核心用法
Gym 是一款结构化的 AI 健身教练技能，通过 Markdown 模板与用户档案系统实现个性化训练管理。用户需在 User Profile 区块填写：训练水平（初/中/高级）、目标（力量/增肌/减脂等）、每周可用天数、单次时长限制及身体限制条件。系统据此从 workouts.md 调用对应模板生成训练方案。
每次训练后，用户将数据存入 ~/gym/ 目录下的结构化文件：workouts（训练日志）、prs（个人纪录）、measurements（身体数据）。AI 依据这些历史数据执行渐进超负荷原则——当用户完成上一组训练后，自动建议增加 2.5kg 重量或 1-2 次重复次数。
显著优点
1. 自适应智能：不仅追踪进度，更能根据 RPE（自感用力度评分）、疲劳信号和错过训练的情况动态调整计划，而非简单惩罚用户。
2. 安全优先设计：内置多重防护规则——复合动作优先编排、每周增幅不超 10%、强制每 4-6 周减载周、同肌群训练间隔≥48 小时警告，显著降低过度训练和受伤风险。
3. 开放数据架构：纯文本/JSON 本地存储，用户完全拥有数据，可轻松迁移至 Excel、Notion 或其他健身 App。
4. injury adaptation：专门的 adaptation.md 支持受伤期间的动作替换与负荷调整，体现康复友好理念。
潜在缺点与局限性
- 依赖用户自律：无主动提醒功能，需用户手动记录每次训练数据，数据质量直接决定 AI 建议有效性。
- 无视觉反馈：缺少动作示范视频或姿势纠正功能，纯文本形式对动作学习阶段的新手不够友好。
- 营养模块较薄：
nutrition.md仅为参考框架，未与训练数据联动计算动态热量需求。 - 社群缺失：无社交对比、打卡激励或教练真人介入通道，长期动机维持依赖用户内在驱动。
适合人群
- 有一定自学能力的健身爱好者（初中级最佳）
- 追求数据化训练、反感商业 App 订阅制的用户
- 受伤恢复期需要智能调整方案的训练者
- 力量举、健美专项的周期化训练需求者
常规风险
| 风险场景 | 说明 |
|---------|------|
| 数据录入错误 | 重量/次数记录偏差导致 AI 错误增加负荷 |
| 过度依赖建议 | 忽视身体真实疲劳信号，机械执行渐进超负荷 |
| 限制条件遗漏 | 未如实填写伤病史，AI 推荐禁忌动作 |
| 存储丢失 | 本地文件未备份导致训练历史清零 |
建议用户定期将 ~/gym/ 目录同步至云盘，并在启用前与专业人士确认限制条件填写的完整性。