa perfeita
  • r = 0: Nenhuma correlação linear

Julgamento de Força:

  • |r| < 0.3: Correlação fraca
  • 0.3 ≤ |r| < 0.7: Correlação moderada
  • |r| ≥ 0.7: Correlação forte

3. Cálculo de Ritmo

Ritmo = Duração do exercício / Distância

Unidade: min/km ou min/mile

Exemplo:

  • Correr 5 km em 30 minutos
  • Ritmo = 30 / 5 = 6 min/km

4. Cálculo de Consumo de Energia MET (Metabolismo Equivalente)

Consumo de Calorias = MET × Peso (kg) × Tempo (horas)

Valores MET para Atividades Físicas Comuns:

  • Caminhada (3-5 km/h): 3.5-5 MET
  • Corrida leve (8 km/h): 8 MET
  • Corrida rápida (10 km/h): 10 MET
  • Natação: 6-10 MET
  • Ciclismo (lazer): 4 MET
  • Treinamento de força: 5 MET
  • Yoga: 3 MET

Limites de Segurança Médica

⚠️ Aviso Importante Esta análise é apenas para referência de saúde e não constitui aconselhamento médico.

Escopo das Capacidades de Análise

✅ Pode Fazer:

  • Estatísticas e análise de dados de atividades físicas
  • Identificação e visualização de tendências
  • Cálculo e interpretação de correlações
  • Sugestões gerais de atividades físicas

❌ Não Pode Fazer:

  • Diagnóstico de doenças
  • Avaliação de risco de atividades físicas
  • Design de prescrições específicas de exercícios
  • Diagnóstico e tratamento de lesões por atividades físicas

…

Perguntas frequentes

O que são 'dados de exercício'?

São informações sobre suas atividades físicas, como o tipo de exercício, quanto tempo durou, a intensidade, distância percorrida e calorias queimadas.

O que significa 'análise de correlação'?

É quando a ferramenta verifica se existe uma ligação entre seus exercícios e outras informações de saúde, como seu peso ou pressão arterial. Por exemplo, se fazer mais exercício ajuda a baixar sua pressão.

As sugestões são médicas?

Não, são sugestões gerais baseadas em diretrizes de saúde e nos seus dados. Para conselhos médicos específicos, consulte um profissional de saúde.

Detalhes

Descrição original do autor

分析运动数据、识别运动模式、评估健身进展,并提供个性化训练建议。支持与慢性病数据的关联分析。

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#3012
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas