Section 11: Endurance Training Coach (Intervals.icu)

Section 11 — 循证耐力骑行 AI 教练协议

Section 11 是一套开源、去中心化的耐力骑行 AI 教练系统，专为需要数据驱动训练的严肃骑行爱好者设计。其核心架构围绕结构化 JSON 数据流、标准化协议规则和个性化运动员档案（DOSSIER.md）三层体系展开。

核心用法

用户首次使用时需完成三步配置：建立包含功率区间、训练目标和时间安排的运动员档案；配置来自 Intervals.icu 的实时训练数据源（latest.json 与 history.json）；设置基于地理位置、天气阈值和通知偏好的自动化心跳机制（HEARTBEAT.md）。完成配置后，AI 教练通过强制性的数据获取流程——任何训练问题必须先拉取 latest.json，趋势分析需额外获取 history.json——确保所有建议基于真实、最新的训练状态，而非虚拟计算。

协议涵盖完整的训练周期管理：训练前准备度评估（Go/Modify/Skip 决策）、训练后表现分析、周/月/季度背景趋势分析，以及基于 ACWR（急慢性负荷比）、TSB（训练压力平衡）、RI（响应指数）等循证指标的实时负荷监控。所有报告遵循标准化模板，支持简洁模式（指标正常时）与详细模式（阈值突破或用户追问时）的自动切换。

显著优点

• 数据主权优先：训练数据完全存储于用户本地设备或私有 Git 仓库，项目本身不运营任何后端服务，杜绝第三方数据垄断风险
• 开源可审计：协议规则、报告模板、同步脚本全部开源，用户可验证每个决策逻辑
• 强制数据绑定：禁止虚拟数学，所有建议必须基于真实拉取的训练数据，避免 LLM 幻觉导致的训练失误
• 隐私原生设计：内置 anonymization 流程，原始训练文件中的身份信息在入协议前即被剥离
• 灵活部署：支持纯本地文件模式（最安全）或私有仓库自动化同步，适应不同技术背景用户

潜在局限

• 配置门槛较高：需用户具备基础技术能力（GitHub/JSON 配置）或依赖已配置环境的 AI Agent
• 依赖外部数据源：核心功能绑定 Intervals.icu 导出，若该平台服务变动需手动调整同步逻辑
• 无内置社交/社区功能：纯个人化工具，缺乏训练同伴比较或教练人工介入的弹性
• 天气与地理服务需外部接入：心跳机制中的天气检查依赖用户自行配置的外部 API 或服务
• 版本锁定风险：协议规则通过 URL 动态拉取，虽便于更新，但也意味着用户需信任仓库维护者的持续治理

适合人群

严肃耐力骑行者（公路、 gravel、铁三）、已使用 Intervals.icu 等训练平台的数据驱动型运动员、希望将 AI 作为训练决策辅助而非替代自主判断的自律用户、以及对数据隐私有强需求的职业或精英业余选手。

常规风险

• 过度训练风险：自动化建议若未结合主观疲劳感受（RPE），可能导致忽视神经肌肉疲劳的隐性累积
• 数据同步延迟：JSON 同步失败或延迟将导致 AI 基于过时数据决策，需用户建立备用检查机制
• 天气阈值僵化：预设的户外骑行条件可能无法适应突发天气变化或用户当日状态波动
• 开源供应链攻击：协议 URL 被篡改可能注入恶意训练建议，建议高级用户 pin 定特定版本 commit

Section 11 AI骑行教练协议 — 深度评估

核心用法

Section 11 是一套面向耐力骑行运动员的循证训练指导协议，通过与 Intervals.icu 等训练平台的数据对接，提供AI驱动的个性化教练服务。使用前需完成三件套配置：运动员档案（DOSSIER.md）定义功率区间、目标、时间安排；JSON数据源（latest.json/history.json）提供实时与历史训练数据；Heartbeat配置（HEARTBEAT.md）设定天气阈值与通知偏好。

系统采用严格的数据层级：优先使用JSON中的预计算指标（CTL、ATL、TSB、ACWR、RI等），禁止虚拟计算；仅在预计算值不足时方可从原始数据自定义分析。每次训练咨询前必须获取latest.json，趋势分析时需补充history.json。输出遵循标准化报告模板：训练前提供准备度评估与Go/Modify/Skip建议，训练后输出完成情况与周累计数据。

显著优点

• 数据主权归用户：明确声明不运行任何后端服务，训练数据存储于用户自选的本地设备或私有仓库，从源头消除第三方数据滥用风险
• 隐私设计优秀：sync.py在数据使用前即完成匿名化处理，仅保留聚合指标与区间分布，去除所有可识别信息
• 供应链透明：纯文档型协议，无可执行代码，所有网络行为均为描述性的HTTP GET请求，用户可完全审计
• 自动化可控：Heartbeat功能默认关闭，需显式配置才启用，且操作范围严格限定于读取-分析-写入本地文件
• 循证方法论：基于功率训练科学，强制使用实际采集数据而非LLM推算，确保建议的可验证性

潜在缺点与局限性

• 来源可信度限制：维护者为个人开发者账号（CrankAddict），属T3级别，存在账号被盗、供应链篡改的理论风险
• 配置门槛较高：首次使用需完成文档编辑、数据源对接、自动化配置等多步骤，对非技术用户不够友好
• 依赖外部服务：协议模板与报告模板从GitHub raw域名动态获取，若仓库被入侵或域名解析异常，可能影响服务连续性
• 无实时天气集成：天气检查依赖用户预配置阈值与外部服务，本身不直接调用气象API
• 版本追踪成本：当前为v11.4，用户需关注协议更新以确保训练方法与时俱进

适合人群

• 已使用Intervals.icu或类似平台的严肃耐力骑行爱好者
• 关注数据隐私、希望避免SaaS订阅的技术型运动员
• 追求科学化训练但暂不需要真人教练一对一服务的自主训练者
• 愿意投入时间学习功率训练理论、具备基础数据管理能力的用户

常规风险

• 供应链攻击：远程URL指向的协议文档若被篡改，可能植入有害训练建议（如过度训练处方），虽无代码执行风险但仍可能损害用户健康
• 数据配置泄露：用户若误将训练数据置于公开仓库，敏感健康信息暴露
• 自动化误操作：Heartbeat配置不当可能导致不合时宜的通知或基于过时数据的建议
• 指标误读：用户若绕过协议自行解读JSON数据，可能误解训练负荷状态

综合评价

Section 11代表了AI辅助运动训练领域的隐私优先设计范式，其核心创新在于将数据控制权彻底交还用户，同时通过严格的协议约束确保AI输出的科学性与一致性。对于具备技术能力且重视数据主权的骑行爱好者，这是目前市面上少有的"可审计教练"解决方案。建议用户采纳安全认证报告中的建议：审计远程依赖、优先本地文件模式、关注仓库更新动态。