核心用法
Section 11 是一套开源的AI骑行教练系统，专为追求科学化训练的耐力骑行者设计。其核心工作流包括：首次使用时配置运动员档案（DOSSIER.md）、建立JSON数据源（latest.json + history.json）、设置自动化心跳监控（HEARTBEAT.md）。系统通过分层数据架构（实时数据→协议规则→运动员档案→心跳配置）驱动决策，要求在任何训练咨询前必须先拉取运动员JSON数据，禁止对预计算指标进行虚拟推算。
协议涵盖完整的训练周期管理：训练数据分析、课前准备度评估（Go/Modify/Skip建议）、课后复盘报告、趋势分析与长期规划。标准化报告模板确保输出一致性，支持动态调整——指标正常时简洁输出，阈值突破或用户追问时展开详细分析。
显著优点
数据主权与隐私优先：所有数据存储于用户控制的本地设备或私有Git仓库，无后端服务、无第三方云存储，彻底杜绝训练数据商业化滥用风险。
开源透明与可审计：协议文件、同步脚本、模板全部开源（CrankAddict/section-11），用户可完整检视算法逻辑，避免黑箱教练建议。
科学严谨性：强制遵循Section 11 C验证清单，要求引用框架依据；禁止虚拟计算，必须使用实际采集的CTL、ATL、TSB、ACWR等衍生指标。
自动化与个性化平衡：心跳机制实现 weather-aware 的自主训练建议，同时保留完整人工覆盖能力；随机化通知时间避免机械化刻板印象。
潜在缺点与局限性
技术门槛较高：需要用户具备Git基础、JSON数据处理能力，或配置Intervals.icu同步流程，对非技术背景骑行者形成使用障碍。
自托管依赖：数据质量完全依赖用户维护，若同步中断或配置错误，AI教练基于过时数据给出建议，风险由用户承担。
无原生社交功能：缺乏训练社区、同伴对比、教练人工复核等机制，不适合需要外部 accountability 或心理支持的运动员。
有限的运动类型覆盖：明确聚焦耐力骑行（公路、TT、 gravel），未针对山地车技术训练、场地短程、铁人三项换项等进行优化。
适合人群
- 已使用功率计/心率带并习惯数据化训练的严肃业余骑行者
- 具备基础技术能力、重视数据隐私的半职业运动员
- 追求自主可控、愿意投入时间维护个人训练系统的自驱型用户
- 对开源工具链有偏好、不信任商业训练平台的早期技术采纳者
常规风险
数据断联风险：私有仓库权限配置错误、GitHub Token过期、Intervals.icu同步故障均可能导致教练基于 stale data 决策。建议每周手动验证数据时效性。
过度自信风险：AI建议的"客观性"可能让用户忽视主观疲劳信号，尤其在TSB绿区但睡眠/压力异常时。协议虽包含健康观察条款，但执行依赖用户诚实汇报。
开源供应链风险：协议文件从GitHub raw URL拉取，若仓库被恶意篡改且用户未及时察觉，可能植入有害训练建议。建议锁定特定commit hash或本地镜像。
自动化边界风险：心跳机制的自主调度可能被误解为"无需思考"，尤其在伤病初期、生活应激事件期间，需主动暂停自动化并人工接管。