文章同步發表在我的Blog
每天早上量體重，是我建立 DailyLog 後最穩定的習慣之一。
起床、上廁所、量體重，然後把數字填進表格。
看起來很簡單。
真正困難的，是看到那個數字之後，不要立刻對它做出反應。
例如昨天是 65.2 公斤。
今天變成 65.7。
只差 0.5 公斤。
理性上，我知道一天增加半公斤，不太可能代表昨天真的多累積了半公斤脂肪。
但站在體重計上的那一刻，人的直覺通常沒那麼冷靜。
我還是會想：
昨天是不是吃太多？
晚上是不是不該補給？
今天是不是應該少吃一點？
要不要多跑幾公里？
DailyLog 記得越久，我越發現：
量體重本身不難，真正需要學習的是怎麼看體重。
減重初期，只要體重下降，我一整天心情都會比較好。
昨天 65.8。
今天 65.3。
看到少了 0.5 公斤，很容易覺得：
昨天的做法有效。
相反地，如果隔天變成 65.9，就開始懷疑昨天做錯了什麼。
問題在於，昨天發生的事情通常很多。
可能有跑步。
可能比較晚吃。
可能喝了運動飲料。
可能睡得比較少。
也可能只是晚餐口味比較重。
如果我只用隔天早上的體重判斷，就很容易把其中某個行為抓出來，認定它是原因。
「昨晚有補乳清，所以今天變重。」
「昨天沒跑，所以今天體重增加。」
「昨天吃麵，所以果然不能吃澱粉。」
這些結論很容易出現，也很危險。
因為一兩天的資料根本不足以回答這些問題。
紀錄拉長之後，我開始看到很明顯的鋸齒。
65.5。
65.2。
65.6。
65.1。
65.4。
數字不會每天按照我的期待慢慢下降。
有時候連續幾天往上，接著突然掉下來。
也有時候前一天才看到新低點，隔天馬上彈回去。
一開始，我很想替每一次變化找理由。
後來才發現，這樣做會非常累。
因為人體每天的體重會受到很多生活因素影響。
對我來說，光是 DailyLog 裡已經記得到的，就包括：
還有很多我根本沒有完整記錄的因素。
如果每天早上都要根據體重重新修改計畫，最後一定會變成追著數字跑。
有一次我把一段體重紀錄丟給 ChatGPT，希望它幫我看看最近是不是卡住了。
我看的方式很簡單：
「最近幾天好像都在 65.x，怎麼沒有繼續下降？」
ChatGPT 卻把時間拉長。
它沒有只比較昨天和今天，而是看一整段資料。
接著提醒我：
如果要判斷趨勢，應該把單日波動和較長期變化分開。
於是，我開始加入一個後來非常重要的東西：
七日平均體重。
方法沒有很複雜。
就是把最近七天的體重放在一起看平均值，再每天往前移一天。
對我真正重要的，其實不是公式。
而是從那一天開始，我有了另一條比較平穩的線。
假設這幾天的體重是：
65.3
65.7
65.4
65.6
65.2
65.5
65.3
每天看，會覺得上上下下。
今天比較重。
明天又變輕。
後天再次增加。
但七天放在一起看，可能只是在一個很小的範圍內移動。
如果下一週的平均變成 65.1，再下一週變成 64.9，我就比較能確認：
雖然每天還是有高有低，整體方向確實在往下。
這對我的心理影響很大。
以前看到單日增加 0.5 公斤，我會想修改今天的安排。
現在我先看七日平均。
如果平均線仍然維持原本方向，那今天的高點通常不需要特別處理。
照原本節奏繼續就好。
這後來變成我很重要的一個習慣。
例如聚餐隔天。
體重增加。
以前我的第一個反應可能是：
今天少吃一點。
現在我會先看：
七日平均有沒有明顯改變？
如果沒有，我通常不做大調整。
再例如長距離運動後。
有時候隔天體重下降很多。
以前看到新低點，很容易覺得：
很好，昨天的方式有效。
但現在我也不會太快高興。
我一樣先看平均。
因為如果只是單日低點，後面幾天可能又回到原本區間。
這讓「變重」和「變輕」都不再那麼容易控制我的情緒。
我後來發現，這不只對我有幫助。
對 ChatGPT 分析 DailyLog 也很重要。
如果我只丟三天資料：
65.2 → 65.6 → 65.8
很容易產生「最近體重正在上升」的印象。
但如果往前看十四天，可能會發現前一週平均是 66.1，現在雖然連續三天上升，七日平均仍然只有 65.5。
這時候，判斷就完全不同。
所以後來做週回顧時，我會要求 ChatGPT 同時看：
AI 很適合做這件事。
因為它不會只被今天早上的那個數字吸引。
它可以把前後資料放回來比較。
當然，前提還是我每天有留下紀錄。
減重過程中，有一種感覺很常出現。
就是每天都有量體重，但看起來永遠都差不多。
65.4。
65.6。
65.3。
65.5。
過了一個星期，好像什麼都沒變。
這時候很容易開始懷疑：
是不是飲食要再縮？
是不是運動量不夠？
是不是身體已經適應？
以前我可能會直接修改策略。
後來有了七日平均後，我會先比較兩個時間點。
例如月初七日平均是 66.0。
月底七日平均是 65.2。
中間每天看起來都在亂跳，但一個月其實下降了 0.8 公斤。
如果只靠每天早上的感覺，我可能完全沒有注意到。
這是趨勢圖對我最大的價值。
它把「我覺得好像沒變」變成「我們來看資料到底怎麼走」。
七日平均帶來的另一個改變，是我比較少臨時調整規則。
以前可能今天變重，明天就少吃。
後天變輕，又覺得可以放鬆一點。
這種方式其實很混亂。
後來我替自己建立一個比較簡單的原則：
除非有明顯異常，否則不因單日體重修改生活策略。
真的要調整，至少先看一段時間。
例如：
七日平均連續一段時間沒有變化。
飲食與活動紀錄也沒有特殊情境。
睡眠大致正常。
執行狀況也穩定。
這時候，才值得討論：
是不是需要微調晚餐？
活動量是否下降？
最近是不是多了某種沒有注意到的進食？
這樣的修改比較有根據。
所以現在我不會丟掉每日體重。
每日體重仍然很有用。
它留下最原始的資料，也讓我能看到短期波動。
但我會另外看七日平均。
兩者扮演不同角色。
每日體重告訴我今天量到多少。
七日平均告訴我最近大概往哪裡走。
這個差別對我來說非常重要。
因為健康管理裡很多東西都一樣。
今天睡不好，不代表睡眠計畫失敗。
今天沒有跑步，不代表最近活動不足。
今天晚上多吃一點，也不代表飲食已經失控。
真正值得關心的，通常是它有沒有變成趨勢。
AI 幫我看線，我負責過每一天
我很喜歡七日平均，還有一個原因。
它讓 AI 和我的分工變得更清楚。
我每天做的事情其實很普通。
量體重。
吃飯。
運動。
睡覺。
留下紀錄。
這些事情沒有哪一件特別像「AI 健康管理」。
真正需要 AI 的地方，是資料累積之後。
ChatGPT 可以幫我把每天的數字整理成趨勢，提醒我：
最近是真的下降？
只是短期波動？
某段上升是否剛好和旅行重疊？
休息日後有沒有恢復？
而我的工作，是不要因為今天的一個數字就破壞原本穩定的執行。
這也是我後來對紀律的另一個理解。
紀律有時候不是立刻做更多，而是知道現在什麼都不用改。
明天體重可能還會上升。
也可能突然看到一個新低。
我依然會記錄。
但我不再把每一天當成判決。
下一篇，我會繼續談七日平均帶來的另一個問題：到底什麼時候才叫做「減重停滯」？ 當體重看起來很久沒動時，我怎麼讓 ChatGPT 協助分辨是真的卡住，還是只是日常波動讓我太早下結論。
iThome鐵人賽
看影片追技術