核心用法
Section 11是一套严谨的循证耐力骑行AI教练系统，专为公路车、山地车等耐力骑行运动设计。用户需先完成三步初始化设置：创建DOSSIER.md运动员档案（功率区间、目标、日程）、建立私有GitHub训练数据仓库（通过Intervals.icu自动同步）、配置HEARTBEAT.md心跳设置（天气阈值、通知时段）。之后AI通过固定协议链处理所有训练请求：优先拉取latest.json实时数据→遵循SECTION_11.md协议规则→结合个人档案与心跳配置生成建议。
显著优点
- 数据驱动：强制使用真实训练数据，禁止"虚拟数学"臆测
- 循证基础：所有建议需引用训练科学框架（如PMC状态模型、TSS负荷算法）
- 自动化整合：支持Intervals.icu双向同步，实现训练-恢复-状态闭环
- 情境感知：心跳系统结合天气、时间、运动员状态动态调整日程
潜在局限
- 技术门槛高：需GitHub+API配置能力，普通用户上手困难
- 依赖外部生态：核心功能绑定Intervals.icu平台，迁移成本高
- 初始化繁琐：三方文档（DOSSIER/HEARTBEAT/协议）缺一不可，首启流程冗长
- 隐私设计矛盾：训练数据需托管于GitHub（虽私有），对敏感用户不够友好
适合人群
严肃耐力骑行爱好者、功率训练进阶用户、具备基础技术能力的自训运动员，以及需要结构化数据替代传统教练的量化训练派。
常规风险
- 数据源配置错误导致训练建议基于过期信息
- 天气阈值设置不当引发户外训练安全隐患
- 过度依赖算法建议忽视身体主观疲劳信号