上一篇
(11826期)Offload Tasks to LM Studio Models – 零成本本地推理,隐私安全双保障
下一篇
(11824期)Twitter Search – Twitter 数据抓取与智能分析报告生成
开源本地优先的AI耐力教练 基于证据的耐力运动AI教练协议,通过结构化JSON数据驱动个性化训练分析与建议,支持本地部署保障数据主权。 使用说明 核心用法 Section 11 是一套开源的耐力运动AI教练协议,专为骑行、跑步等耐力运动设计。其核心工作流包括: 数据准备:运动员通过 sync.py 将训练平台(Intervals.icu 等)数据同步为结构化JSON文件(latest.json、history.json、intervals.json 等),存储于本地或私有GitHub仓库 档案配置:填写 DOSSIER.md 记录个人阈值、训练区间、目标赛事、可用时间等 AI交互:AI读取JSON数据后,基于协议规则生成训练建议、前后训练报告、周/阶段总结 可选自动化:配置 HEARTBEAT.md 实现定时训练检查与天气感知调度 显著优点 数据主权优先:所有数据存储于用户控制的位置(本地设备或私有仓库),无中心化云服务 结构化可验证:每个训练建议必须引用JSON中的具体数值,禁止凭记忆或推测生成数据 开源透明:协议、模板、同步工具全部开源,可审计无黑箱 多平台兼容:支持本地CLI、OpenClaw、Claude Code、Cowork等agentic平台 扩展性强:支持写回操作(push.py)管理日历、更新阈值、添加注释 潜在局限与风险 技术门槛:需配置Python环境、理解JSON结构、可能使用Git/GitHub 数据依赖:分析质量完全取决于同步数据的完整性与时效性 平台限制:写操作功能(日历管理)仅限支持代码执行或GitHub Actions的平台 无原生移动端:主要面向桌面/终端使用场景 协议更新:需手动跟踪GitHub仓库更新,无自动推送机制 适合人群 数据驱动的严肃耐力运动员(功率/心率训练者) 具备基础技术能力的自服务用户 重视隐私、不愿将训练数据上传第三方平台的用户 已与Intervals.icu等平台配合使用的人群 常规风险 数据泄露风险:若使用公共GitHub仓库存储训练数据 配置错误风险:错误的阈值或区间设置可能导致不当训练负荷 过度依赖风险:AI建议需结合运动员主观感受,协议明确包含"C验证清单"要求人工判断 供应链风险:从GitHub URL获取模板时的开源依赖风险( mitigated by 本地优先设计) 原始说明 Evidence-based endurance coaching protocol (v11.35). Use when analyzing training data, reviewing sessions, generating pre/post-workout reports, planning work...
开源本地优先的AI耐力教练
基于证据的耐力运动AI教练协议,通过结构化JSON数据驱动个性化训练分析与建议,支持本地部署保障数据主权。
Section 11 是一套开源的耐力运动AI教练协议,专为骑行、跑步等耐力运动设计。其核心工作流包括:
sync.py 将训练平台(Intervals.icu 等)数据同步为结构化JSON文件(latest.json、history.json、intervals.json 等),存储于本地或私有GitHub仓库DOSSIER.md 记录个人阈值、训练区间、目标赛事、可用时间等HEARTBEAT.md 实现定时训练检查与天气感知调度push.py)管理日历、更新阈值、添加注释Evidence-based endurance coaching protocol (v11.35). Use when analyzing training data, reviewing sessions, generating pre/post-workout reports, planning work…
本站提供的资源转载自国内外各大媒体和网络,仅供试玩体验;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该游戏内容,请支持正版,购买注册,得到更好的正版服务。我们非常重视版权问题,如有侵权请邮件与我们联系处理。
上一篇
(11826期)Offload Tasks to LM Studio Models – 零成本本地推理,隐私安全双保障
下一篇
(11824期)Twitter Search – Twitter 数据抓取与智能分析报告生成
还没有玩家留言,来抢沙发吧~
登录后即可发表你的资源评测、评分,与其他玩家交流