核心用法
Period Tracker 是一款以隐私为核心的经期周期追踪技能，采用自适应学习机制，无需预设28天标准周期。其工作方式为：从简单问题（"上次月经何时开始？"）起步，根据用户主动分享的信息逐步建立个人数据库，涵盖周期长度、经期时长、症状模式等维度。
关键设计原则：
- 零推断：仅从用户明确分享的内容记录，绝不从无关对话推测
- 个性化基准：以用户自身历史为"正常"标准，而非教科书数据
- 能量匹配：主动型用户可接收周期性提问，被动型用户仅提供记录功能
- 医学边界：识别需就医信号（突发模式改变、严重疼痛），但从不主动制造焦虑
支持场景： 规律周期、不规律周期、多囊卵巢综合征（PCOS）、围绝经期过渡，周期长度接受21-60+天的正常变异范围。
显著优点
1. 隐私架构：本地加密存储，用户完全控制，随时可删除
2. 包容性设计：拒绝"28天标准"假设，适配复杂生理状况
3. 去焦虑化：不主动推送"月经推迟"提醒，不将情绪归因于周期
4. 渐进复杂度：从极简记录扩展到症状关联、生育追踪等深度功能
潜在局限
- 依赖用户主动性：无自动数据捕获（如可穿戴设备同步），记录完整性取决于使用频率
- 无医学诊断能力：仅提供记录和模式识别，不提供治疗建议或确诊
- 症状库边界：预设症状列表可能未覆盖罕见表现
适合人群
- 关注数据主权的隐私敏感用户
- 周期不规律或患有PCOS/围绝经期的女性（被主流App的"标准周期"排除）
- 偏好极简记录或深度追踪的灵活需求者
- 需要症状-周期关联分析的用户
常规风险
- 数据孤岛风险：本地加密意味着换设备需手动迁移，无云同步便利
- 自检盲区：用户可能忽视Flags中标记的医学警示信号
- 记录倦怠：长期手动输入可能导致中断，影响模式学习准确性