基线模型

[[身体的预测性维护]]工作流中的关键步骤。通过分析过去30-90天的历史健康数据，建立个人HRV、RHR和深睡时长的基线中位数和标准差。任何偏离基线1.5倍标准差的日期被视为异常，结合工作周期规律推测波动原因。基线模型是异常检测和趋势预警的基础。

典型Prompt示例

“我将提供过去90天的核心健康数据。请作为专业的生理数据分析师，计算出我的HRV、RHR和深睡时长的基线中位数。请标出偏离基线1.5倍标准差的异常日期，并结合常规的职场工作周期规律，推测这些波动的潜在原因。”