Lofy Fitness

核心功能

Lofy Fitness 是一款面向 Lofy AI 助手的健身 accountability 层，将繁琐的健身记录转化为自然对话体验。用户无需学习复杂指令，只需用日常语言描述训练（如 "bench 185x5 185x4"）或饮食（如 "中午吃了 Chipotle"），系统自动解析并结构化存储。

显著优点

• 零摩擦记录：支持多种自然语言格式，从完整的组数重量到模糊的 "练了腿" 都能识别，大幅降低记录门槛
• 智能 PR 检测：采用 Epley 公式自动计算 1RM，突破时即时庆祝，强化正向反馈
• 温和问责机制：基于周目标智能提醒（每日上限 1 次），优先关注出勤率而非强度，培养可持续习惯
• 饮食估算能力：内置常见食物热量/蛋白质估算，无需手动查询营养数据库

潜在局限

• 估算准确性：饮食热量和蛋白质为估算值，缺乏精确营养数据支持；重量训练记录依赖用户自报，无视频验证
• 受伤处理保守：系统明确 "绝不鼓励忍痛训练"，但缺乏主动伤病预防建议或恢复方案
• 数据孤岛：JSON 本地存储，无云同步或与其他健身应用（如 Apple Health、Strava）的集成
• 长期分析有限：仅提供周度趋势报告，缺少周期性训练规划或进阶数据分析

适合人群

• 健身新手至中级爱好者，重视记录便捷性胜过数据精度
• 需要外部 accountability 维持训练一致性的用户
• 偏好对话式交互、反感传统健身 App 复杂操作的人群

常规风险

• 过度依赖估算：长期依赖热量估算可能导致营养摄入偏差
• 数据丢失风险：本地 JSON 存储若无备份机制，设备故障将导致记录丢失
• PR 计算局限：Epley 公式在高次数（>10次）时误差增大，可能误判极限重量

核心用法

Lofy Fitness 是一款纯文档型健身追踪 Skill，通过自然语言对话完成训练、饮食、PR 检测与周报告生成。

功能模块：

1. 训练记录

• 自然语言解析：支持"bench 185x5x3"、"5k run 28min"等口语化输入
• 结构化存储：日期、类型、肌群、动作组数、重量次数、时长、备注
• 模糊兼容：仅说"练了腿"也能记录，系统会自动标记"细节未提供"

2. 饮食追踪

• 智能估算："Chipotle午餐"→约650卡/40g蛋白，"蛋白粉"→约200卡/30g蛋白
• 跳过监测：连续3天跳过早餐会触发温和提醒

3. PR 检测（Epley公式）

• 自动计算：1RM = 重量 × (1 + 次数/30)
• 智能庆祝：仅在新PR突破时庆祝，避免过度反馈

4. 目标追踪

• 周目标设定与缺口提醒（每日最多1次）
• 强调"坚持优于强度"的理念

显著优点：

• 零配置启动：无需账号、API 密钥或外部服务
• 隐私完全自主：所有数据存储于本地 data/fitness.json，无云端同步
• 对话式交互：无需打开App或填写表格，聊天中自然完成记录
• 轻量无负担：响应简短（确认+一条评论），不制造社交压力

潜在缺点与局限性：

• 无原生移动端：依赖 Lofy 助手环境，外出训练需手动输入或事后补录
• 估算误差：食物热量为经验估算，无条形码扫描或数据库精确匹配
• 无社区功能：无法分享、对比或获得真人教练反馈
• 数据孤岛：本地JSON格式，导出迁移需手动操作
• Injury 判断依赖自述：系统仅作建议，无法检测实际身体状态

适合人群：

• 追求极简记录的健身爱好者
• 隐私敏感、拒绝云端健身App的用户
• 已有训练知识，仅需数字追踪的自律人群
• 反感复杂界面、偏好自然语言交互的用户

常规风险：

• 数据丢失风险：本地文件损坏/误删无自动备份（建议手动备份）
• 估算偏差风险：长期依赖食物估算可能导致宏量营养素计算偏差
• 过度训练风险：PR 庆祝机制可能诱导频繁冲重量，用户需自我管理
• 来源可信度：T3级个人开发者发布，建议观察社区反馈后再深度依赖