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1–102️⃣ 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 dateself.total_minutes total_minutesself.night_usage night_usageself.focus_self_score focus_self_scoreself.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 / 120night_factor r.night_usage / 60focus_factor (11 - r.focus_self_score) / 10focus_impact duration_factor * night_factor * focus_factor * 10# 睡眠影响sleep_factor (11 - r.sleep_quality) / 10sleep_impact r.night_usage * sleep_factorlevel_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 resultsdef 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.pyJSON 本地存储import jsonFILE_PATH video_usage_records.jsondef save_records(records):data [r.__dict__ for r in records]with open(FILE_PATH, w, encodingutf-8) as f:json.dump(data, f, ensure_asciiFalse, indent2)✅ main.py交互入口main.py短视频使用行为分析工具from models import ShortVideoUsagefrom analyzer import analyzefrom advisor import advisefrom storage import save_recordsdef 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bashpython 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