企业官网建设流程全解析

一文看懂Open Wearables统一数据模型：摘要、时间序列与事件如何抹平设备差异

【免费下载链接】open-wearablesSelf-hosted platform to unify wearable health data through one AI-ready API.项目地址: https://gitcode.com/gh_mirrors/op/open-wearables

Open Wearables 是一个自托管的开源平台，通过一套AI-Ready API将 Garmin、Oura、Whoop、Apple Health 等穿戴设备的数据统一成一个统一数据模型（Unified Data Model）。无论你用哪块手表、哪支戒指、哪个 App，查出来的心率、睡眠、运动数据都长得一样。这篇文章带你用一张图 + 三张表，彻底搞懂它背后的设计。

先说痛点：为什么多设备数据这么难用

不同厂商的数据格式五花八门：

• Garmin 叫Body Battery，Oura 叫Readiness，语义完全不同
• 步数有的存整数、有的存分钟级聚合值，单位还有米和公里之分
• 睡眠阶段划分标准各不相同，时区和时区偏移处理也不统一

如果每个 App 都要单独对接每家厂商的 OAuth、API 和数据映射，开发成本会爆炸。Open Wearables 的做法是：在数据入口做一次归一化，之后所有访问者（后端、前端、AI Agent）都只面对一套结构。

统一数据模型三大支柱：事件、时间序列、描述符

官方文档对架构的完整阐述见 docs/architecture/unified-data-model.mdx。整个模型围绕三类核心结构展开：

1️⃣ 事件（Events）：一次完整的"发生过的事"

适用于有明确起止时间的记录：一次跑步、一夜睡眠、一次月经周期。

对应源码：backend/app/models/event_record.py

2️⃣ 时间序列（Time Series）：所有中高频数据的"共享池"

所有心率、HRV、SpO2、步数、体重……全部存进同一张表data_point_series，靠两个维度区分：

• 类型：通过series_type_definition表引用，每种类型绑定标准单位（bpm、kg、kcal），避免单位混乱
• 来源设备：每个数据点都带设备映射 ID，同一分钟两台设备各记各的，互不覆盖

源码参考：backend/app/models/data_point_series.py、backend/app/models/series_type_definition.py

完整支持的 100+ 数据类型清单（含单位）见 docs/architecture/data-types.mdx。

3️⃣ 描述符与 ID 映射：慢变信息与"设备身份证"

• PersonalRecord：生日、性别等静态生物特征，用于计算年龄相关指标
• DataSource（设备映射）：把用户 + 厂商 + 设备映射成一个内部 ID，其他表只需引用这个 ID，既标明来源又不撑宽时间序列表，见 backend/app/models/data_source.py

摘要 API：时间序列之上的"日报层"

原始时间序列太细（分钟级甚至秒级），看趋势不现实。Open Wearables 在上面盖了一层按天聚合的摘要接口，一次请求拿一天的全貌：

路由实现见 backend/app/api/routes/v1/summaries.py。时间序列查询则支持resolution参数，可按1min/5min/1hour聚合，心率取均值、步数取总和——聚合规则统一由平台代劳，你不用关心设备差异。

抹平设备差异的 4 个关键设计

1. 单位标准化：每种序列类型在定义表里绑定唯一单位，Garmin 的"皮肤温度偏差"和 Ultrahuman 的"体温"会被重新归类到同一语义类型（项目里甚至专门写了 数据重标注脚本 处理历史数据）
2. 运动类型归一化：各厂商的run/跑步/TREADMILL统一映射为 100+ 个标准类型，如running、cycling
3. 来源可追溯：原始 ID 保留在external_id字段，归一化不丢信息
4. 数据优先级：同一指标多台设备同时上报时，可由用户配置"哪家设备说了算"

面向 AI 的数据出口：MCP Server

统一模型的直接受益者是 AI：内置 MCP Server 让 Claude、Cursor 等助手可以直接问"我上周睡得怎么样"，AI 自己决定查睡眠事件还是时间序列。工具实现见 mcp/app/tools/。

路线图：数据模型还将演进

官方将演进分为四个阶段：基础模型（当前）→ 广谱数据支持 → 复杂指标计算（VO2 max、EPOC 等由计算引擎推导）→ 时间序列按整数/小数/分类拆分以优化存储：

小结

一句话总结：Open Wearables 用事件管"发生过什么"、时间序列管"连续变化"、摘要管"每日全貌"，再用设备映射和单位定义把 10+ 厂商的差异挡在入口，让你拿到手的永远是同一套字段、同一套单位 🏃

【免费下载链接】open-wearablesSelf-hosted platform to unify wearable health data through one AI-ready API.项目地址: https://gitcode.com/gh_mirrors/op/open-wearables