手腕上的 Apple Watch 每天告訴我“站立 10 小時”,Mac 的螢幕使用時間又說我今天用了 7 個多小時。兩個數字放在一起就很奇怪:一天醒著十五六個小時,站了 10 個小時,又在電腦前坐了 7 個小時,加起來已經快滿了,那吃飯、通勤、開會都去哪了?
我真正想知道的是這麼幾件事:
- 一天裡到底站了多久、坐了多久?
- 在螢幕前工作了多久?不同時間段裡,工作狀態怎麼樣?
- 當時周圍的環境怎麼樣,比如有多吵?
- 手上只有 iPhone、Apple Watch 和 MacBook,能不能把這一天完整還原出來?有沒有現成的軟體已經做到了?
本文就順著這幾個問題,從每臺裝置“到底記下了什麼”開始,一層一層往下拼。
一、站立與久坐:手錶到底測了什麼
現象:站立 10 小時,不等於站了 10 小時
先看那個“站立 10 小時”。它來自活動圓環的第三環,對應 HealthKit 裡的 appleStandHour。Apple 的定義是:這一小時裡站起來並活動了至少 1 分鐘,就算一個站立小時1。所以“站立 10 小時”的真實含義是“有 10 個小時,每個小時裡你至少站過 1 分鐘”。哪怕每小時只站 1 分鐘,也能拿滿。
這個指標的設計目的是提醒人別一直坐著,而不是計量站了多久。真正計量時長的是另一個型別 appleStandTime:iOS 13 / watchOS 6 起提供,單位是時間,樣本是累計型的,加起來就是當天站立的分鐘數2。健康 App 裡“站立分鐘”看到的就是它。
那坐著呢?HealthKit 里根本沒有“坐著”這個型別。 這不是遺漏,而是手錶測不出來:它戴在手腕上,坐著和站著不動時,手腕的加速度幾乎一樣。
第一次嘗試:坐著 = 醒著 − 站著 − 走路
最直覺的辦法是做減法:把醒著的時間減去站立分鐘、減去步行和運動,剩下的就是坐著。睡眠時間手錶也有記錄,醒著的區間不難拿到。
這個辦法有三個漏洞:
- 沒戴錶的時間會被算成坐著。 關掉手腕檢測,或者表摘下來充電,手錶就不記站立,也沒有後臺心率3。減法會把這段空白算進“坐”。
- 站著不動可能不算站。 Apple 的定義是“站起來並活動”,在白板前站著講半小時、排隊一動不動,手錶未必記滿(這一點是根據定義的推斷,Apple 沒有公開判定演算法)。
- 坐著時手臂動得多,可能被算成站。 社群裡常有人反映坐著打字、開車也會“站立達標”,說明判斷依據主要是手腕的運動(同樣是推斷)。
那換一個更底層的資料呢?CoreMotion 的 CMMotionActivity 會把運動狀態分成靜止、步行、跑步、乘車、騎行和未知幾類,各帶一個置信度4。可坐和站在這裡都是 stationary,還是分不出來,而且系統只保留最近 7 天5。再往下一層,watchOS 的 CMSensorRecorder 可以讓手錶在後臺以 50 Hz 錄原始加速度,單次最多 12 小時,資料保留 3 天6。有了原始資料,理論上可以自己訓練一個坐站分類器,但手腕上的加速度本來就缺少區分坐站的資訊(推斷:研究裡區分坐站通常要把感測器貼在大腿上,靠大腿是水平還是豎直來判斷)。
解決:找一個“坐著”的旁證
既然手錶測不出坐著,就找別的裝置作證。Mac 恰好是一個很好的“坐著”的證據:鍵盤和滑鼠有輸入,人幾乎一定在桌前;手錶又沒記到站立,那這段時間大機率是坐著的。圖 1 下半部分就是這樣推出來的:10:00–10:52 Mac 一直有輸入,扣掉 10:07–10:09 那 2 分鐘站立,坐了 50 分鐘。
這個規則有一個明顯的例外:用升降桌站著辦公。這時候 Mac 有輸入、手錶也可能記到站立,兩份證據互相矛盾。ActivityWatch 社群有一個 aw-watcher-table 外掛直接讀升降桌的高度7,是目前能精確區分坐站的少數辦法之一。
而 10:52 之後那 8 分鐘,人離開了 Mac,手錶也沒記到站立,就真的沒有任何證據了:可能是去會議室坐著開會,也可能站在茶水間聊天。
所以“坐著”這件事,最後要靠 Mac 來補。那 Mac 自己能交出哪些記錄?
二、螢幕前時間:Mac 能交出什麼
現象:螢幕使用時間看得到,拿不出來
Mac 自帶的“螢幕使用時間”已經在記錄每個 App 的使用時長,問題是它不給第三方用。
Apple 為螢幕使用時間提供的公開介面是 DeviceActivity 一族框架,但它的設計很明確:報表由 App 的一個擴充套件來渲染,擴充套件跑在沙箱裡,不能聯網,也不能把資料帶出擴充套件的地址空間8。也就是說,你可以在自己的 App 裡“畫”一張螢幕時間報表給使用者看,卻拿不到報表背後的原始記錄。
第一次嘗試:直接讀系統資料庫
資料總得存在某個地方。取證領域早就研究過:macOS 和 iOS 把應用使用記錄寫在 ~/Library/Application Support/Knowledge/knowledgeC.db 裡,按“流”分類存放:比如 /app/usage 記錄前臺應用,/display/isBacklit 記錄螢幕亮滅,時間精確到秒9。較新的系統又把這類記錄遷到了 Biome,變成一種叫 SEGB 的私有二進位制格式10。
Timing 這類商業軟體就是走這條路的:它匯入螢幕使用時間,需要使用者給它“完全磁碟訪問許可權”,官方文件也直說 Apple 改了儲存方式,這個功能可能就會失效11。同一頁還提到系統介面只給到小時粒度、只保留四周。
所以讀系統資料庫能用,但有兩個問題:格式私有、沒有文件,每次系統升級都可能變;而且它只記錄“哪個 App 在前臺”,前臺開著不等於人在看。
解決:自己記錄“人在不在鍵盤前”
更穩的辦法是在 Mac 上跑一個自己的記錄程式,只回答兩個問題:
- 人在不在? CoreGraphics 的
secondsSinceLastEventType能直接拿到距離上一次鍵鼠輸入過了多少秒12,超過一個閾值就當人離開了。 - 在用什麼? 監聽前臺應用切換,就能知道是哪個 App;想要視窗標題,還得給它“輔助功能”許可權13。
這正是開源工具 ActivityWatch 的做法。它的 aw-watcher-afk 判斷離開:超過 3 分鐘沒有鍵鼠輸入,就從最後一次輸入的時刻起記為 afk;aw-watcher-window 記錄前臺應用和視窗標題13。兩路記錄都存在本機,用 localhost:5600 上的 REST 介面就能取出來14。
圖 2 也暴露了這種做法的邊界:它測的是“手在鍵盤上”,不是“眼睛在螢幕上”。讀長文件、看影片、開視訊會議時手不動,就會被記成離開。ActivityWatch 的緩解辦法是瀏覽器標籤頁在播放聲音時不判離開13;把閾值從 3 分鐘調到 5 分鐘也能少漏一些,代價是真離開時會多算幾分鐘。
到這裡,“在螢幕前多久”有了一個分鐘級的答案。但使用者還想知道不同時間段裡工作狀態怎麼樣,這就不只是“在不在”的問題了。
三、工作狀態:從行為和身體兩側看
什麼叫“工作狀態”
“狀態好不好”沒有一個能直接測量的物理量。我們能做的,是找幾個可以測量、又和狀態有關的訊號,從兩個方向去逼近:人在電腦上做了什麼(行為),以及身體當時處在什麼狀態(生理)。
| 訊號 | 來源 | 能說明 | 說明不了 |
|---|---|---|---|
| 行為(Mac) | |||
| 連續停留在一個應用 | aw-watcher-window | 長時間不切換,往往是在專注做一件事 | 在 IDE 裡發呆也算“專注” |
| 應用切換頻率 | aw-watcher-window | 一刻鐘切換幾十次,大機率在被打斷 | 查資料時頻繁切換也可能很高效 |
| 鍵鼠輸入量 | aw-watcher-input | 在產出還是在瀏覽 | 思考時手是不動的 |
| 螢幕內容 | 截圖 + 大模型 | 具體在幹什麼,語義最豐富 | 隱私代價最高 |
| 生理(Apple Watch) | |||
| 心率 | HeartRate | 緊張、活動、咖啡因都會讓它升高 | 分不清是哪個原因 |
| HRV | HRV SDNN | 自主神經的負荷 | 白天樣本太稀,只能看大趨勢 |
行為訊號是分鐘級、連續的;生理訊號在白天是稀疏的點。兩側單獨看都會誤判,疊在一起才有參考價值。
行為一側:切換和停留
行為訊號裡最實用的是應用切換。圖 2 那半小時裡切換了 4 次,主要停在 Xcode;如果另一個半小時在 Slack、郵件、瀏覽器之間切換了 40 次,不用任何演算法也看得出來,後者是一段被打斷的時間。RescueTime、Rize 這類工具給出的“專注度評分”,核心也是這套邏輯:按應用分類打分,再看連續時長和切換1516。
它的侷限也寫在表裡:應用名只說明“在哪”,不說明“在幹什麼”。同樣是開著瀏覽器,可能在查文件,也可能在重新整理聞。於是有了一類新工具:定時截圖,再讓大模型讀截圖,總結這段時間在做什麼。開源的 Dayflow 就是這樣生成一天的活動卡片時間線的,模型可以跑在本地17;screenpipe 則持續錄屏、做 OCR 和語音轉寫18。語義最豐富,隱私代價也最高。
身體一側:心率能用,HRV 太稀
Apple Watch 白天會在後臺測心率。按 Apple 支援頁的說法,較新的機型白天可以持續測量,老機型則在你靜止時週期性地測、間隔不固定19。總之,心率是一條足夠密的曲線,能對上每一段工作。
HRV 就不一樣了。我在從兩個對不上的 HRV 數字說起裡講過,手錶只在靜止、戴穩時才測 HRV,白天的樣本很稀,單次讀數的噪聲又大。拿它去判斷“10:00–10:15 是不是專注”是不現實的,它只適合回答“今天下午整體是不是比上午緊”這種大尺度的問題。
而且生理訊號不特異:心率升高可能是緊張,也可能是剛爬完樓梯、剛喝了咖啡。所以它要和行為訊號放在一起看:同樣是心率 90,一段是 Mac 上連續 40 分鐘寫程式碼,一段是剛從樓下走上來,含義完全不同。
到這裡,人這一側的訊號差不多齊了。還剩最後一塊拼圖:人所處的環境。
四、環境:噪聲、日光與地點
噪聲:手錶一直在聽,但不錄音
Apple Watch 的噪聲 App 用麥克風測量環境聲級,寫進 HealthKit 的 environmentalAudioExposure,單位是 A 計權聲壓級(dBA)20。按 Apple 支援頁的說法,它在一天裡週期性地測量,只測聲級,不錄音也不儲存任何聲音;具體多久測一次,Apple 沒有公開21。所以我們能拿到的是一串帶時間區間的分貝值,而不是音訊。
這裡有一個容易踩的坑:分貝不能直接平均。 分貝是對數刻度,65 dB 的聲能是 55 dB 的 10 倍。一刻鐘裡 5 分鐘是 54 dB、10 分鐘是 66 dB,算術平均是 62 dB,但按聲能平均要先換回能量:
其中 是每段的時長, 是這段的分貝值, 是總時長。代入上面的例子:
結果是 64.4 dB。這就是“等效連續聲級” ,HealthKit 裡每個噪聲樣本本身就是這種值。差的這 2 dB,對應的聲能差了將近 60%。
另外兩個相關的型別也值得記下:headphoneAudioExposure 記錄耳機裡的音量;environmentalSoundReduction(iOS 16 起)記錄戴降噪耳機時環境聲被壓低了多少22。後者很有意思:一段時間裡一直在降噪,往往說明環境吵、人又想專注(推斷)。
日光與地點
- 日光時間:watchOS 10 起,較新的 Apple Watch 用環境光感測器估算你在日光下待了多久,寫進
timeInDaylight23。它可以粗略地區分室內和戶外。 - 地點:Core Location 的
CLVisit會在你到達、離開一個地點時通知 App,給出座標和起止時間24。“辦公室 09:05–12:10”“餐廳 12:20–13:05”這類停留就是這樣來的。iPhone 自己的“重要地點”則沒有公開介面,第三方讀不到。
拿不到的那部分:SensorKit
Apple 其實有一個更全的感測器框架 SensorKit:環境光、氣壓、鍵盤使用指標、手機使用報告、常去地點、是否戴在手腕上、語音指標……幾乎就是“還原一天”的現成原料25。但它只授予獲得 Apple 批准的研究專案26,新資料還要等 24 小時才能讀取27。個人開發者和普通 App 都拿不到。
現在,人、身體、環境三方面的資料都找到了來源。接下來的問題是:它們怎麼拼到同一條時間線上?
五、拼成一條時間線
問題:每路資料的“時間形狀”不一樣
把這些資料擺在一起,會發現它們記錄時間的方式各不相同:
- 區間累計:站立分鐘、步數。一條樣本說的是“10:07–10:12 之間站了 5 分鐘”“09:58–10:03 走了 200 步”。
- 時間點:心率。一條樣本就是“10:07 心率 78”。
- 區間均值:噪聲。一條樣本是“10:05–10:20 的等效聲級 66 dB”。
- 事件區間:Mac 的 afk 和前臺視窗。一條事件是“09:00–09:12 not-afk”。
資料也分在兩臺機器上:健康資料從手錶同步到 iPhone 的 HealthKit;Mac 的記錄在本機的 ActivityWatch 裡。
健康資料怎麼搬到 Mac 上?最省事的是健康 App 裡“匯出所有健康資料”,得到一個 export.xml,每條樣本是一個 <Record> 節點,帶型別、數值、單位和起止時間。缺點是要手動點、檔案動輒幾百 MB 甚至幾個 GB。想自動化,可以用 Health Auto Export 這類 App 定時把指定型別推到本地或自建的介面28。
第一次嘗試:按事件對齊
最直覺的做法是以 Mac 的事件為主軸:每一段 not-afk 事件,去找它時間範圍內的心率、噪聲、站立。問題是 Mac 事件的長短差很多,有的 10 秒,有的兩小時;人離開 Mac 的時間段又根本沒有事件,手錶那邊的資料就掛不上去。
解決:切成等長的格子,按重疊比例分攤
更穩的辦法是先把一天切成等長的格子(比如 15 分鐘一格),再把每路資料按它的時間形狀攤進格子裡:
- 區間累計型按重疊時長的比例分攤。09:58–10:03 的 200 步,有 3 分鐘落在 10:00–10:15 這一格,就分給它 120 步。
- 時間點型取格子內的平均。
- 區間均值型按重疊時長加權,噪聲還要按上一節的聲能平均。
- 事件區間型直接算重疊了多少秒。
每一格都填好之後,再用幾條簡單的規則給它貼一個狀態標籤:
- 步數很多:走路或通勤。
- Mac 有輸入超過 10 分鐘:在螢幕前;手錶沒記到站立就是坐著,記到了就是“站過”。
- Mac 沒輸入、手錶記到站立:站著或走動。
- Mac 沒輸入、手錶也沒記到站立、但有心率:靜止,坐站不明。
- 連心率都沒有:多半是沒戴錶。
最後兩條很關鍵:規則不知道的時候,要老實寫“不知道”,而不是把它塞進“坐著”。圖 1 裡那 8 分鐘就屬於這一類。
把一整天的格子加起來,就得到了開頭想要的幾個數:站了多久、坐在螢幕前多久、還有多少時間是“靜止但不知道坐還是站”。文末給出了完整的指令碼。
這件事自己拼要寫不少程式碼,那有沒有軟體已經做好了?
六、現有軟體做到了哪一步
按前面拆出的幾個維度,把常見的軟體放在一起比一比:
| 軟體 | 站 / 坐 | 螢幕前 | 工作狀態 | 噪聲 | 地點 |
|---|---|---|---|---|---|
| Apple 自帶 | |||||
| 健康 / 健身 | 站立小時、站立分鐘 | 無 | 心率、HRV 原始資料 | 有資料 | 無 |
| 螢幕使用時間 | 無 | 小時粒度,不能匯出 | 無 | 無 | 無 |
| Mac 時間追蹤 | |||||
| ActivityWatch | 僅升降桌外掛 | 分鐘級,本地 | 視窗、鍵鼠量 | 無 | 無 |
| Timing | 無 | 分鐘級,含手機 | 專案歸類、AI 摘要 | 無 | 無 |
| RescueTime / Rize | 無 | 有,雲端 | 專注度評分 | 無 | 無 |
| Dayflow | 無 | 截圖推斷 | 大模型總結 | 無 | 無 |
| 手機與聚合 | |||||
| Arc Timeline | 步行等出行方式 | 無 | 每段停留的心率 | 無 | 停留與行程 |
| Health Auto Export | 匯出站立分鐘 | 無 | 匯出心率、HRV | 匯出分貝 | 無 |
| Exist | 按天 | 接 RescueTime | 按天找相關性 | 無 | 按天 |
沒有一行是全綠的。每個軟體只管一兩塊,且沒有一個把 Mac 上的工作記錄和手錶上的身體資料放在同一條分鐘級時間線上。
幾個值得單獨說的:
- Mac 端,ActivityWatch 開源、資料在本地、有 REST 介面,最適合拿來自己拼7。Timing 更省心,還能把 iPhone 的螢幕使用時間導進來,但如上一節所說,它依賴系統私有資料庫11。
- 地點,Arc Timeline 用 iPhone 的定位和運動感測器把一天切成“停留”和“行程”,還會在每段旁邊讀 Apple Health 的步數和心率,資料存在手機本地,可以每天自動匯出 JSON29。它是線下這一半做得最完整的。
- 健康資料搬運,Health Auto Export 可以把 HealthKit 裡一百多種指標按分鐘匯出為 JSON/CSV,或推到自己的服務28。前面圖 4 裡手動匯出
export.xml那一步,可以用它替代。 - 聚合,Exist 能把 Apple Health 和 RescueTime 等資料放在一起,但粒度是按天,做的是“哪些因素和心情相關”,不是時間線30。
- 個人實踐,Felix Krause 的 howisFelix.today 從 2019 年起記錄了約 38 萬條個人資料,來源是 RescueTime、地點簽到、天氣介面和一個 Telegram 機器人手動錄入,統一存進自己的資料庫3132。它說明這件事做得到,也說明了代價:相當一部分靠手動錄入,粒度也主要是按天。
- 已經消失的路線,Rewind(後改名 Limitless)曾主打 Mac 錄屏加隨身錄音的“全量回放”,被 Meta 收購後已停止錄屏和錄音33。
所以結論是:目前沒有一個軟體能單獨做到“還原一天”。 最接近的組合是 Mac 上的 ActivityWatch 或 Timing、手機上的 Arc Timeline,加上 Health Auto Export 把手錶資料搬出來,最後自己按時間對齊。空白主要在兩處:一是坐和站的精確區分,二是把 Mac 上的工作和手錶上的身體資料放在同一條分鐘級時間線上。
七、邊界:哪些還原不了
拼到這一步,還有幾塊是現有裝置補不上的:
- 離開電腦後的“坐還是站”:開會、吃飯、在沙發上看手機,手錶和 Mac 都無法區分。可以藉助地點(在會議室,多半坐著)或日曆(這段時間有會)來猜,但仍然是猜。
- 不動手的工作:讀文件、思考、開會,在鍵鼠記錄裡都表現為“離開”。截圖加大模型能補上一部分,代價是隱私。
- 私有資料會變:螢幕使用時間的資料庫、Biome 的格式都沒有文件,系統升級就可能失效;SensorKit 這樣的官方通道又不對個人開放。
- 取樣不均勻:心率密、HRV 稀、噪聲的測量間隔不公開。格子切得越細,空格越多;切得越粗,越看不出一段時間內部的變化。15 分鐘是一個折中。
小結
從“站立 10 小時 + 螢幕 7 小時”這兩個對不上的數字出發,我們一路拼到了:
- 手錶的“站立小時”不是站立時長:它只要求每小時站過 1 分鐘;真正的時長在
appleStandTime裡。HealthKit 沒有“坐著”,手腕也很難區分坐站。 - “坐著”要靠 Mac 作證:Mac 有鍵鼠輸入、手錶沒記到站立,才推斷為坐著;兩邊都沒有證據的時間,要老實標成“不明”。
- 螢幕前時間要自己記:系統的螢幕使用時間拿不出原始資料,ActivityWatch 這類工具用“前臺視窗 ∩ 不在 afk”給出分鐘級記錄,代價是漏掉不動手的時間。
- 工作狀態要兩側一起看:應用切換和停留說明人在做什麼,心率說明身體在承受什麼;HRV 太稀,只能看大趨勢。
- 環境資料手錶已經在採:噪聲以等效聲級存進 HealthKit,平均時要按聲能平均;日光時間和
CLVisit補上室內外和地點。 - 拼接的關鍵是等長格子:四種時間形狀的資料按重疊比例攤進 15 分鐘一格,再用規則貼標籤。
- 沒有現成軟體全覆蓋,最接近的是 ActivityWatch / Timing + Arc Timeline + Health Auto Export 的組合。
下面是圖 4、圖 5 那條路的完整實現:讀健康 App 匯出的 export.xml 和本機 ActivityWatch 的記錄,輸出 15 分鐘一格的時間表和全天合計。只用 Python 標準庫。
"""把 Apple 健康导出(export.xml)和 ActivityWatch 的记录拼成一张 15 分钟一格的时间表。
用法:python3 day_timeline.py export.xml 2026-11-01依赖:只用标准库;ActivityWatch 需在本机 5600 端口运行。"""import jsonimport mathimport sysimport urllib.parseimport urllib.requestimport xml.etree.ElementTree as ETfrom collections import defaultdictfrom datetime import datetime, timedelta
EXPORT, DAY = sys.argv[1], sys.argv[2]TZ = datetime.now().astimezone().tzinfoSTART = datetime.fromisoformat(DAY).replace(hour=7, tzinfo=TZ)END = START + timedelta(hours=17) # 07:00 – 24:00SLOT = timedelta(minutes=15)SLOTS = [START + i * SLOT for i in range(int((END - START) / SLOT))]
WANTED = { "HKQuantityTypeIdentifierAppleStandTime": "stand", # 分钟 "HKQuantityTypeIdentifierStepCount": "steps", "HKQuantityTypeIdentifierHeartRate": "hr", # 次/分 "HKQuantityTypeIdentifierEnvironmentalAudioExposure": "noise", # dBA}
def overlap(a0, a1, b0, b1): """两段时间重叠的秒数。""" return max(0.0, (min(a1, b1) - max(a0, b0)).total_seconds())
def spread(table, key, t0, t1, value, mode): """把一条样本分摊到它覆盖的格子里。sum 按重叠比例摊,mean 记成带权样本。""" span = max((t1 - t0).total_seconds(), 1.0) for s in SLOTS: sec = overlap(s, s + SLOT, t0, max(t1, t0 + timedelta(seconds=1))) if sec: if mode == "sum": table[s][key] += value * sec / span else: table[s].setdefault(key + "_w", []).append((value, sec))
# 1. 健康数据:流式解析,导出文件动辄上 GBhealth = defaultdict(lambda: defaultdict(float))for _, el in ET.iterparse(EXPORT): kind = WANTED.get(el.get("type")) if el.tag == "Record" else None if kind: t0 = datetime.strptime(el.get("startDate"), "%Y-%m-%d %H:%M:%S %z") t1 = datetime.strptime(el.get("endDate"), "%Y-%m-%d %H:%M:%S %z") if t1 >= START and t0 < END: mode = "sum" if kind in ("stand", "steps") else "mean" spread(health, kind, t0, t1, float(el.get("value")), mode) el.clear()
# 2. ActivityWatch:键鼠是否活跃 + 前台应用def aw_events(prefix): base = "http://localhost:5600/api/0/buckets/" buckets = json.load(urllib.request.urlopen(base)) bid = next(b for b in buckets if b.startswith(prefix)) q = urllib.parse.urlencode({"start": START.isoformat(), "end": END.isoformat(), "limit": -1}) for e in json.load(urllib.request.urlopen(f"{base}{bid}/events?{q}")): t0 = datetime.fromisoformat(e["timestamp"].replace("Z", "+00:00")) yield t0, t0 + timedelta(seconds=e["duration"]), e["data"]
active = [(t0, t1) for t0, t1, d in aw_events("aw-watcher-afk_") if d["status"] == "not-afk"]apps = defaultdict(lambda: defaultdict(float))for t0, t1, d in aw_events("aw-watcher-window_"): for a0, a1 in active: # 只算人在键盘前的那部分 lo, hi = max(t0, a0), min(t1, a1) for s in SLOTS: sec = overlap(s, s + SLOT, lo, hi) if lo < hi else 0 if sec: apps[s][d["app"]] += sec
def mean(pairs): return sum(v * w for v, w in pairs) / sum(w for _, w in pairs)
def db_mean(pairs): """分贝不能直接平均,先换回声能再平均(等效连续声级 Leq)。""" return 10 * math.log10(mean([(10 ** (v / 10), w) for v, w in pairs]))
# 3. 逐格输出,并按规则猜一个状态print("时间 屏幕 站立 步数 心率 噪声 前台应用 推断")total = defaultdict(float)for s in SLOTS: h = health[s] screen = sum(apps[s].values()) / 60 stand, steps = min(h["stand"], 15), h["steps"] hr = round(mean(h["hr_w"])) if "hr_w" in h else None noise = round(db_mean(h["noise_w"])) if "noise_w" in h else None top = max(apps[s], key=apps[s].get) if apps[s] else "-" if steps > 600: state = "走路/通勤" elif screen >= 10: # 推断:Mac 在用,手表没记到站立就当坐着 state = "屏幕前·坐" if stand <= 3 else "屏幕前·站过" elif stand >= 5: state = "站着/走动" elif hr is not None: state = "静止·离开屏幕" # 坐着开会、站着聊天、吃饭……这里分不出来 else: state = "没数据" # 多半是没戴表 total[state] += 15 total["屏幕"] += screen total["站立"] += stand print(f"{s:%H:%M} {screen:4.0f} {stand:4.0f} {steps:4.0f} " f"{hr or '-':>4} {noise or '-':>4} {top[:14]:<14} {state}")
print("\n合计(分钟):", {k: round(v) for k, v in total.items()})用模擬資料跑出來的一段輸出長這樣:
时间 屏幕 站立 步数 心率 噪声 前台应用 推断08:30 0 0 1650 69 48 - 走路/通勤09:00 15 0 0 72 45 Code 屏幕前·坐09:15 15 0 0 70 45 Code 屏幕前·坐10:00 15 5 0 69 66 Code 屏幕前·站过12:00 0 0 0 73 52 - 静止·离开屏幕...合计(分钟): {'静止·离开屏幕': 510, '屏幕': 480, '站立': 25, '走路/通勤': 30, '屏幕前·坐': 450, '屏幕前·站过': 30}規則部分故意寫得很樸素,方便按自己的情況改:用升降桌的,可以把“螢幕前·站過”改成按站立分鐘的比例拆開;有 Arc Timeline 匯出的地點,可以把“靜止·離開螢幕”按地點再細分成“會議室”“餐廳”。
參考資料
參考資料
-
appleStandHourdeveloper.apple.com ↗每小時“站起來並活動至少 1 分鐘”算一個站立小時https://developer.apple.com/documentation/healthkit/hkcategorytypeidentifier/applestandhour ↩
-
appleStandTimedeveloper.apple.com ↗iOS 13 / watchOS 6 起,累計型時間樣本https://developer.apple.com/documentation/healthkit/hkquantitytypeidentifier/applestandtime ↩
-
About wrist detection on Apple Watchsupport.apple.com ↗關閉手腕檢測後不記錄站立,也沒有後臺心率https://support.apple.com/en-us/105002 ↩
-
CMMotionActivitydeveloper.apple.com ↗
stationary/walking/running/automotive/cycling/unknown,加confidencehttps://developer.apple.com/documentation/coremotion/cmmotionactivity ↩ -
queryActivityStarting(from:to:to:withHandler:)developer.apple.com ↗系統最多隻保留最近 7 天的活動資料https://developer.apple.com/documentation/coremotion/cmmotionactivitymanager/queryactivitystarting(from:to:to:withhandler:) ↩
-
recordAccelerometer(forDuration:)developer.apple.com ↗50 Hz,單次最多 12 小時,資料保留 3 天https://developer.apple.com/documentation/coremotion/cmsensorrecorder/recordaccelerometer(forduration:) ↩
-
ActivityWatch Watchersdocs.activitywatch.net ↗
aw-watcher-input、aw-watcher-table(升降桌)、Life Cycle 匯入等https://docs.activitywatch.net/en/latest/watchers.html ↩ ↩2 -
DeviceActivityReportdeveloper.apple.com ↗報表擴充套件跑在沙箱裡,不能聯網,也不能把資料帶出擴充套件https://developer.apple.com/documentation/deviceactivity/deviceactivityreport ↩
-
Knowledge is Power! Using the macOS/iOS knowledgeC.db Database to Determine Precise User and Application Usagemac4n6.com ↗
/app/usage、/app/inFocus、/display/isBacklit等流https://www.mac4n6.com/blog/2018/8/5/knowledge-is-power-using-the-knowledgecdb-database-on-macos-and-ios-to-determine-precise-user-and-application-usage ↩ -
Bringing it Back with Biome Datamagnetforensics.com ↗應用使用記錄遷到 Biome,SEGB 二進位制格式https://www.magnetforensics.com/blog/bringing-it-back-with-biome-data/ ↩
-
Screen Time Integrationtimingapp.com ↗讀螢幕使用時間資料庫需要完全磁碟訪問許可權;系統介面只有小時粒度、保留四周https://timingapp.com/help/screen-time ↩ ↩2
-
secondsSinceLastEventType(_:eventType:)developer.apple.com ↗https://developer.apple.com/documentation/coregraphics/cgeventsource/secondssincelasteventtype(_:eventtype:) ↩
-
ActivityWatch FAQdocs.activitywatch.net ↗超過 3 分鐘沒有鍵鼠輸入就記為 afk;讀視窗標題需要輔助功能許可權https://docs.activitywatch.net/en/latest/faq.html ↩ ↩2 ↩3
-
ActivityWatch REST APIdocs.activitywatch.net ↗https://docs.activitywatch.net/en/latest/api/rest.html ↩
-
screenpipegithub.com ↗https://github.com/screenpipe/screenpipe ↩
-
Monitor your heart rate with Apple Watchsupport.apple.com ↗https://support.apple.com/en-us/120277 ↩
-
environmentalAudioExposuredeveloper.apple.com ↗單位 dBASPL,離散的等效連續聲級https://developer.apple.com/documentation/healthkit/hkquantitytypeidentifier/environmentalaudioexposure ↩
-
Measure noise levels with Apple Watchsupport.apple.com ↗全天週期性測量,只用麥克風測聲級,不錄音也不儲存https://support.apple.com/en-us/102315 ↩
-
environmentalSoundReductiondeveloper.apple.com ↗https://developer.apple.com/documentation/healthkit/hkquantitytypeidentifier/environmentalsoundreduction ↩
-
timeInDaylightdeveloper.apple.com ↗iOS 17 / watchOS 10 起https://developer.apple.com/documentation/healthkit/hkquantitytypeidentifier/timeindaylight ↩
-
CLVisitdeveloper.apple.com ↗https://developer.apple.com/documentation/corelocation/clvisit ↩
-
SRSensordeveloper.apple.com ↗https://developer.apple.com/documentation/sensorkit/srsensor ↩
-
Configuring your project for sensor readingdeveloper.apple.com ↗只授予獲批的研究專案https://developer.apple.com/documentation/sensorkit/configuring-your-project-for-sensor-reading ↩
-
SRFetchRequestdeveloper.apple.com ↗新資料有 24 小時凍結期https://developer.apple.com/documentation/sensorkit/srfetchrequest ↩
-
Health Auto Exporthealthyapps.dev ↗https://www.healthyapps.dev/ ↩ ↩2
-
How is Felix today?howisfelix.today ↗https://howisfelix.today ↩
-
FxLifeSheetgithub.com ↗https://github.com/KrauseFx/FxLifeSheet ↩
-
Limitlesslimitless.ai ↗被 Meta 收購,Rewind 已停止錄屏與錄音https://www.limitless.ai/ ↩