{"data":{"project":{"slug":"project-antios","title":"Antios 健康状态产品实验","summary":"把可穿戴设备记录的 HRV、静息心率和睡眠分期压缩为可理解的状态变量，由 iOS 产品承接解释、提醒和反馈。","industry":"个人健康状态记录","industry_group":"健康科技","kind":"产品项目","url":"https://deepevolutions.com/cases/project-antios","api_url":"https://deepevolutions.com/api/v1/public/projects/project-antios","source":"static_editorial_archive","verification_status":"not_independently_verified","source_url":"https://www.toni.asia/work","source_retrieved_at":"2026-08-11","disclaimer":"这是健康状态产品实验，不是医疗器械、诊断工具或疗效证据。来源页面不能证明医学有效性。","body_markdown":"# Antios 健康状态产品实验\n\n个人健康状态记录\n\n把可穿戴设备记录的 HRV、静息心率和睡眠分期压缩为可理解的状态变量，由 iOS 产品承接解释、提醒和反馈。\n\n## 项目进程\n\n我们没有从模型或工具清单开始，而是先和使用者一起走完这项工作，确认谁提供输入、谁在中途判断，以及什么结果才算真正完成。\n\n我们先读取设备信号，接着在本地形成状态变量，再展示变化与限制，最后记录用户反馈。\n\n## 背景与痛点\n\n连续生理信号如果只作为原始数据展示，用户难以理解当前状态、变化原因以及下一步可执行的反馈动作。\n\n在几轮讨论里，我们把问题拆成几个彼此相连的部分：HRV、静息心率和睡眠分期、强类型健康状态、移动端解释、提醒与反馈。这样每一步要解决什么、由谁确认，都能在动手之前说清楚。\n\n## 解决方案\n\n我们把确认过的工作步骤搭成一条可运行的管道，让 AI 负责整理、检索和生成，让关键判断仍然回到业务人员手里。\n\n最后留下来的不是一个孤立模型，而是iOS 产品实验、状态记录、解释与反馈路径。\n\n### AI 技术\n\nWEARABLE_DATA / HEALTH_STATE / IOS_FEEDBACK\n\n### 工作流、管道与 Agent\n\nApple Watch 输入 / 本地状态层 / iOS 界面 / 反馈记录\n\nHRV、心率、睡眠和反馈属于敏感个人信息；最小化收集，按用户隔离，并提供更正和删除。\n\n## 效果反馈\n\n项目已经形成一条可以继续运行和复盘的工作路径，让输入、处理、人工判断与交付结果不再彼此脱节。公开页面只陈述现有项目事实，不补写未经验证的业务指标。\n\n这是健康状态产品实验，不是医疗器械、诊断工具或疗效证据。来源页面不能证明医学有效性。\n\n## 资料范围\n\n本文是网站公开的静态编辑资料，不等于已独立核验的客户成果或客户背书。请结合项目说明与原始来源判断。\n\n原始来源：https://www.toni.asia/work\n\n来源读取日期：2026-08-11","content_sha256":"587c62e536310f943522aa12778f8c0f01ca202660a5d0589bb3b02200fde81b","capability_codes":["WEARABLE_DATA","HEALTH_STATE","IOS_FEEDBACK"],"deployment_mode":"HYBRID"}},"meta":{"request_id":"310da7ea-ca00-49d3-ae10-d1072c5bb13b","timestamp":"2026-09-29T12:51:46.230Z"}}