Section 11: Endurance Training Coach (Intervals.icu)

核心功能

Section 11 是一套开源的耐力骑行AI教练协议，专为结构化训练管理设计。系统通过整合运动员的实时训练数据（latest.json / history.json）、个人档案（DOSSIER.md）和环境配置（HEARTBEAT.md），提供数据驱动的训练建议。

主要用途包括：

• 训练数据分析：自动获取并解析 CTL、ATL、TSB、ACWR 等关键指标
• 智能报告生成：标准化赛前/赛后评估模板，支持 Go/Modify/Skip 决策建议
• 个性化计划制定：基于 14 种 Workout Reference 模板的自动化日历写入
• 主动式教练交互：heartbeat 机制实现定时训练观察与天气感知调度

显著优点

1. 数据主权设计：训练数据存储于用户自有设备或私有仓库，无第三方云服务
2. 透明可审计：协议、模板、同步脚本全部开源，可逐行审查
3. 学术级严谨：遵循证据为基础的教练框架，禁止对预计算指标进行虚拟推算
4. 渐进式自动化：从手动 JSON 导出到全自动 Intervals.icu 同步，灵活适配不同技术能力用户

局限与风险

• 设置门槛较高：需完成 DOSSIER、数据源、heartbeat 三重配置才能启用核心功能
• 平台依赖写入能力：自动日历写入需 OpenClaw/Claude Code 等支持代码执行的环境
• 无内置身份验证：依赖用户环境的现有 GitHub/SSH 凭证，配置不当可能暴露私有仓库
• 供应链风险：协议与模板从固定 URL 获取，虽为开源但仍需信任 CrankAddict/section-11 仓库

适合人群

严肃业余骑行爱好者、自训铁人三项运动员、数据驱动型耐力运动教练，以及重视隐私的技术早期用户。

安全等级说明

S 级评定基于：完全本地数据存储、显式 opt-in 自动化、无后端服务、开源可审计。降级因素为：未内嵌加密传输保障、依赖用户自行配置仓库隐私。

核心用法

Section 11 是一套证据导向的耐力骑行 AI 教练协议，要求用户首先完成三项初始化设置：创建 DOSSIER.md（运动员档案，包含功率区间、目标、日程）、配置 JSON 数据源（从 Intervals.icu 同步的 latest.json 和 history.json）、设置 HEARTBEAT.md（自动化偏好与天气阈值）。完成配置后，Skill 会在回答任何训练问题前强制获取最新数据，遵循严格的协议层级：JSON 数据 > SECTION_11.md 协议规则 > 运动员档案 > 心跳配置。

协议核心能力包括：训练数据分析（CTL/ATL/TSB/ACWR 等衍生指标）、训练前后报告生成（Readiness 评估、计划依从性检查）、周期化训练计划、以及可选的自动写回功能（通过 GitHub Actions 将计划写入 Intervals.icu 日历）。所有报告遵循「简洁原则」——指标正常时简明扼要，阈值 breached 时详细说明原因。

显著优点

1. 数据主权设计：训练数据完全存储在用户控制的本地或私有 GitHub 仓库，无第三方云服务，符合 GDPR 数据最小化原则
2. 协议驱动透明：所有教练决策遵循公开的 SECTION_11.md 协议，可审计、可验证，避免「黑箱」建议
3. 开源可扩展：完整代码和模板托管于 GitHub，支持自定义 workout 模板、报告格式和数据同步方式
4. 自动化就绪：Heartbeat 机制支持定时训练观察、天气检查和周度趋势分析，减少手动管理负担

局限性与风险

1. 配置门槛较高：需要用户理解功率训练基础概念（FTP、 zones、CTL 等），并完成多步骤技术配置，对非技术用户不友好
2. 依赖外部数据生态：核心功能依赖 Intervals.icu 的数据导出，若该平台服务中断或 API 变更，同步链路可能失效
3. 写功能受限：自动写入训练计划仅支持 OpenClaw、Claude Code、Cowork 等支持代码执行的环境，网页版用户无法使用
4. 协议更新风险：远程模板从 GitHub 实时获取，虽为可信域名，仍建议用户定期审查内容完整性

适合人群

• 严肃业余骑行者：已完成基础功率训练教育，追求结构化周期化训练
• 自托管偏好者：重视数据隐私，不愿将训练数据上传至商业教练平台
• 技术型用户：具备 GitHub、JSON、API 基础操作能力，能自主排查配置问题
• Intervals.icu 活跃用户：已在该平台积累历史数据，希望叠加 AI 分析层

常规风险

| 风险类别 | 等级 | 说明 |

|---------|------|------|

| 数据泄露 | 低 | 数据存储在用户控制端，Skill 本身不托管数据 |

| 供应链攻击 | 中低 | 依赖 GitHub raw 内容，建议定期校验模板 |

| 建议准确性 | 中 | AI 教练基于算法规则，**不能替代医疗或专业运动医学建议**，伤病风险需人工判断 |

| 自动化误操作 | 低 | 写回功能需显式配置，且受 GitHub Actions 权限控制 |