下面我将以“三年经验全栈开发工程师 + 技术博主”的视角，为你交付一个去营销化、中立、可教学、可扩展的 Python 示例项目，主题为：
刷短视频时长与时段统计及其对专注力与睡眠影响程度的分析（教学级健康管理原型）
内容严格按你要求的顺序组织，不做成瘾诊断、不推荐产品、不制造焦虑、无任何引流。
一、实际应用场景描述
在智能健康管理课程中，数字健康（Digital Well-being）已成为核心议题。
本程序适用于：
– 个人数字行为自我管理
– 青少年健康素养教育
– 学校 / 企业专注力与睡眠科普
– 健康管理专业实验教学
核心目标：
– 记录每日刷短视频的时长与时段
– 基于规则模型评估：
– 对专注力的潜在影响
– 对睡眠的潜在影响
– 输出非临床观察建议
✅ 不替代医生
✅ 不做临床诊断
✅ 仅作为健康意识与数据素养工具
二、痛点引入（真实可感知）
痛点 表现
使用时长无感 “就刷一会儿”累计严重
时段不合理 睡前高频刷视频
专注力下降 难以长时间深度工作
睡眠质量变差 入睡困难、易醒
缺乏反馈 看不到行为与结果的关联
👉 需要一个轻量、本地、可解释的行为分析工具
三、核心逻辑讲解（工程视角）
1️⃣ 数据模型设计
ShortVideoUsage
├── date 日期
├── total_minutes 总时长（分钟）
├── night_usage 夜间使用时长（22:00–02:00）
├── focus_self_score 专注力自评（1–10）
└── sleep_quality 睡眠质量自评（1–10）
2️⃣ 影响程度评分（教学用规则）
短视频影响因子
因子 风险倾向
总时长过长 ↑
夜间使用 ↑
专注力自评低 ↑
睡眠质量低 ↑
专注力影响指数
专注力影响 =
总时长因子 × 夜间因子 × 专注自评因子
睡眠影响指数
睡眠影响 =
夜间使用时长 × 睡眠自评因子
3️⃣ 风险分级
指数范围 等级
< 3 低风险
3–6 中风险
> 6 高风险
四、Python 模块化代码（可直接运行）
📁 项目结构
digital_habit_analyzer/
│
├── main.py
├── models.py
├── analyzer.py
├── advisor.py
├── storage.py
└── README.md
✅ models.py（数据建模）
"""
models.py
短视频使用行为数据模型
"""
class ShortVideoUsage:
def __init__(
self,
date,
total_minutes,
night_usage,
focus_self_score,
sleep_quality
):
self.date = date
self.total_minutes = total_minutes
self.night_usage = night_usage
self.focus_self_score = focus_self_score
self.sleep_quality = sleep_quality
✅ analyzer.py（核心分析逻辑）
"""
analyzer.py
短视频对专注力与睡眠的影响分析
"""
def analyze(records):
results = []
for r in records:
# 专注力影响
duration_factor = r.total_minutes / 120
night_factor = r.night_usage / 60
focus_factor = (11 – r.focus_self_score) / 10
focus_impact = duration_factor * night_factor * focus_factor * 10
# 睡眠影响
sleep_factor = (11 – r.sleep_quality) / 10
sleep_impact = r.night_usage * sleep_factor
level_focus = interpret(focus_impact)
level_sleep = interpret(sleep_impact)
results.append({
"date": r.date,
"focus_impact": round(focus_impact, 2),
"focus_level": level_focus,
"sleep_impact": round(sleep_impact, 2),
"sleep_level": level_sleep
})
return results
def interpret(score):
if score < 3:
return "低风险"
elif score <= 6:
return "中风险"
else:
return "高风险"
✅ advisor.py（建议生成）
"""
advisor.py
行为改善建议（非临床）
"""
def advise(results):
suggestions = set()
for r in results:
if r["focus_level"] != "低风险":
suggestions.add("尝试分段专注训练（如番茄钟）")
if r["sleep_level"] != "低风险":
suggestions.add("睡前一小时避免使用短视频")
if not suggestions:
suggestions.add("当前使用模式相对健康，继续保持")
return list(suggestions)
✅ storage.py（本地存储）
"""
storage.py
JSON 本地存储
"""
import json
FILE_PATH = "video_usage_records.json"
def save_records(records):
data = [r.__dict__ for r in records]
with open(FILE_PATH, "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False, indent=2)
✅ main.py（交互入口）
"""
main.py
短视频使用行为分析工具
"""
from models import ShortVideoUsage
from analyzer import analyze
from advisor import advise
from storage import save_records
def main():
print("=== 短视频使用行为分析 ===")
records = []
for _ in range(7):
date = input("日期（YYYY-MM-DD）：")
total = int(input("当日总时长（分钟）："))
night = int(input("夜间使用时长（22–02，分钟）："))
focus = int(input("专注力自评（1–10）："))
sleep = int(input("睡眠质量自评（1–10）："))
records.append(ShortVideoUsage(
date, total, night, focus, sleep
))
results = analyze(records)
print("\\n【分析结果】")
for r in results:
print(r)
print("\\n【建议】")
for s in advise(results):
print("-", s)
save_records(records)
print("✅ 数据已保存")
if __name__ == "__main__":
main()
五、README 与使用说明
# 短视频使用行为分析工具（教学版）
## 项目说明
用于统计刷短视频的时长与时段，并分析其对专注力与睡眠的潜在影响。
## 使用方式
```bash
python main.py
```
## 适用范围
– 数字健康教育
– 专注力与睡眠科普
– 健康管理课程实验
## 注意事项
– 非医疗诊断工具
– 不替代专业帮助
– 结果仅作教学与自我观察
六、核心知识点卡片（教学向）
分类 内容
Python 类、函数、条件逻辑
数据分析 行为量化与影响建模
健康信息学 数字健康概念
工程思想 模块化与解耦
数据伦理 不标签化、不恐吓
可扩展性 可接入屏幕使用时间 API
七、总结（工程师视角）
这是一个完全中立、去营销化、可教学的原型系统：
✅ 不妖魔化短视频
✅ 不提供成瘾诊断
✅ 不伪装成医疗工具
它真正展示的是：
如何用 Python 把日常数字行为转化为可理解、可反思的健康数据
利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！
