Mirobody Organizes Years of Health Data Locally on an Ordinary Laptop
English text is being prepared.
The author ran the open-source health engine Mirobody on an ordinary laptop with 16GB of memory and connected years of lab reports and Apple Health data to Claude Code or Cursor. It can standardize reports from different hospitals offline and trace data back to the original documents, but processing blurry images using only a CPU may take several minutes. When connected to a cloud-based AI client, readings are still sent to the model provider. The tool only organizes health records; it cannot diagnose illnesses or prescribe medication.
Why read this
AI score 71
Drawing on hands-on experience running it locally, the author explains its health data standardization and source-document traceability capabilities, while also addressing CPU-only performance, privacy, and the boundaries of its medical use.
Topics
View original postEnglish text is being prepared.
View original
ChatGPT Health这类 AI 健康应用体验都做得很好,注册就能用。但很多人一直有个顾虑,体检报告是一个人最私密的数据,不想把它们全交给云端。 今天试了下在我这台5年前的Mac(M1 Pro)上,用 Theta Health 开源的健康数据引擎 Mirobody(Apache-2.0)搭了一套 100% 本地架构。应用、PostgreSQL 数据库和本机 llama.cpp 模型服务(配置 MiniCPM5-2B + GLM-OCR)全在本机,没有数据离开电脑。 分享下真实部署体感和实测结果: 1️⃣ 部署与踩坑 用 Docker 跑应用和数据库,主机直接用 llama.cpp 起 llama-server 调用 Metal GPU(无显卡的机器直接 COMPOSE_PROFILES=local-cpu ./deploy.sh 也能跑,16 GB 内存起步,只是纯 CPU 回答可能需要几分钟;Windows 需要在 WSL 2 里跑)。 实测遇到1个小细节:国内直连 Hugging Face 拉本地模型权重会 SSL 报错,启动 llama-server 前加个 HF_ENDPOINT=https://t.co/Yg4ljWINoo就能正常下载。 2️⃣ 数据标准化 看历年体检报告最头疼的,就是不同医院写法不同、单位也不一样,连不成线。 我先在终端用一条命令测了它的离线标准化引擎(不用模型也不用 Key): uvx --python 3.12 mirobody resolve "LDL cholesterol" 血红蛋白 ヘモグロビン "Total Kolesterol" 血脂 实测输出: - 血红蛋白 和日文 ヘモグロビン 同归 LOINC 718-7 - LDL cholesterol 归为 LOINC 13457-7 - 血脂 直接返回 unresolved——因为它是个大类不是具体检查,宁可留空也不靠大模型瞎猜。 这套规则和词表完全离线、确定性输出(LOINC 2.83 共 63,416 个编码、1,023,273 条名称,331 个 UCUM 单位,常规体检覆盖测试 347/347),同样输入在任何机器上结果都一样。 3️⃣ 本地网页端实测 为了保护隐私,我直接用了自带的虚拟演示账号: - 指标页里每一项数据都挂着标准 LOINC 编码(见图 3); - 切换到关爱圈里共享的 Mom (demo) 档案,点开总胆固醇(LOINC 14647-2):两份不同时期的报告单位不同,一份 198 mg/dL 被自动换算成 5.12 mmol/L,和 5.3 mmol/L 连成了同一条趋势线,下面既保留了报告原值,也能直接点开原文件核对(见图 1)。 - 开源版自带的「关爱圈」设计很实用:家人各自管自己的档案、决定给谁看,不自己登录的长辈也可以先由你代管一份。 4️⃣ 它和 ChatGPT Health / 蚂蚁阿福差在哪? 两者其实不冲突,定位互补(详细对比看图 4): - ChatGPT Health、蚂蚁阿福是开箱即用的云端健康助手; - Mirobody 是给想把数据掌控在自己手里的人用的开源底座,支持 PDF、照片、表格等 23 种文件,不限地区,模型、提示词和工具都能按自己需求换。 (如果暂时不想本地部署,国内网页版 https://t.co/CFokHfEXtL 和微信小程序「Mirobody」也基于同一套引擎;海外版叫 Theta:https://t.co/lkcPXDrn56) 如果需要自己部署,可以直接把这个GitHub链接丢给AI:https://t.co/qTnWiuhM0h
Body
我一个朋友的父亲最近不到60岁就胰腺癌去世了,从发现到去世就几个月时间,大家真的一定要关注健康, 大家翻墙出来可以多看看一些海外高认知的健康实践,比如每年花两百万美元抗衰的 Bryan Johnson,就是个把肌肉、骨密度卷到全球前 2%、皮肤年龄倒退 9 岁的狠人, 老哥亲手砍掉了一批网红方案,比如扰乱睡眠的 SLU-PP-332、测完指标毫无变化的缩醛磷脂,还有降低低氧训练耐受度的亚甲蓝, 他自己交底说,真正扛起绝大部分健康收益的,依然是每天同一时间睡觉、睡前 4 小时断食、睡前 1 小时关手机、起床晒太阳这几件零成本小事,外加每天 20 分钟 79 到 100 度的干蒸桑拿,直接把血液和精液里的微塑料拉低了 85%, 富豪抗衰真正拉开差距的地方,在于他每试一个新习惯都会盯着血液和睡眠指标看反馈,数据没变好立刻淘汰,
我们普通人不用花冤枉钱也能在家复刻这套身体对照组, 我把wy老哥分享的这个GitHub 排名第一的开源健康引擎 Mirobody 也跑在了自己电脑上,16GB 内存普通笔记本就能离线运行,不用独立显卡,
2 分钟就能把全家历年化验单和 Apple Health 数据接进 Claude Code 或 Cursor,
它内置了 63,416 个国际医学标准编码和 102 万条多语言别名,不同医院的 PDF、化验单照片往里一丢,本机词表 0.4 秒自动换算单位并拉出连续折线,回答里每个数字点开都能直接跳回当年原件照片核对,
不过动手前我先把这事做不到的几个坑全摊开,免得你白折腾: Bryan Johnson 文里提到的迷幻蘑菇和二甲双胍循环属于极端个人实验,千万别脑子一热跟着乱吃药,
Mirobody 只负责整理健康账本和原件溯源,绝对不看病开处方,指标正不正常依然得听医生的,
遇到冷门医院缩写或血脂这类大类统称,它会老实留空标成待确认,需要你手动点一次确认,不会硬凑,
无显卡纯 CPU 跑本地模型,读手机拍的糊图要等几分钟,存自己和爸妈真实报告前,务必先关掉配置里的演示数据开关,一旦连上云端 AI 客户端,查到的读数依然会发给模型厂商,
我把 Bryan Johnson 的 6 条零成本日常作息清单放评论区了,大家自取。
AI Trends