research
设计档案：基于 HRV4Training 参考模型的 Apple Watch 个体化健康恢复分析引擎
一份 Apple Watch / HealthKit 个体化健康恢复分析 App 的产品设计档案——以 HRV4Training 的"个人基线 + 趋势检测 + 相关性分析 + Readiness + Coaching"逻辑为参照，围绕 Apple HealthKit 的真实数据能力（HRV SDNN、睡眠、呼吸、腕温、步态等）重新设计了晨间标准化 采集协议、基线算法、异常检测规则、数据模型和九个可能的专项应用方向。
- 发布
- 更新
- Apple Watch
- 产品设计
- HealthKit
- 健康科技
- 设计档案
本文来自我的调研档案。这是围绕"基于 Apple Watch 做一个 HRV4Training 式的个体化 健康恢复分析 App"这个方向所做的产品设计工作，原始材料是两份独立的设计文档（一份 偏架构判断，一份偏规格化的设计输入要求），内容高度重合，这里合并整理成一篇。这类 内容更接近产品设计档案，而不是严格意义上的市场调研报告——保留下来是因为其中对 Apple HealthKit 数据结构、个人基线算法和异常检测逻辑的梳理，本身具备一定的公开 参考价值。常规脱敏（内部任务编号、内部工具/仓库路径）已处理；产品设计内容和路线图 本身未做保留性删减。
摘要
HRV4Training 的核心价值不是"HRV 单点数据"，而是六个组合能力：统一的每日观测数据 结构、个人基线算法、趋势检测、相关性引擎、Readiness 模型、Coaching 建议生成。这份 设计档案把这套逻辑映射到 Apple Watch / HealthKit 的真实数据能力上，设计了一个"个人 健康基线 + 早期异常信号"系统：不做通用健康看板，而是回答"我今天状态如何、为什么、 和什么有关、该怎么做"。核心工程判断是：Apple HealthKit 暴露的 HRV 指标是 SDNN，不是 HRV4Training 常用的 RMSSD，因此不能直接照搬对方的算法阈值，必须依赖个人基线来消化 不同 HRV 算法带来的差异；且第一版应聚焦"晨间标准化采集 + 多指标融合"而非依赖 Apple 未完全开放的原始 PPG/RR interval 数据。
1. 产品定位
不做：普通健康数据看板、简单计步 App、单纯睡眠评分 App、单纯 HRV App、和 Apple Health 正面竞争的"大而全"健康入口、医疗诊断 App。
要做：一个基于 Apple Watch 的 Personal Health Baseline & Early Signal Intelligence App（个体化健康基线与早期异常信号分析 App）。核心价值是识别"我自己的 正常状态"、发现"我最近哪里偏离正常"、判断"这种偏离可能和什么有关"、给出"下一步 行为建议"，长期形成个人健康画像。
产品边界明确：不做医疗诊断，不声称检测疾病，不替代医生建议。
允许的表达方式：
- 数据显示你的恢复状态低于个人基线
- 你的夜间心率和呼吸频率高于近期正常范围
- 该模式可能与压力、睡眠不足、训练负荷或身体不适有关
- 如伴随明显症状，请咨询专业医生
禁止的表达方式：你感染了 / 你有心脏病 / 你有睡眠呼吸暂停 / 你有焦虑症 / 你需要治疗 / 你不需要看医生。
2. 目标用户
第一阶段：Apple Watch 用户、运动恢复用户（跑步/骑行/健身/CrossFit）、高压力 工作人群、睡眠质量差的人群、想用 Apple Watch 做更深入健康分析的人群。
第二阶段扩展：女性周期恢复管理、围绝经期健康趋势管理、高血压生活方式管理、 血糖/CGM 联动管理、心肺功能趋势管理、老年步态与跌倒风险趋势管理、术后或康复趋势 管理。
3. 数据源：Apple HealthKit 能提供什么
Apple Watch / HealthKit 的数据需要分层理解：
| 层 | 关键数据 | 产品价值 |
|---|---|---|
| 生理基础 | Heart Rate、Resting Heart Rate、HRV SDNN、Respiratory Rate、Blood Oxygen、Wrist Temperature、ECG、AFib History、Breathing Disturbances | 压力、恢复、疲劳、感染前兆等信号来源 |
| 睡眠 | Sleep Duration、Sleep Stages、Sleep Schedule、Night Vitals、（watchOS 26 后的）Sleep Score | 基础恢复指标与结构分析 |
| 活动与运动 | Steps、Active Energy、Exercise Minutes、Stand Hours、Workouts、Training Load、VO2 Max/Cardio Fitness、Heart Rate Recovery、Walking Heart Rate Average、Flights Climbed | 训练负荷与心肺适能 |
| 行走/运动能力 | Walking Speed、Step Length、Double Support Time、Walking Asymmetry、Walking Steadiness、Six-Minute Walk Distance、Stair Ascent/Descent Speed | 步态、平衡、跌倒风险、康复进度 |
| 主观与事件（需 App 自行采集） | Fatigue、Mood、Stress、Muscle Soreness、Alcohol、Travel、Illness、Medication、Menstruation、Workload、Caffeine | 解释生理数据变化的关键变量 |
第一版必须接入的 HealthKit 权限至少覆盖：心血管与恢复类（Heart Rate、Resting Heart Rate、HRV SDNN、Walking Heart Rate Average、Heart Rate Recovery、VO2 Max）、睡眠类 （Sleep Analysis、Duration、Stages、Time in Bed、Wake After Sleep Onset）、夜间生理 （Respiratory Rate、Wrist Temperature、条件允许时的 Blood Oxygen）、活动与运动类 （Steps、Active Energy、Exercise Minutes、Stand Hours、Workouts 及其明细、条件允许时 的 Training Load）、身体能力类（Walking Speed、Step Length、Double Support Time、 Walking Asymmetry、Walking Steadiness、条件允许时的 Six-Minute Walk Distance）， 以及用户手动输入的主观与事件字段。
4. 与 HRV4Training 的差异化
| 维度 | HRV4Training | 本设计 |
|---|---|---|
| 核心 | HRV + 训练恢复 | Apple Watch 全数据健康趋势 |
| 数据来源 | HRV、训练、主观输入 | HealthKit 全量数据 + 第三方硬件 |
| 主要人群 | 运动员、跑者、骑行 | 运动 + 睡眠 + 压力 + 慢病风险 |
| 分析重点 | 恢复和训练 | 个体化健康基线 |
| 硬件绑定 | 不绑定 | Apple Watch 优先 |
| AI 能力 | 传统规则/解释 | AI Coach + 相关性解释 |
| 扩展方向 | 训练平台 | 专项健康 App 矩阵 |
5. HRV 采集的关键工程判断
Apple Watch 支持读取 HealthKit 中的 HRV SDNN，但不等于支持开发者完全控制底层 PPG 或连续 RR interval 采集。因此第一版设计原则是：不依赖完全原始 RR interval；以 Apple HealthKit HRV SDNN + 晨间标准化采集窗口 + 多指标融合为核心。
Apple HealthKit 中 HRV 主要使用 heartRateVariabilitySDNN——代表 SDNN，而不是
HRV4Training 常用的 RMSSD / LnRMSSD。因此算法中需要明确：Apple HRV = SDNN，不直接
声称等同于 RMSSD，不直接照搬 HRV4Training 的 LnRMSSD 模型，改用个人基线方式降低
不同 HRV 算法带来的可比性问题。
Apple HealthKit 存在 HKHeartbeatSeriesSample / HKHeartbeatSeriesQuery，可作为
高级研究项，但第一版不应依赖它作为核心商业功能——只做可选实验模块，若能稳定读取则
用于内部验证，不承诺所有用户都有该数据，不把 RMSSD 作为第一版核心指标，不在前端
强调 RR interval。
晨间标准化采集协议（Morning Recovery Check）
起床后 → 打开 App → 点击"开始晨间检测" → 保持静止 90 秒
→ 完成主观打卡 → 系统生成今日 Readiness
| 项目 | 要求 |
|---|---|
| 时间 | 起床后 5–30 分钟 |
| 状态 | 未运动、未喝咖啡、未进食 |
| 姿势 | 固定坐姿或仰卧，用户首次选择后长期保持 |
| 时长 | 90 秒，后续可支持 60–120 秒 |
| 环境 | 安静、不说话、不走动 |
| 佩戴 | Apple Watch 正常佩戴，表带贴合 |
| 同步输入 | 疲劳、压力、心情、酸痛、疾病、饮酒、经期等 |
晨测数据采集逻辑：记录晨测起止时间 → 读取该窗口内的心率与 HRV SDNN 样本 → 读取 睡眠期间的 HRV/心率/呼吸/体温 → 读取前一晚睡眠数据 → 读取前 24 小时训练负荷 → 读取用户主观打卡 → 生成数据质量分 → 生成 Readiness 结果。
6. 核心引擎设计
6.1 Baseline Engine：个人正常区间
核心原则：不用统一标准判断健康状态（"HRV 高=好，HRV 低=差"没有意义），只判断 "当前是否偏离用户自己的正常范围"。举例：用户 A 平均 HRV=35，从 35 降到 28 可能是 明显疲劳；用户 B 平均 HRV=85，从 85 降到 70 也可能是明显疲劳——统一阈值无法覆盖 两者。
基线需要维护多个时间窗口：7 天（短期状态）、14/28 天（月度基线）、60 天（稳定 个人基线）、180 天（季节性/长期趋势）、365 天（年度画像）。第一版至少为以下指标 建立基线：HRV SDNN、Resting/Sleeping Heart Rate、Respiratory Rate、Wrist Temperature Delta、Sleep Duration/Efficiency/Deep/REM、Active Energy、Steps、 Training Load、Heart Rate Recovery、VO2 Max。
每个指标的基线字段：median / mean / standard_deviation / coefficient_of_variation / percentile_10 / percentile_25 / percentile_75 / percentile_90 / normal_low / normal_high / sample_count / confidence_level / last_updated_at。正常区间不建议
简单用 mean ± 2SD，更稳健的做法是 rolling median ± personal variability band，可结合 Median、MAD/robust SD、Coefficient of Variation、Percentile
10–90、Smallest Worthwhile Change。
数据冷启动策略：
| 阶段 | 数据量 | 产品策略 |
|---|---|---|
| Day 1–3 | 极少 | 只展示数据，不做判断 |
| Day 4–14 | 初步 | 建立临时基线/生成临时趋势 |
| Day 15–30 | 可用 | 开始趋势判断/生成初步 Readiness |
| Day 31–60 | 稳定 | 输出主要建议/较稳定基线 |
| Day 60+ | 成熟 | 个体化模型 |
6.2 Trend Detection：趋势检测
系统需要识别十类趋势：单日异常、连续异常、多指标组合异常、基线漂移、恢复下降、 训练过载、睡眠债、压力负荷、疑似身体不适模式、心肺恢复能力变化。
单日异常示例：HRV 明显低于个人正常区间、静息心率明显升高、睡眠时长明显下降、 夜间呼吸频率升高、手腕温度偏高、血氧下降、心率恢复变差。
连续异常规则示例：如果 HRV 连续 3 天低于个人正常区间，并且 Resting HR 连续
3 天高于个人正常区间，则标记为 Sustained Recovery Decline（持续恢复下降）。
多指标组合异常（单一指标噪音大，组合才有产品价值）：
| 模式 | 组合信号 | 输出示例 |
|---|---|---|
| 疑似身体不适 | Resting HR↑、HRV↓、Respiratory Rate↑、Wrist Temperature↑、Sleep Quality↓、主观疲劳↑ | "最近 2–3 天你的夜间心率、呼吸频率和手腕温度同时高于个人基线，HRV 下降。该模式常见于恢复不足、压力升高或身体不适前后，建议降低训练强度并观察是否出现症状。"（注意：不能说"你感染了"，只能说"模式类似""建议观察"） |
| 过度训练/恢复不足 | Training Load↑、HRV↓、Resting HR↑、Sleep Duration↓、Muscle Soreness↑、Motivation↓、HR Recovery↓ | "当前训练负荷升高，但恢复指标走弱，建议今天选择低强度训练或休息。" |
| 睡眠债 | Sleep Duration↓、Deep Sleep↓、REM↓、Resting HR↑、HRV↓、Daytime Fatigue↑ | "过去 7 天你的睡眠总量低于个人平均，夜间心率上升，提示睡眠债可能正在影响恢复。" |
| 压力/交感神经兴奋 | HRV↓、Resting HR↑、Respiratory Rate↑、Sleep Fragmentation↑、Stress Score↑ | "当前模式更像压力负荷升高，而不是单纯运动疲劳。" |
| 心肺能力下降 | VO2 Max↓、Walking HR↑、HR Recovery↓、同活动量配速变慢、Training Load 不变 | "在相似活动量下，心率更高且恢复变慢，建议关注近期疲劳、睡眠和训练安排。" |
6.3 Correlation Engine：相关性引擎
用户真正想知道的不是"我的 HRV 是多少"，而是"我为什么状态差——是睡眠问题？压力？ 训练？饮酒？旅行？周期？生病？药物？"。分析对象涵盖生理（HRV/RHR/夜间心率/呼吸/ 温度/血氧）、睡眠、运动、行为（饮酒/咖啡/晚餐时间/旅行）、主观（疲劳/压力/心情/ 酸痛）、女性健康（经期/排卵窗口/周期阶段）、外部（天气/时区/日历/工作日周末）。
输出示例（示例数值，非真实用户数据）：
过去 60 天，你的数据显示：
饮酒后的第二天，HRV 平均低于个人基线约 11–12%。
睡眠少于 6 小时时，静息心率平均高出约 5 bpm。
跨时区旅行后，HRV 平均下降约 14%。
高强度训练后的第二天，如果睡眠超过 7.5 小时，恢复下降明显减轻。
每个用户会逐渐生成自己的 Personal Sensitivity Profile（睡眠敏感性、酒精敏感性、
训练负荷敏感性、压力敏感性、旅行敏感性、经期敏感性、疾病模式敏感性）——例如用户 A
可能饮酒影响大、训练影响小，用户 B 可能睡眠不足影响大、咖啡影响小。
因果表达限制：避免"饮酒导致你的 HRV 下降"这类绝对化表述，应说"在你的历史 数据中，饮酒后的第二天，HRV 平均低于个人基线约 12%，这提示饮酒可能与你的恢复 下降有关"。
6.4 Readiness Model：每日状态模型
不建议只做一个总分（容易被用户误解），建议拆成多个子维度：Overall Readiness、 Recovery Readiness、Training Readiness、Sleep Recovery、Stress Load、 Illness-like Signal、Cardiovascular Strain、Mobility/Functional Status。
输出统一分四级：
| 等级 | 含义 |
|---|---|
| Green | 状态接近个人正常范围 |
| Yellow | 轻度偏离，可正常活动但注意恢复 |
| Orange | 多指标偏离，建议降低负荷 |
| Red | 明显偏离，建议休息并观察症状，必要时咨询专业人士 |
每日输出必须包含固定结构：今日状态 → 主要证据 → 可能原因 → 建议行动 → 数据质量 → 免责声明。示例：
今日状态：Orange
主要证据：
1. HRV 低于你的 60 天基线
2. 静息心率连续 2–3 天升高
3. 昨晚睡眠少于你的 28 天平均
4. 昨日训练负荷偏高
可能原因：这可能与训练负荷增加和睡眠不足有关。
建议：今天避免高强度训练，优先选择散步、拉伸或低强度恢复活动。
如果同时出现发热、胸闷、明显乏力等症状，请咨询医生。
6.5 Coaching Engine：建议生成逻辑
Coaching 不应只靠 AI 文案堆砌，正确结构是一条证据驱动的链路：
Data / Evidence Layer → Pattern Detection → Interpretation
→ Personalized Recommendation → User Feedback Loop
第一版至少支持恢复建议、训练建议、睡眠建议、压力管理建议、异常观察建议、周报 总结、习惯实验建议七类。习惯实验示例："连续 7 天睡眠时间提前 30 分钟，观察 HRV、 静息心率和疲劳评分变化"，或"连续 2 周记录饮酒和睡眠，观察它们对恢复分数的影响"。
7. 数据质量评分（Data Quality Score）
Apple Watch 数据不是连续医疗级监护：HRV 采样不是全天连续高频、睡眠数据依赖佩戴、 血氧部分地区/型号不可用、ECG 需要用户主动测量、温度多为睡眠期间相对变化、 HealthKit 数据可能延迟同步、不同型号 Apple Watch 数据可用性不同。因此每日分析前 必须先给出数据质量分级：
| 质量 | 判断条件 | 产品行为 |
|---|---|---|
| High | 佩戴时间充足、有睡眠/夜间心率/HRV 数据、晨测完成、主观打卡完成、无明显运动干扰 | 可输出完整建议 |
| Medium | 有睡眠和心率数据，但晨测缺失或质量一般、主观打卡缺失 | 可输出部分趋势 |
| Low | 未佩戴 Apple Watch 睡觉、无睡眠数据、HRV 缺失、心率样本过少、晨测中移动过多 | 只展示数据，不建议 |
| Insufficient | 数据严重不足 | 无法生成建议，只展示已有数据 |
8. 数据模型
// DailyObservation（每日观测记录）
{
"user_id": "string",
"date": "date",
"timezone": "string",
"data_quality": "high | medium | low | insufficient",
"physiology": { "resting_hr": 0, "hrv_sdnn": 0, "night_hr_avg": 0, "respiratory_rate": 0, "spo2_avg": 0, "wrist_temp_delta": 0 },
"sleep": { "sleep_duration_min": 0, "deep_sleep_min": 0, "rem_sleep_min": 0, "awake_min": 0, "sleep_efficiency": 0 },
"activity": { "steps": 0, "active_energy_kcal": 0, "exercise_min": 0, "stand_hours": 0 },
"workout": { "training_load": 0, "max_hr": 0, "avg_hr": 0, "hr_recovery_1min": 0 },
"mobility": { "walking_speed": 0, "step_length": 0, "double_support_time": 0, "walking_asymmetry": 0 },
"subjective": { "fatigue": 0, "stress": 0, "mood": 0, "muscle_soreness": 0 },
"events": { "alcohol": false, "travel": false, "illness": false, "late_meal": false, "medication": false },
"readiness": {},
"signals": [],
"coaching": {}
}
// BaselineProfile（个人基线档案，按指标分别维护）
{
"user_id": "string", "metric": "hrv_sdnn", "window_days": 60,
"median": 0, "mean": 0, "sd": 0, "cv": 0,
"normal_low": 0, "normal_high": 0, "sample_count": 0,
"confidence": "low | medium | high"
}
// TrendSignal（趋势信号）
{
"signal_id": "string", "user_id": "string", "date": "date",
"signal_type": "recovery_decline | sleep_debt | stress_load | training_overload | illness_like",
"severity": "low | medium | high",
"evidence": [], "recommendation": "string"
}
9. App 页面结构
iPhone：Home（今日 Readiness、数据质量、关键原因、今日建议、晨测入口）； Trends（HRV/静息心率/睡眠/训练负荷/呼吸频率/体温趋势）；Insights（影响恢复的 Top 因素、各类相关性、个人敏感性画像）；Check-in（疲劳/压力/心情/酸痛/疾病/饮酒/ 咖啡/旅行/经期）；Reports（7/28/60 天报告，可导出 PDF）；Settings（HealthKit 权限、晨测提醒、姿势选择、数据源管理、隐私设置、免责声明）。
Apple Watch：Morning Check（开始晨测、90 秒倒计时、状态提示、完成提示）； Today（今日状态颜色、简短建议、是否适合训练）；Quick Check-in（疲劳/压力/酸痛/ 心情快速打卡）。
10. 九个可能的专项应用方向
同一套底层引擎（HealthKit Data Layer + Baseline Engine + Trend Detection + Correlation Engine + Readiness Engine + Coaching Engine + Report Engine）可以 支撑多个垂直前端，而不是只做一个大而全的 App：
| 方向 | 目标人群 | 核心组合模型 | 差异化要点 |
|---|---|---|---|
| 运动恢复 | 跑步/骑行/铁三/CrossFit/健身人群 | Training Load + HRV + Resting HR + Sleep + HR Recovery + 主观疲劳 = Training Readiness | 比 Apple Fitness 更个体化，比 Whoop 更开放不绑定硬件，加入 AI 解释 |
| 睡眠恢复 | 睡眠差、高压工作、倒班、运动、中年人群 | Sleep Duration + Stages + Night HR + Respiratory Rate + Wrist Temperature + HRV + 次日疲劳 = Sleep Recovery Impact | 不是单纯"睡眠评分"，而是回答"昨晚睡眠如何影响今天的身体状态" |
| 压力与自主神经 | 创业者、高压销售、医护、IT/金融、焦虑压力管理人群 | HRV + Resting HR + Respiratory Rate + Sleep Fragmentation + Calendar Load + 主观压力 = Stress Load | 避免直接诊断焦虑/抑郁等心理疾病 |
| 女性周期与恢复 | 女性运动人群、经期管理、备孕、围绝经期用户 | Wrist Temperature + Resting HR + HRV + Sleep + Cycle Phase + Symptoms = Cycle-aware Readiness | 官方 Health 偏记录，本产品做解释和行为建议 |
| 心肺健康 | 中年男性、亚健康、心肺功能下降、运动恢复、术后非诊断观察人群 | Resting HR + Walking HR + HR Recovery + VO2 Max + Exercise Tolerance + Six-Minute Walk = Cardio Functional Trend | 只做趋势观察和就医提醒，不做心脏病诊断 |
| 睡眠呼吸风险观察 | 打鼾、肥胖、中年男性、白天疲劳人群 | Breathing Disturbances + Respiratory Rate + Blood Oxygen + Night HR + Sleep Fragmentation + 白天疲劳 = Sleep Breathing Risk Pattern | Apple 已有睡眠呼吸暂停通知，差异点在长期趋势与生活方式关联 |
| 老年步态与跌倒风险 | 老年人、康复人群、家庭照护、保险/养老机构 | Walking Speed + Step Length + Double Support Time + Walking Asymmetry + Walking Steadiness + Activity Decline = Mobility Risk Trend | 非常适合 Apple Watch 的垂直方向；含家属端/医生端报告 |
| 慢病生活方式监控 | 高血压、糖尿病、肥胖、睡眠差、中年慢病风险人群 | Apple Watch Data + Blood Pressure + Glucose/CGM + Weight + Medication + Diet Tags = Lifestyle Response Model | 后续接入血糖仪/血压计/ECG/血脂仪最有价值的方向，合规要求最高 |
| 术后/康复趋势 | 骨科术后、心肺康复、慢病康复、运动损伤恢复 | Activity Recovery + Resting HR + Sleep + Pain Score + Mobility + HRV = Recovery Progress | 含远程随访报告能力 |
推荐优先级：第一优先"运动恢复 + 睡眠 + 压力"综合方向（数据最容易拿到、需求 明确、不容易触碰医疗诊断红线、订阅转化较好、可复用 HRV4Training 成功模型）；第二 优先"女性周期恢复/经期训练"（Apple Watch 温度和周期数据有天然优势，官方 Health 偏记录不够解释，细分市场愿意付费）；第三优先"慢病生活方式联动"（商业价值高但合规 要求更高，作为第二阶段）。
11. 合规与风险边界
App Store 定位建议：Fitness / Wellness / Recovery / Lifestyle / Personal insights。谨慎使用的词：Diagnosis / Disease detection / Medical advice / Clinical decision / Treatment recommendation。
隐私原则：默认最小化采集；所有 HealthKit 权限逐项说明；用户可随时撤销权限； 用户可删除所有本地和云端数据；敏感健康数据加密存储；不出售用户健康数据；AI 分析 不得泄露可识别健康信息。第一版建议本地优先：HealthKit 数据本地读取、基线计算 本地完成、Readiness 本地完成，AI Coaching 可选云端生成，用户授权后才上传匿名化 数据。
必须出现的免责声明：
本 App 提供基于 Apple Watch 和 HealthKit 数据的健康趋势与生活方式参考信息， 不用于诊断、治疗、预防任何疾病，也不能替代医生或其他专业医疗人员的建议。
12. MVP 范围与验收标准
第一版必须做：HealthKit 授权、Apple Watch 数据读取、晨间 90 秒检测流程、 主观打卡、数据质量评分、HRV/RHR/睡眠/活动趋势、个人 baseline、今日 Readiness、 关键原因解释、每日建议、7 天报告。
第一版暂不做：医疗诊断、疾病预测、ECG 深度分析、原始 PPG 分析、强依赖 RR interval、医生端系统、保险端系统、多人家庭监控、FDA/医疗器械级声明。
第二版再做：女性周期恢复模型、压力负荷深度模型、睡眠呼吸趋势模型、CGM 接入、 血压计接入、PDF 报告、教练端 Dashboard、AI habit experiment。
验收标准分三类：数据采集验收（HealthKit 授权完成、可读取 HRV SDNN/Resting HR/ Sleep Analysis/Workouts，条件允许时读取 Respiratory Rate/Wrist Temperature， Watch App 可完成 90 秒晨测流程）；算法验收（7 天生成初步趋势、14 天生成临时 baseline、30 天生成 Readiness、60 天生成稳定 baseline、缺失数据能降级处理、 数据质量低时不输出强建议）；产品验收（用户能在 10 秒内理解今日状态、能看到导致 状态变化的 Top 3 因素、能看到明确建议、能查看 7 天趋势、能完成每日打卡、能关闭 所有提醒、能删除数据）。
13. 命名方向与核心口号（设计探索，未定案）
英文方向：Recovery Intelligence / Body Baseline / Morning Readiness / Watch Recovery Lab / Personal Baseline / Daily Recovery AI / Body Signal。中文方向： 身体基线 / 晨间恢复 / 今日状态 / 恢复实验室 / 身体信号 / 我的恢复力 / 基线健康。
核心口号方向："Your Apple Watch shows what happened. We explain what it means."（Apple Watch 告诉你发生了什么，我们告诉你这对身体意味着什么。）
14. 参考资料
- Apple HealthKit Data Types
- Apple HealthKit Framework
- Apple HRV SDNN HealthKit Type
- Apple Sleep Analysis HealthKit Type
- Apple Watch Health Features
- Apple Watch Vitals
- Apple Watch Series 11 Health Insights / Sleep Score
- HRV4Training
同频联系
如果你在做基于 HealthKit / Health Connect 的健康数据分析产品，或者对个人基线 算法、异常检测规则设计有不同实践，欢迎联系我交流——尤其想听到真实用户数据下这套 设计的偏差在哪里。