核心用法
Fitbit Analytics 是一款面向健康数据自动化管理的技能，通过调用 Fitbit Web API 实现可穿戴设备数据的程序化访问。核心工作流分为三类：
1. 日常简报生成：fitbit_briefing.py 提供当日健康概览，包含 Active Zone Minutes 心率区间分析、睡眠效率、步数趋势对比等，支持 text/brief/json 三种输出格式，适合晨起快速浏览。
2. 历史数据拉取：fitbit_api.py CLI 支持 7-30 天维度的 steps、calories、heartrate、sleep 等指标批量获取，也可通过 Python API 编程调用，便于集成至个人健康数据库。
3. 阈值预警：alerts.py 支持基于步数、睡眠时长等阈值的自动化提醒，配合 Clawdbot cron 可实现定时推送至 Telegram。
显著优点
- 官方 API 直联：数据来源为 Fitbit 官方 Web API，非第三方爬虫，数据完整性与时效性有保障
- AZM 深度解析：支持 Active Zone Minutes（Fat Burn/Cardio/Peak 三区分解），优于多数仅展示原始心率的工具
- 灵活部署：Python 脚本形态，可嵌入自动化工作流；cron 配置示例清晰，降低运维门槛
- 隐私数据本地处理：原始 token 仅通过环境变量传递，无云端中转环节
局限性与风险
- 认证门槛高：需完成 Fitbit OAuth 2.0 全流程，非技术用户配置成本较高
- Premium 功能受限：Cardio Load 等高级指标仅 App 可见，API 无法获取
- Token 管理负担：access_token 有效期短，需配合 refresh_token 维护，长期自动化场景下需额外刷新逻辑
- 地域合规存疑：Fitbit 数据跨境传输需关注 GDPR/《个人信息保护法》合规性
- 依赖外部服务：Fitbit API 速率限制或政策变更可能导致服务中断
适合人群
量化健康爱好者、数据分析师、已拥有 Fitbit 设备且具备基础 Python/运维能力的用户。不适合追求零配置开箱体验的非技术用户。
常规风险
OAuth 凭证泄露可能导致完整健康数据暴露；建议将 token 存储于密钥管理服务而非明文环境变量，并定期轮换。