为什么数据拿到了，Agent 还是“读不懂”

上一篇文章聊的是怎么把运动健康数据抓下来，存成 SQLite、Markdown 或者 CSV。如果你已经照着做了，恭喜你，第一步算是迈出去了。

但很多人卡在第二步：把数据丢给 Agent，它要么答得含糊，要么干脆编。问题不在模型，而在数据本身——原始健康数据是“脏”的：字段名千奇百怪、时间戳格式不统一、单位混着来、还有大量空值和重复记录。Agent 不是人，它没法像你一样“大概看懂”，你给什么它就只能按什么算。

所以这一篇的核心就一句话：在让 Agent 分析之前，先把数据整理成它能稳定理解的样子。

第一步：先搞清楚你手里到底有什么

别急着写分析提示词。先做一件事：把表结构摸清楚。

打开你的数据库，逐个看表名、字段名、字段类型。常见的坑有这几类：

• 字段名是拼音或缩写，比如 ydsj、step_cnt，Agent 猜不出含义；
• 时间字段格式混乱，有的是 Unix 时间戳，有的是 2024/1/5 8:30 这种本地格式；
• 单位不统一，距离有的存米有的存公里，心率有的存整数有的存浮点；
• 一条记录里塞了多个指标，比如一个 JSON 字段里同时有步数和卡路里。

把这些列出来，做成一张简单的“字段说明表”。这张表后面会直接成为你给 Agent 的上下文，非常关键。

第二步：清洗和标准化，别让 Agent 替你擦屁股

清洗这活儿交给 Agent 做不是不行，但容易出错，而且每次都要重复。更稳的做法是写一段脚本一次性处理干净，之后 Agent 只负责“读”和“算”。

需要处理的大致是这几件事：

1. 统一时间格式。全部转成 ISO 8601，比如 2024-01-05T08:30:00，并明确时区。
2. 统一单位。距离统一成米或公里，能量统一成千卡，心率统一成 bpm。
3. 拆分复合字段。JSON 字段里的指标拆成独立列，方便按列查询。
4. 处理缺失值。空值要么补默认值，要么单独标记，别让 Agent 把 NULL 当成 0 去算平均值。
5. 去重。同一时间段重复导入的记录要清掉，否则统计会翻倍。