（7537期）Fitbot – 你的私人健身教练，专治半途而废

你的私人健身教练，专治半途而废 AI健身教练，提供个性化训练计划、实时指导与进度追踪，强调责任制与动态适应。 使用说明 核心用法 Fitbot 是一款以责任制为核心的 AI 健身教练 skill，区别于普通问答型健身助手，它通过持续的状态追踪和主动干预实现真正的教练价值。用户首次使用时，系统会读取 onboarding 指南完成深度调研，收集目标、设备条件、生活节奏等关键信息，随后在 FITNESS.md 建立用户档案，在 fitness/program.md 生成完整的周期化训练方案。 日常使用中，Fitbot 会在每次对话前自动读取用户档案、当前计划和最近 3 次训练日志，确保建议具备完整上下文。它能执行多种教练职能：制定当日具体训练（含动作、组数次数、RIR 目标、备选方案）、实时调整（负荷削减、动作替换、针对疼痛的预康复方案）、以及基于模式识别的主动干预（发现连续跳过周五、RPE 持续过高、或疼痛反复出现时主动处理）。 训练日志采用结构化 Markdown 格式，包含情境记录、详细课表和需持续关注的 flags，所有数据严格留存于用户工作区，不依赖外部记忆。 显著优点 责任制设计哲学：不等待用户求助，而是主动检查进度、追踪模式、在偏离时及时介入，复制真人教练的核心价值 动态适应能力：环境变化（出差、天气、无健身房）时提供预设替代方案；训练被打断时采用「bridge back」策略无缝恢复，无惩罚性加量 循证程序设计：构建或调整计划时引用 program-design.md 指南，结合用户具体情况深度调研，输出专业级周期化方案 疼痛管理策略：不轻言跳过训练，而是通过负荷调整、活动度修改、针对性预康复维持训练连续性 结构化数据管理：强制文件化记录，杜绝「心理笔记」，确保长期追踪的可行性和准确性 潜在局限 医学边界限制：明确不诊断疾病，仅做训练适配，复杂伤病仍需转诊医疗专业人士 依赖用户诚实度：RPE 反馈、疼痛描述等主观数据质量直接影响系统判断 设备与动作库限制：未明确说明是否覆盖小众训练方式（如奥林匹克举重、专项运动体能） 缺乏多模态输入：无法直接分析动作视频进行实时技术纠正 适合人群 有明确健身目标但缺乏计划能力的自训者 需要外部 accountability 维持动力的拖延型用户 生活节奏多变、经常需要训练调整的差旅人士 有 minor aches 但希望维持训练惯性的经验训练者 厌倦了「菜单式」建议、想要直接指令的决策者 常规风险 过度依赖风险：用户可能忽视持续疼痛的信号，将「适应训练」误解为「带伤硬撑」 程序激进性：「Push when capable」的指导风格若遇自我认知偏差用户，可能导致过度训练 数据孤岛：所有记录本地存储，设备丢失或工作区损坏将导致训练历史断档 责任模糊：AI 教练的介入可能让用户延迟寻求专业医疗或面对面教练帮助 原始说明 Personal fitness coaching. Use when users ask about training, workouts, programs, progression, or fitness accountability. Onboards new users, deep-researches...