把 Google Fit 接上 ChatGPT 後,我撞上了「免費版只看 7 天」的牆——Health Connect、freddy、睡眠與步數分析實測結論

一開始想做的事很簡單:讓 ChatGPT 讀取 Android 手機本來就有的步數與運動時間,直接問「這週是不是走更多?」「比上週增加多少?」「如果吃的量沒變,這樣的活動趨勢對體重會往哪個方向走?」

分享這篇文章
廣告
廣告

5 秒結論:如果只是看步數趨勢,Google Fit 的「週」檢視通常已經夠強

一開始想做的事很簡單:讓 ChatGPT 讀取 Android 手機本來就有的步數與運動時間,直接問「這週是不是走更多?」「比上週增加多少?」「如果吃的量沒變,這樣的活動趨勢對體重會往哪個方向走?」

技術上真的做得到。Android 可以建立這條管線:

Google Fit → Health Connect → freddy → ChatGPT

連好之後,ChatGPT 可以讀到真實的步數、距離、估算熱量、運動時長等資料,而不是只能看截圖猜。 [1][2][3]

然後馬上出現大反轉:freddy 目前公開的 Free 方案是1 個資料來源、7 天歷史。 [4] 一旦你問「比較 5 月到現在和 5 月以前」,剛才還很未來感的 AI 分析機器就直接撞上 7 天高牆。

如果只是要看長期步數趨勢,Google Fit 內建的日 / 週 / 月檢視反而更直接。 [5] 火箭造好了,最後發現走樓梯就行。

到底想做什麼:讓 Google Fit 的資料能和 AI 對話

Google Fit 會記錄步數、距離、活動時間和運動,但它的主要定位並不是一個可以隨便回答「最近幾個月發生什麼變化?」的自然語言分析師。

Health Connect 就是 Android 裡的中繼層。Google 將它作為健康與健身資料的集中管理、交換機制,並以資料類型控制權限。 [1][2]

可以把架構看成:

Google Fit 記錄 → Health Connect 交換 → freddy 轉交給 AI → ChatGPT 分析

名字看起來像半夜要去顧披薩店,但這裡的 freddy 不是《Five Nights at Freddy's》的熊,而是健康資料用的 MCP 服務。 [4][6]

實際連上後看得到什麼:不只步數,距離與運動時間也能來

當 freddy 獲准讀取 Health Connect,就能依你授權的範圍取得步數、距離、熱量、運動、心率、睡眠等資料——前提是確實有 App 或裝置把這些紀錄寫進 Health Connect。freddy 官方表示 Health Connect 整合是唯讀,不會寫回資料。 [3]

這樣 ChatGPT 就能按日期直接抓數值並比較。折線圖也可以從真實時間序列直接繪製。

但 AI 還是可能有 AI 味事故:你說「畫折線圖」,它有時會理解成「生成圖片」。那不是同一件事。我們要的是資料視覺化,不是以步數為主題的藝術創作。 真正的量化圖表應該直接用數值繪圖。

會影響 Google 帳號安全嗎:帳號安全與健康資料隱私要分開看

Health Connect 的權限以健康資料類型與讀寫方式管理。App 要求對應權限,而使用者可以允許、拒絕或撤銷。 [2][7]

所以透過 Health Connect 連線,不等於把 Google 密碼交給第三方。

但多一個健康資料服務,就多一層隱私與安全曝險面。freddy 會把已連接來源的健康資料同步到自己的服務,再依授權回傳給 AI 用戶端。 [6][8]

freddy 表示會加密健康資料與認證資訊,不出售健康資料,也不用這些資料訓練模型。 [8] 這些措施有價值,但第三方儲存不會因此變成零風險。

最該注意的是個人 MCP URL。freddy 條款明確提醒,拿到該 URL 的人可能查詢你的健康資料。 [6] 所以它更接近秘密 token,而不是普通網頁連結。不要放進公開截圖、論壇或社群貼文。

睡眠品質也能看嗎:Health Connect 是倉庫,不是睡眠感測器

安裝 Health Connect 不會讓手機突然知道你的深睡和 REM 比例。

Health Connect 是資料交換層。必須先有手錶、戒指、睡眠 App 或其他來源產生睡眠紀錄,其他獲准的 App 才能讀取。 [2][3]

因此「步數有資料,睡眠卻空白」完全正常。Google Fit 可能一直寫活動資料,但系統裡根本沒有東西在寫睡眠資料。

如果只為了一個睡眠分數,又多裝一個 App、多管一組權限、多充一個裝置,最後可能達成神奇成就:為了追蹤睡眠,把睡眠時間本身削掉。 需求不高時,先看實際睡眠時長也很合理。

吃的量不變,只增加走路,體重會下降嗎:方向通常向下,但現實不是直線

從基本能量平衡來看,如果長期消耗增加而攝取真的沒有改變,體重會受到往下的壓力。

但現實會有補償行為:運動後可能不知不覺多吃一點,也可能因疲勞減少其他日常活動。2023 年一篇綜述指出,在不少運動訓練研究中都觀察到非運動身體活動下降的補償反應。 [9]

短期體重也會受到水分、肝醣、鹽分與消化道內容物影響。所以「昨天走很多,今天體重沒降」資訊量其實不大。

更有意義的是看數週平均趨勢,把每週活動量與每週平均體重放在一起看,而不是每天早上都把體重計當期末考。

最大限制:「比較過去一年」一開口,免費 7 天就出現了

連線成功、資料是真的、AI 也能查,這一段確實很好用。

問題發生在長期分析。freddy 目前公開的 Free 方案是1 個資料來源、7 天歷史。 [4]

因此它適合回答「這週怎麼樣」,卻不適合免費做「春天以後 vs 春天以前」「去年夏天 vs 今年夏天」這類比較。

這不代表 freddy 沒價值。它真正擅長的是讓 AI 一起分析 Garmin、Oura、WHOOP、CGM、睡眠、HRV、訓練紀錄等多來源資料。 [4]

但如果需求只有「長期看看自己有沒有走更多」,畫面就很喜劇:

Google Fit:免費提供日/週/月活動檢視。 freddy Free:可以問 AI,但只有 7 天。

與其說「誰會用」,不如說它的目標族群非常明確。

長期比較步數,Google Fit 的週/月檢視就夠了

Google Fit 官方說明支援在活動畫面切換日、週、月檢視。 [5]

所以下列需求,Google Fit 本身就能解決不少:

  • 最近是不是走更多?
  • 這週是否比上週活躍?
  • 每月活動量是在上升還是下降?
  • 大方向是不是明顯往上?

如果某段期間需要更深分析,再把截圖或匯出的部分資料交給 ChatGPT。長期資料繼續放在健身平台,只把必要片段送進 AI。

不是每個問題都需要永久四層資料管線。

誰適合 freddy,誰用 Google Fit 就夠

freddy 比較適合

  • 同時使用多個穿戴裝置或健康平台
  • 想把步數、睡眠、HRV、心率、恢復、訓練負荷一起分析
  • 會問「為什麼這週特別累?」這種跨指標問題
  • 願意付費讓 AI 直接讀長期歷史
  • 本身就喜歡 MCP 或 AI Agent 串接

Google Fit 大多夠用

  • 主要在意步數與運動時間
  • 週/月趨勢就能回答問題
  • 不想再增加一個健康資料處理服務
  • 不想多一個訂閱
  • 偶爾把截圖丟給 ChatGPT 就夠

如果屬於後者,沒有必要把計步器升級成分散式系統工程。

最終結論:AI 連線成功,但「直接看週檢視不就好了」也完全正確

Google Fit → Health Connect → freddy → ChatGPT 確實能運作,AI 可以讀取並分析真實活動數據。 [1][3]

安全模型不是「把整個 Google 帳號交出去」,但健康資料會同步到第三方服務,因此仍要考慮資料隱私並保護 MCP URL。 [2][6][8]

睡眠資料不會因為裝了 Health Connect 就自動長出來,仍需要真正的睡眠資料來源。 [3]

而長期步數分析會受到 Free 方案 7 天歷史限制。 [4]

最乾淨的分工就是:

普通的日/週/月活動趨勢用 Google Fit;真的需要 AI 橫跨多種健康資料分析,再用 freddy。

把現代健康資料管線全部接完,最後回 Google Fit 按一下「週」。

技術驗證成功。日常使用繞一大圈,回到原本的 App。


資料來源

  1. Google Fit Help — Health Connect in Google Fit support.google.com
  2. Android Developers — Get started with Health Connect developer.android.com
  3. freddy — Connect Health Connect (Android) freddy.coach
  4. freddy — Official product / current Free-plan limits freddy.coach
  5. Google Fit Help — Find your activity support.google.com
  6. freddy — Terms of Service freddy.coach
  7. Android Developers — Read raw data from Health Connect developer.android.com
  8. freddy — Privacy Policy freddy.coach
  9. PubMed — Compensatory Responses to Exercise Training As Barriers to Weight Loss (2023 review) pubmed.ncbi.nlm.nih.gov
廣告

尋找其他文章

所有文章

Mendoi-chan

作者

Mendoi-chan

把工作與日常生活中的麻煩整理成清楚的結構與下一步行動。

關於本站
廣告

最新文章

  1. 1一天睡了18小時,是恢復性睡眠,還是需要留意的訊號?
  2. 2「沒讓父母抱到孫輩,對不起」真的有必要嗎?——成年子女回家陪父母吃頓飯,本身就可能已經很有價值
  3. 340歲VTuber變成「數位里民活動中心」的那一天:年齡不一定殺死需求,它可能只是改變需求的形狀
  4. 4大約一週,AI文章自動化變成「自治工廠」:Ultra一拳、Level 6,以及為什麼Level 7還不用急
  5. 5AI很強,但工廠常常停在「所以到底要做什麼?」——能點燃第一個想法的人,才會把能力變成生產力

推薦閱讀

廣告