产品介绍
将可穿戴设备和健康数据源连接到 ChatGPT、Claude、Claude Code 或任何支持 MCP 协议的 AI。睡眠、恢复、心率变异性、锻炼数据，均可通过自然语言查询。
适合谁关注
- 开发者和技术团队
- 教育产品团队和学习工具用户
- 正在评估 AI 工具或智能体落地的团队
可借鉴场景
- 快速理解 freddy. 的定位、核心能力和 Product Hunt 热度
- 判断“将可穿戴设备数据接入 Claude、OpenClaw 及任意 AI”这类需求是否值得做竞品调研
- 沿着 生活、健康与个人工具、硬件、移动与平台 继续发现同类产品和替代方案
- 结合评论热度，判断该产品是否有真实讨论和早期用户反馈
23
投票数
14
评论数
6月6日
发布日期
作者自荐
总结
freddy. 瞄准了可穿戴设备数据碎片化这一真实痛点。当前健康追踪生态的最大问题不是缺少数据，而是数据被割裂在 Oura、Garmin、Withings 等各自为政的 App 中，难以进行跨平台、跨时间的综合分析。freddy 巧妙地借助 MCP 协议，将自身定位为健康数据的统一中间层，让 AI 成为数据分析的前端界面，用户通过自然语言即可完成复杂的多维查询。这种架构设计既轻量又灵活，不依赖自建 AI 模型，而是借力现有大语言模型生态。隐私方面采用只读机制和完整的访问日志，在健康数据敏感性上做了较好的平衡。挑战在于 MCP 协议仍处于早期阶段，生态成熟度有限，且产品高度依赖第三方 AI 平台的 MCP 支持。目标用户是同时使用多款健康追踪设备的量化自我爱好者和运动员。
GitMemo免费开源
把 AI 对话保存到你的 Git 知识库
本地优先，支持 macOS 与 Android。剪贴板、截图、笔记和文件都能集中保存、搜索、同步。
获取安装包
大家好，Product Hunt 👋 我是 Tom，freddy 是我为了解决自己需求而开发的一个业余项目。 大多数人同时在用好几款设备。可能手上戴着追踪睡眠的智能戒指，手臂上贴着连续血糖监测仪，手腕上的手表记录锻炼数据，还有一个健身 App 记录力量训练。这些设备每天运行，悄悄积累了多年的数据。 问题在于，每款设备都把数据锁在自己的 App 里。它们互不通信，而 App 通常也只展示当天的数据。 freddy 把所有数据汇聚在一起。它是一个个人 MCP 服务器。只需连接一次数据源，将一个 URL 粘贴到 Claude、ChatGPT 或任何支持 MCP 的 agent 中，AI 就能跨所有数据源查询完整的历史记录。 这时候它才真正变得有用。终于可以问那些真正重要的问题了： * 昨晚睡得怎么样，恢复程度是否足以进行高强度训练？ * 过去三个月静息心率的变化趋势和室温之间有什么关联？ * 改成晚上训练之后，睡眠质量是否变差了？ AI 基于真实数据、跨数据源、跨时间维度来回答，不再需要在脑中同时比对五个仪表盘。 目前支持连接 Oura、Polar、Garmin、Withings、Suunto、Ultrahuman、Hevy、Wahoo、Concept2、Airthings 和 Intervals.icu。 隐私保护是重中之重，因为涉及的是健康数据。freddy 只读取数据，绝不向设备回写任何内容，可随时断开任意数据源。数据不会被用于训练模型，也不会被出售。服务运行在美国服务器上，全程加密，AI 的每次查询都有日志记录，可以随时查看哪些数据被访问过。 如果决定不再使用，可以一键导出所有数据为 CSV 文件，或删除账户及全部数据。 本周上线期间，Pro 年费仅 19 美元（约 1.6 美元/月），原价 49 美元；终身版 99 美元一次性买断。免费计划无需信用卡，支持连接 1 台设备并同步最多 30 天的数据，完全适合每日或每周查看使用。 我全天都在。欢迎试用，告诉我还缺什么功能。