总安装量 1
评分人数 1
核心用法
Fitbit Analytics 是一款面向个人用户的健康数据集成分析工具，通过调用 Fitbit Web API 获取用户的运动、睡眠、心率等健康指标。用户需先在 Fitbit 开发者平台创建应用并获取 OAuth 2.0 凭证（CLIENT_ID、CLIENT_SECRET、ACCESS_TOKEN、REFRESH_TOKEN），配置环境变量后即可使用。
该 Skill 提供三种主要使用方式：
1. 每日简报（fitbit_briefing.py）：生成包含昨日活动、Active Zone Minutes、今日步数/卡路里/心率/睡眠等核心指标的晨间健康报告，支持文本、精简、JSON 三种输出格式
2. CLI 数据获取（fitbit_api.py）：通过命令行获取指定时间范围的步数、卡路里、心率、睡眠等原始数据
3. Python API 调用：在代码中直接实例化 FitbitClient 或 FitbitAnalyzer 进行程序化数据获取与分析
此外，alerts.py 支持基于阈值的健康提醒功能，可设置步数、睡眠时长等指标的监控告警。
显著优点
- 零外部依赖：仅使用 Python 标准库（urllib、json、argparse 等），无 pip 包依赖，部署简单且供应链攻击风险极低
- 数据隐私优先：所有健康数据仅在本地处理，不传输至第三方服务器，Token 缓存采用 600 权限保护
- 完善的异常处理：网络请求设置 10 秒超时，API 响应有安全的数据转换函数（_safe_float、_safe_int），错误信息不泄露敏感信息
- 灵活的输出格式：支持文本简报、JSON 结构化数据、精简三行摘要等多种输出，便于集成至自动化工作流（如 Telegram 定时推送）
- Token 自动刷新：内置 OAuth Token 刷新机制，避免手动重复授权
潜在缺点与局限性
- T3 来源可信度：开发者为个人账号（kesslerio），非企业或官方组织背书，项目维护持续性存在不确定性
- 功能覆盖有限：无法获取 Fitbit Premium 专属功能（如 Cardio Load），部分高级健康指标不可用
- 配置门槛较高：需用户自行完成 Fitbit 开发者应用创建、OAuth 授权流程，对非技术用户不够友好
- 单用户设计：凭证绑定单一用户，不适合多用户共享或企业级部署场景
- 无可视化能力：仅输出原始数据或文本报告，需配合其他工具实现图表可视化
适合的目标群体
- 健康数据爱好者：希望深度分析个人运动、睡眠趋势的技术型用户
- 量化自我（Quantified Self）实践者：需要将 Fitbit 数据集成至个人自动化工作流（如 Notion、Telegram、Home Assistant）
- 开发者/工程师：具备 Python 基础，希望基于 Fitbit 数据构建自定义健康应用或智能家居联动
- 小型健康研究团队：需要批量获取脱敏健康数据进行趋势分析（需确保合规性）
使用风险
- 凭证泄露风险：FITBIT_CLIENT_SECRET 和 REFRESH_TOKEN 属于高敏感凭证，若环境变量配置不当或日志泄露可能导致账户被接管
- API 速率限制：Fitbit API 有严格的调用配额，高频自动化任务可能触发限流
- 数据准确性依赖：设备佩戴方式、同步延迟可能影响数据质量，Skill 本身不提供数据校验机制
- Token 缓存安全：虽然文件权限设置为 600，但在共享服务器或容器环境中仍存在被其他高权限用户读取的风险
- 服务可用性依赖：Fitbit API 服务中断或策略变更将直接影响 Skill 功能
docs