运动健康知识建模 North Star：Thought Forest 到 BodySense

定义运动、体态与康复知识从 Thought Forest 人类原子笔记到 BodySense 机器可检索 ontology / claim 的分层边界与演进路线。

#type / synthesis #status / growing #life / health #resource / bodysense #resource / rehabilitation

[!info] related notes

运动健康知识建模 North Star：Thought Forest 到 BodySense

覆盖范围

这篇笔记定义运动、体态、疼痛、康复与训练知识在 Thought Forest 和 BodySense 之间的职责分工。它解决的是“知识应该怎样组织与导出”，而不是替代具体的医学、康复或训练主题笔记。

核心原则：

  • Thought Forest 优先服务人的理解、学习、链接与复用。
  • BodySense Knowledge Export 再把稳定知识转换为机器可检索、可过滤、可追溯的结构化 claim。
  • 不因为未来要做 RAG，就把 Obsidian 笔记机械拆成一句话一篇，也不把产品 ontology 全部复制成 tags。

North Star 知识链

Functional Anatomy
        ↓
Biomechanics
        ↓
Movement Science / Function
        ↓
Observed Finding / Symptom
        ↓
Safety Screen / Escalation Gate
        ↓
Assessment & Measurement
        ↓
Differential Hypotheses
        ↓
Treatment Eligibility / Action Authority
        ↓
Intervention Options
        ↓
Exercise Prescription / Training Science
        ↓
Outcome / Feedback
        ↓
Reassessment
        └────────→ Safety Screen again

Safety 不是只在流程中执行一次的“红旗检查”。它是贯穿整个生命周期的 hard gateway：新 symptom、新 neurological change、Treatment adverse response 或新的 contextual evidence 都可能让原有 action authority 失效。

整条链外再包一层 evidence governance：

Source + Population + Context + Evidence Strength
+ Authority + Certainty + Version + License

这意味着“观察到某个体态”不等于“已经找到病因”，“检索到某条一般知识”也不等于“当前用户具备该事实”。

Thought Forest 的标签边界

运动健康笔记统一继续使用 life/health 作为主领域。稳定的粗粒度专业视角包括：

resource/anatomy
resource/biomechanics
resource/movement-science
resource/assessment
resource/pain-science
resource/rehabilitation
resource/exercise
resource/training-science
resource/nutrition

这些标签只回答“这篇笔记主要从哪个对象或专业视角讨论”。它们不承担 BodySense 的诊断 ontology。

例如：

  • 臀中肌 → resource/anatomy
  • 人体运动中的运动学与动力学 → resource/biomechanics
  • 动作控制与运动变异性 → resource/movement-science
  • 功能力量评估 → resource/assessment
  • 疼痛与伤害感受 → resource/pain-science
  • 肌骨问题的安全筛查与升级评估 → resource/rehabilitation + resource/assessment
  • 抗阻训练的训练量、强度、频率与努力程度 → resource/training-science
  • 具体动作页 → resource/exercise

Safety 不需要新增 resource/safety：当前它横跨 assessment、rehabilitation 与 BodySense technical policy，使用已有标签和独立 MOC 表达职责，避免为一个跨域 concern 再造平行标签维度。

Human Atomic Note

Thought Forest 的原子化标准仍然是：

一篇笔记围绕一个稳定、可独立理解和复用的问题组织。

因此 臀中肌 可以在同一篇 concept 中包含起止点、功能角色、典型任务和边界；不需要进一步拆成“臀中肌起点”“臀中肌止点”“臀中肌外展”等大量碎片。

同样：

  • 一个 assessment 怎么做 → type/howto
  • 一个解剖/机制概念是什么 → type/concept
  • 多个变量或机制如何共同作用 → type/synthesis
  • 一个主题怎么导航 → type/moc

type/* 描述笔记角色，不等于医学知识类别。

Machine Atomic Claim

BodySense 导出层可以比 Obsidian 笔记更细。

例如一篇 臀中肌 笔记可以导出多条 claim：

Gluteus medius
→ inserts_on
→ greater trochanter

Gluteus medius anterior fibers
→ contributes_to
→ hip internal rotation

Gluteus medius
→ contributes_to
→ pelvic control during single-leg stance

每条 claim 再绑定：

source
population
context
certainty
evidence strength
source version
knowledge snapshot

这样同时满足“个人知识库好读”和“BodySense 可检索、可验证、可引用”。

不应该变成 Thought Forest tags 的字段

以下字段属于 BodySense Knowledge Export / normalized snapshot / ingestion ontology：

body_region
anatomical_structure
knowledge_kind
symptom
finding
condition
assessment
intervention
contraindication
red_flag / safety_evidence
population
evidence_level
authority_tier
certainty

尤其不要创建：

body/hip
symptom/pain
condition/xxx
risk/red-flag
evidence/rct

这会把 Obsidian 标签系统变成半成品医学数据库，同时制造大量层级、同义词和边界争议。

type/* 与 knowledge_kind 是两个维度

例如 Thomas Test：

Thought Forest:
type/howto + resource/assessment

因为笔记回答“如何执行 Thomas Test”。

导出到 BodySense 后则可以是：

knowledge_kind = assessment

如果另一篇 synthesis 讨论“Thomas Test 对某个 hypothesis 的支持边界”，它仍可属于 resource/assessment，但 type/synthesis。因此不能用笔记类型替代机器 ontology。

Safety 也一样：

Thought Forest:
一篇 red-flag synthesis / MOC

并不意味着 machine 层只需要：

red_flag: true

更合理的是：

safety_evidence: [...]
concern_level: ...
unresolved_safety_gaps: [...]
action_authority: ...
policy_version: ...

Biomechanics 同样必须区分 measurement 级别：

kinematic_observation: ...
kinetic_measurement: ...
model_derived_estimate:
  model_version: ...
  assumptions: [...]
  uncertainty: ...

不能把视频 angle、force-plate GRF 和 inverse-dynamics joint moment 当成同一种“身体负荷事实”。

Training Science 也必须把处方和反馈拆开：

prescription:
  volume: ...
  load_intensity: ...
  effort: ...
  frequency: ...

monitoring:
  external_training_load: ...
  internal_training_load: ...
  readiness_observations: ...

progression_decision:
  action: progress | maintain | regress | modify | stop

不能把 training load、tissue load、effort 和 readiness 压成同一个分数。

现有知识库的迁移原则

先做语义明确的迁移

优先把当前过宽的 resource/exercise 收敛：

  • 训练变量 / program design / training-load monitoring → resource/training-science
  • movement variability、task/context、movement observation → resource/movement-science
  • ROM、力量、功能或临床测试 → resource/assessment
  • kinematics、kinetics、force / moment、mechanical demand → resource/biomechanics
  • 疼痛机制、pain / nociception 与 pain context → resource/pain-science
  • 安全筛查、referral / escalation → 复用 resource/rehabilitation / resource/assessment，不新建 safety tag family
  • 具体动作与执行 → 保留 resource/exercise

不批量猜测

以下情况先保留原标签，等正文重构时再判断：

  • 一篇旧笔记同时写症状、假设原因、assessment 与干预；
  • 传统“肌肉失衡 / 纠正体态”页还没有完成证据重写；
  • 一个旧动作页既包含 movement observation 又包含 exercise prescription，但两者边界尚未拆清。

MOC 在内容成熟后再建

生物力学 MOC、动作科学 MOC、安全筛查与升级 MOC、评估与测量 MOC、疼痛科学 MOC 与 训练科学 MOC 都是在形成稳定分组后建立。

这一轮 North Star 的核心结构层已经全部拥有第一层 MOC 与原子笔记，不再继续为了对称性新建空地图。

与 BodySense RAG 的接口

推荐数据流保持：

Thought Forest curated notes
        ↓ allowlist
Knowledge Exporter
        ↓
Normalized Knowledge Snapshot
        ├─ sources
        ├─ claims / chunks
        └─ assets
        ↓
BodySense ingestion
        ↓
Targeted RAG
        ↓
Retrieved Evidence
        ↓
Admissibility / Grounding / Provenance

其中 Thought Forest 的 Markdown 和 wiki links 是知识创作层；BodySense 的 ontology、claim identity、evidence metadata 和 snapshot identity 是产品运行层。

Safety knowledge 进入 RAG 后仍只是 general knowledge。当前用户是否存在某个 warning finding 必须来自 user report / assessment / trusted observation，并经过 provenance 与 policy evaluation。

Biomechanical general knowledge 也不能自动变成 current-user load fact。例如“某种 geometry 可能提高 external moment demand”不能在缺少当前用户 force / model evidence 时直接写成“当前组织负荷已升高”。

Training Science 的 population-level dose evidence 同样不能自动变成 individual prescription。当前用户 dose 需要结合 safety、baseline、goal、symptom response、recent load 和 outcome revision。

第一阶段核心域建设状态

Biomechanics：已建立

见 生物力学 MOC：kinematics vs kinetics、force / moment / moment arm、force-length / force-velocity、CoM / CoP / GRF 与 inverse dynamics / internal loading。

Movement Science：已建立

见 动作科学 MOC：movement variability、movement observation、task/context adaptation 与 gait spatiotemporal parameters。

Safety Screening & Escalation：已建立

见 安全筛查与升级 MOC：general safety screening、neurological screening、suspected CES、safety netting 与 BodySense Safety Gateway。

Assessment & Measurement：已建立

见 评估与测量 MOC：assessment hypothesis、safety/system screening、measurement properties、ROM、strength、functional performance、PROM、pain measurement、neurological screening、biomechanical measurement 分层与 gait parameter 第一层。

Pain Science：已建立

见 疼痛科学 MOC：pain vs nociception、nociceptive / neuropathic / nociplastic mechanism descriptors、biopsychosocial framework 与 pain assessment。

Training Science：已建立

见 训练科学 MOC：volume / intensity / frequency / effort、goal-specific strength/hypertrophy/power programming、progressive overload、external/internal training load、fatigue/recovery/readiness 与 program design。

第一阶段收口状态

第一轮知识结构与 legacy migration 已完成阶段性收口：

  • 六个底层知识域均已有 MOC 与第一层原子笔记；
  • life/health + type/debug = 0；
  • posture / movement finding 已与 condition / symptom / assessment 分层；
  • exercise / anatomy 页已完成第二轮去“单肌根因化”；
  • NASM、ACE、Rehab Hero、Physiopedia、Physiotutors、Squat University、NHS / NHS Trust、OrthoInfo 已建立第一轮 source-authority 边界。

当前不再以“继续平均扩充运动健康百科”为默认策略。

下一阶段研究重点

下一阶段从知识重构转向 EvidenceGap-driven knowledge ingestion：

  1. 用真实 BodySense case / Eval 暴露缺失的 assessment、differential、Safety 或 Treatment evidence；
  2. 定向检索 guideline / systematic review / primary study；
  3. 在 Thought Forest 更新稳定 human atomic note；
  4. 在 export 层拆成 machine atomic claim，并保存 source / population / context / certainty / version；
  5. 生成 normalized snapshot，进入 BodySense ingestion；
  6. 用 retrieval / grounding / provenance eval 验证知识是否真正能支持生产 reasoning。

只有真实 EvidenceGap 反复出现时，才新增 condition、assessment 或 exercise dosage 主题；不再为了目录对称继续铺百科。

判断标准

每次新增或重构运动健康知识时，依次判断：

  1. 这是一个概念、关系、操作流程、问题排查还是导航地图？
  2. 它属于 anatomy / biomechanics / movement / assessment / pain / rehabilitation / exercise / training science 中哪个主要视角？
  3. 当前陈述是 observation、direct measurement、model-derived estimate、association、mechanism hypothesis 还是较强因果结论？
  4. 当前 evidence 是否需要先经过 Safety Gateway，是否存在 unresolved critical fact？
  5. 当前 prescription evidence 是 population-level guidance 还是 current-user fact / Treatment decision？
  6. 哪些内容适合留在人类原子笔记，哪些应该只在 BodySense export 时拆成 machine claim？
  7. 是否保留了 source、population、context、certainty、model/policy version 与 provenance 的扩展空间？
创建于 2026/8/23 更新于 2026/8/23