张禹

上次检查后，我把报告整理成了笔记。这次试了试 Mirobody，想看看这些记录除了留着查，还能不能变成程序能准确识别的数据。 Mirobody 是 Theta Health 开源的健康数据引擎，采用 Apache-2.0 协议。我这次先体验了其中的本地解析功能：把化验项目名称、单位对应到标准编码，方便后续工具处理。 在 AI 助手协助下，我拿自己报告里的总胆固醇和低密度脂蛋白胆固醇两项真实记录，跑了 Mirobody 1.6.0。安装需要联网，解析时阻断网络仍能运行。这一步用本地词表，没有调用模型，也没有上传我的真实数值。 两项中文名称都有返回结果，但进一步核对后发现，“认出名称”和“完整匹配”还不是一回事。 以总胆固醇为例，只给名称时，程序返回的是质量浓度对应的标准编码；带上报告里的 mmol/L 单位后，返回的是摩尔浓度对应的编码。这里改变的是编码，没有把我的化验读数做数值换算。 低密度脂蛋白胆固醇则多了一层问题：只给名称时，返回的编码带有“计算法”标注，但原报告没有注明检测方法。加入 mmol/L 后，程序返回了单位相容、不标注方法的编码。因此，这一项还不能说已经完整匹配正确。 这个细节是我这次体验里最大的收获。把报告存成文字，只是方便人查阅；要交给程序继续处理，名称、单位和检测方法都可能影响它究竟把这条记录理解成什么。接口返回了结果，仍然需要核对。 从这两项测试看，Mirobody 提供了一个可以动手检查的标准化入口。对想整理健康记录、做相关 AI 工具的人来说，可以先从少量指标开始，看清输入对应到了什么，再考虑后续查询和分析。 这次没有完成整份报告导入、数据入档或历史趋势，也没有测试完整应用和客户端接入。它不是一份健康分析结果，而是一次用本人记录做的、范围很小的数据解析体验。 项目地址：Mirobody GitHub github.com/thetahealth/mirob…