名称： whoop
描述： 访问 Whoop 可穿戴健康数据（睡眠、恢复、负荷、HRV、锻炼）并生成交互式图表。当用户询问睡眠质量、恢复分数、负荷水平、HRV 趋势、锻炼数据，或希望从其 Whoop 手环获取健康可视化图表时使用。

Whoop

从 Whoop API 查询健康指标并生成交互式 HTML 图表。

设置（仅首次使用）

1. 创建 Whoop 开发者应用

1. 访问 developer-dashboard.whoop.com
2. 使用您的 Whoop 账户凭据登录
3. 如果提示，创建一个团队（任意名称均可）
4. 点击 创建应用（或访问 apps/create）
5. 填写信息：
   • 应用名称：任意名称（例如，"Clawdbot"）
   • 权限范围：选择 全部：read:recovery, read:cycles, read:workout, read:sleep, read:profile, read:body_measurement
   • 重定向 URI：http://localhost:9876/callback
6. 点击 创建 — 您将获得 客户端 ID 和 客户端密钥

2. 身份验证

使用您的凭据运行 OAuth 登录流程：

python3 scripts/whoop_auth.py login \
  --client-id 您的客户端ID \
  --client-secret 您的客户端密钥

此操作将打开浏览器进行 Whoop 授权。登录并批准访问。令牌将存储在 ~/.clawdbot/whoop-tokens.json 中并自动刷新。

检查状态：python3 scripts/whoop_auth.py status

获取数据

使用 scripts/whoop_data.py 获取 JSON 数据：

# 睡眠数据（默认最近 7 天）
python3 scripts/whoop_data.py sleep --days 14

# 恢复分数
python3 scripts/whoop_data.py recovery --days 30

# 负荷/周期数据
python3 scripts/whoop_data.py cycles --days 7

# 锻炼数据
python3 scripts/whoop_data.py workouts --days 30

# 包含平均值的综合摘要
python3 scripts/whoop_data.py summary --days 7

# 自定义日期范围
python3 scripts/whoop_data.py sleep --start 2026-01-01 --end 2026-01-15

# 用户资料 / 身体测量数据
python3 scripts/whoop_data.py profile
python3 scripts/whoop_data.py body

输出为 JSON 格式至标准输出。解析它以回答用户问题。

生成图表

使用 scripts/whoop_chart.py 生成交互式 HTML 可视化图表：

# 睡眠分析（表现 + 阶段）
python3 scripts/whoop_chart.py sleep --days 30

# 恢复分数条形图（绿/黄/红颜色编码）
python3 scripts/whoop_chart.py recovery --days 30

# 负荷与卡路里趋势
python3 scripts/whoop_chart.py strain --days 90

# HRV 与静息心率趋势
python3 scripts/whoop_chart.py hrv --days 90

# 完整仪表板（包含全部 4 个图表）
python3 scripts/whoop_chart.py dashboard --days 30

# 保存到指定文件
python3 scripts/whoop_chart.py dashboard --days 90 --output ~/Desktop/whoop.html

图表会自动在默认浏览器中打开。它们使用 Chart.js 库，采用深色主题，包含统计卡片和工具提示。

回答问题

关键指标

• 恢复分数 (0-100%)：绿色 ≥67%，黄色 34-66%，红色 <34%
• 负荷 (0-21)：基于心率的每日消耗分数
• 睡眠表现：实际睡眠时长 vs. 所需睡眠时长
• HRV (ms)：数值越高表示恢复越好，需关注长期趋势
• 静息心率 (bpm)：数值越低表示心血管健康越好

健康分析

当用户询问其健康状况、趋势或希望获得洞察时，请参考 references/health_analysis.md 获取：
- 基于科学的 HRV、静息心率、睡眠阶段、恢复、负荷、血氧饱和度解读
- 按年龄和健身水平划分的正常范围
- 模式识别（周内效应、睡眠债、过度训练信号）
- 基于数据的可操作建议
- 建议进行医疗咨询的危险信号

分析工作流程

1. 获取数据：python3 scripts/whoop_data.py summary --days N
2. 阅读 references/health_analysis.md 了解解读框架
3. 应用 5 步分析法：状态 → 趋势 → 模式 → 洞察 → 警示
4. 始终包含免责声明：此分析不构成医疗建议

参考文档

• references/api.md — 端点详情、响应模式、分页信息
• references/health_analysis.md — 基于科学的健康数据解读指南