开始使用
在标准化数据上构建健康 agent
保存源数据、标准化健康读数，再让 AI 使用它们。
Mirobody API 把杂乱的健康数据变成标准化、AI 可用的记录 —— 再给你两个兼容 OpenAI 的接口，在其上构建 agent。它是开源 Mirobody 引擎之上的托管层：我们托管存储、模型与密钥；你只需把 OpenAI SDK 指向 base URL 并带上 mb_live_* 密钥。
闭环：上传 → 标准化 → AI 使用
Section titled “闭环：上传 → 标准化 → AI 使用”按数据形态选对入口
结构化读数走 POST /v1/data。化验 PDF、照片与表格走 POST /v1/files，它保存原件、抽取文本，并把其中的读数标准化。POST /v1/standardize 同步执行同一套标准化 —— 用于 dry-run 预览，或处理叙事文本。
每条结构化读数都会标准化
名称确定性解析到 LOINC（不让 LLM 猜码），值归一到 UCUM 单位，每条读数都有 FHIR 镜像。"血糖(空腹)"、"FBG"、"Glucose, fasting" 归成一条序列。见标准化。
让 AI 在其上工作
向 Answers API 要一条有依据、带证据的回答 —— 或在 Agent API 上构建完整 agent：你自己的工具、存储的对话，openai-agents SDK 开箱即用。
四种数据形态，各有一扇门
Section titled “四种数据形态，各有一扇门”健康数据有四种形态 —— 每种形态各有一扇门进来：
| 数据形态 | 典型来源 | 录入方式 | 端点 |
|---|---|---|---|
| 结构化读数 | 设备/穿戴（由你自己接入，日聚合后写入）、手动记录 | 结构化记录 | POST /v1/data —— 高频样本先自聚合；episode 型（睡眠、运动）用 time + end_time 携带时段。见设备数据 cookbook。 |
| 文件/照片 | 化验单、体检报告 PDF、手机拍照 | 文件上传 | POST /v1/files —— 保存原件、抽取文本，并自动抽出标准化读数。POST /v1/standardize 可同步执行同一抽取，例如做 dry-run 预览。 |
| 带读数的叙事 | “头疼了一天，体温 38.2 °C”、对话口述 | 叙事文本 | POST /v1/standardize —— 抽取其中的可量化读数，周边叙事被丢弃。 |
| 纯主观日记 | “整个下午头晕头疼”、心情记录 | 单轮智能体调用 | POST /v1/responses 带 store: true —— 自动从中抽取读数与持久记忆。见写日记配方。 |
Mirobody 负责存储源数据、标准化结构化读数，并将二者提供给 AI 使用；数据如何采集、是否预处理，由你自行决定。
两个 API 接口，一套引擎
Section titled “两个 API 接口，一套引擎”POST /v1/responses（兼容 OpenAI Responses）。你的 function 工具、previous_response_id / session_id 状态、response.* 流式。openai-agents SDK 只需改 base URL。
POST /v1/chat/completions。封闭、有据可循的 completion —— 一个问题、一条有证据的回答。任何 OpenAI SDK 直接替换，也非常适合作为你自己 agent 里的一个工具。
拿不准？选择你的 API。
为什么选 Mirobody
Section titled “为什么选 Mirobody”- 有依据，而非听着合理 —— 回答可附
health_records、citations与服务端采集证据时使用的工具步骤。 - 结构化数据标准化 —— 通过
/v1/data写入或由/v1/standardize存储的记录都会经过 LOINC + UCUM + FHIR；你的分析与 agent 读取同一份序列。 - 双重 OpenAI 兼容 —— Chat Completions 与 Responses 两个协议；现有 SDK 与 agent 框架直接可用。
- 天生多租户 —— 一个 key，每个终端用户一个隔离 Subject；按 Subject 的被遗忘权删除。
- 内核开放 —— 托管 API 跑的就是同一个开源引擎。
运行 Mirobody 的两种方式
Section titled “运行 Mirobody 的两种方式”- 托管 API（本平台）—— 用
mb_live_*密钥对接我们的托管集群。从快速开始入手。 - 开源 ——
git cloneMirobody 引擎，用./build.sh构建后自己运行。