青少年体质健康监测既要准确记录测试成绩，也要让学生、家长和体育教师理解数据所反映的情况。现有学校体质健康工作中，测试结果往往以分数和等级呈现，对单项差异、历次变化及日常锻炼的解释仍有改进空间。大语言模型具有文本归纳和自然语言表达能力，能否辅助完成结果反馈，值得结合学校实际加以讨论。本文以小学高年级至中学阶段常规体质健康测试为场景，采用文献与政策文本分析方法，结合《国家学生体质健康标准（2014年修订）》、世界卫生组织身体活动指南及生成式人工智能教育和健康治理文件，分析大语言模型可能承担的任务、使用边界与实施条件。分析认为，这类工具较适合在测量和标准评分完成后参与信息整理：依据核实的单项成绩、得分等级和前后变化生成易于理解的说明；按照教师、学生和家长的阅读需求调整表述，提供一般性身体活动提示；整理连续测试记录中需要教师复核的缺项和异常。与此相对，测试项目的得分计算、等级判定、运动风险识别和个体训练安排，应由明确的评价规则及相关专业人员负责，不宜由模型自主作出结论。模型的文字表达不能消除测量误差、测试条件差异和记录不完整带来的问题，部分输出还可能出现依据不明、误引标准或提出不适宜建议的情况。对于处于快速生长发育阶段的青少年，单次成绩的变化也不能直接归因于训练效果或健康状况。同时，应关注不同年级、测试项目和反馈对象的差异，不把单项成绩偏低直接解释为健康异常，也不将一般身体活动指南当作面向个体的运动处方。实际应用还需要注意未成年人个人信息保护，避免未经审查直接上传可识别学生身份的原始报告。基于上述分析，本文提出“测试及数据核验—规则程序评分—模型生成说明初稿—体育教师审核反馈”的基本流程，并建议先利用模拟案例或合规处理的数据开展小范围验证。评价时不仅应考察文字是否流畅，还应比较事实准确性、建议适切性、学生与家长的理解程度，以及教师审核修改所需的时间。对于信息不足、存在伤病或特殊运动需要的学生，应保留人工判断和必要的专业转介环节。总体而言，大语言模型在青少年体质健康监测中的现实作用是辅助解释和沟通，其应用效果仍有待实证检验，不能替代既有评价标准和体育教师的专业判断。