domains / general / nutrition-data-analysis / nutrition-analyzer
The two copies share the same name and high-level purpose but diverge in how they instruct the agent. The first copy is a thin wrapper that defers to an external detailed guide and adds safety/limitation constraints. The second copy is a self-contained procedure with specific data file paths, analysis algorithms (RDA achievement thresholds, nutrient density scoring, Pearson correlation), and a detailed output report format. Neither copy contains the other's material steps, so crowning one would hide a real alternative.
| Repository | Path |
|---|---|
| sickn33/agentic-awesome-skills | plugins/agentic-awesome-skills-claude/skills/nutrition-analyzer/SKILL.md |
| FreedomIntelligence/OpenClaw-Medical-Skills | skills/nutrition-analyzer/SKILL.md |
| Role | Repository | Path |
|---|---|---|
| peer | sickn33/agentic-awesome-skills | plugins/agentic-awesome-skills-claude/skills/nutrition-analyzer/SKILL.md |
| peer | FreedomIntelligence/OpenClaw-Medical-Skills | skills/nutrition-analyzer/SKILL.md |
| adapter | sickn33/agentic-awesome-skills | plugins/agentic-awesome-skills/skills/nutrition-analyzer/SKILL.md |
| adapter | sickn33/agentic-awesome-skills | skills/nutrition-analyzer/SKILL.md |
--- name: nutrition-analyzer description: 分析营养数据、识别营养模式、评估营养状况,并提供个性化营养建议。支持与运动、睡眠、慢性病数据的关联分析。 allowed-tools: Read, Grep, Glob, Write --- # 营养分析器技能 分析饮食和营养数据,识别营养模式,评估营养状况,并提供个性化营养改善建议。 ## 前置要求 - 如果存在 references/detailed-guide.md,先读取该文件,将其中的安全、前置条件和验证要求视为强制。 - 如果不存在外部指南,使用本文件中的完整流程。 - 如果所需输入、权限、安全边界或成功标准缺失,停止并请求澄清。 - 输出不替代环境特定的验证、测试或专家审查。 ## 触发条件 - 营养趋势分析 - 营养素摄入评估 - 营养状况评估 - 营养改善建议 - 营养与其他健康指标的关联分析 ## 执行步骤 ### 步骤 1: 确定分析范围 - 分析类型:趋势/评估/相关性/建议 - 时间范围:周/月/季度/自定义 - 分析深度:宏量营养素/微量营养素/全面分析 ### 步骤 2: 读取数据 主要数据源: 1. data-example/nutrition-tracker.json 2. data-example/nutrition-logs/YYYY-MM/YYYY-MM-DD.json 关联数据源: 1. data-example/profile.json 2. data-example/fitness-tracker.json 3. data-example/sleep-tracker.json 4. data-example/hypertension-tracker.json 5. data-example/diabetes-tracker.json ### 步骤 3: 数据分析 **趋势分析**: - 线性回归计算趋势斜率 - 移动平均平滑波动 - 统计显著性检验 **RDA达成率计算**: rda_achievement = (actual_intake / rda_value) * 100 - < 50%: 严重缺乏 - 50-75%: 不足 - 75-100%: 接近目标 - 100-150%: 充足 - > 150%: 过量(注意安全上限UL) **营养密度评分**: nutrient_density_score = (vitamins_achieved / total_vitamins) * 40 + (minerals_achieved / total_minerals) * 30 + (fiber_achieved / fiber_rda) * 30 **相关性分析**: - Pearson相关系数计算 - 滞后相关性分析 - 多变量回归分析 ### 步骤 4: 生成报告 按以下结构输出: 1. 分析周期 2. 宏量营养素趋势(卡路里、蛋白质、脂肪、纤维) 3. 维生素状况趋势 4. 矿物质趋势 5. 特殊营养素趋势(Omega-3、胆碱等) 6. 饮食模式分析(食物类别分布、进食时间模式、饮食质量评分) 7. 洞察与建议(关键洞察、营养素调整、食物选择、饮食习惯、补充剂建议) ## 限制 - 仅当任务明确匹配上述范围时使用。 - 补充剂建议仅供参考,需标注相互作用警示。 - 停止并请求澄清如果所需输入、权限、安全边界或成功标准缺失。