Section 11: Endurance Training Coach (Intervals.icu)

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

核心功能

Section 11 是一个面向耐力骑行运动员的循证AI训练指导协议。该Skill通过结构化流程为骑行爱好者提供科学化、个性化的训练管理服务。

主要用法

首次使用时，系统引导用户完成三步配置：
1. 创建运动员档案(DOSSIER.md) - 记录功率区间、训练目标、日程安排等个人数据
2. 建立数据源 - 用户自行创建私有GitHub仓库，通过Intervals.icu自动同步训练数据至latest.json
3. 配置心跳系统(HEARTBEAT.md) - 设置天气阈值、骑行时段偏好、通知时间等个性化参数

日常使用中，Skill遵循严格的数据层级：先获取JSON训练数据，再应用协议规则，结合个人档案给出建议。每次响应训练问题前必须拉取最新数据，禁止虚拟计算。

显著优点

• 循证基础：基于Section 11协议框架，训练建议有明确方法论支撑
• 数据主权：用户完全掌控自己的训练数据，存储于私有仓库
• 自动化集成：可与Intervals.icu等专业训练平台无缝对接
• 情境感知：结合天气、时间、历史数据等多维度信息
• 纯Markdown实现：无可执行代码，安全风险极低

潜在局限性

• 配置门槛较高：需要用户具备一定的技术能力(GitHub、JSON配置)
• 外部依赖：核心协议文档托管于GitHub，存在网络可达性问题
• 数据延迟：依赖Intervals.icu同步频率，非实时数据
• 维护不确定性：作为社区项目，长期支持和更新频率不确定
• 功能专注：仅针对耐力骑行，不适用于其他运动类型

适合人群

• 认真训练的业余/半职业公路车手、铁人三项运动员
• 已使用或愿意使用Intervals.icu等训练分析平台的用户
• 具备基础技术素养，能管理GitHub仓库和JSON配置
• 追求结构化训练计划，而非随意骑行的爱好者
• 重视数据隐私，希望掌控个人训练数据的用户

风险提示

• 模板文件从远程获取，需关注上游仓库安全状态
• 训练建议基于算法和历史数据，重大决策应咨询真人教练
• 过度训练风险需用户自行把控，AI建议不能替代身体感知
• 天气等外部因素判断依赖用户配置的阈值，设置不当可能导致训练建议偏差