核心功能
Gym 是一款专为健身场景设计的智能训练管理 skill，通过结构化数据存储与算法化训练原则，为用户提供接近私人教练的健身体验。
核心用法
1. 用户档案初始化
首次使用需在 ~/gym/memory.md 创建个人档案，涵盖训练水平（初/中/高级）、目标（增肌/减脂/力量/综合体能）、可用时间、身体限制等关键维度，确保后续建议高度个性化。
2. 训练计划与执行
- 基于复合动作优先原则（深蹲、硬拉、推举、划船、引体向上）构建训练框架
- 自动应用渐进超负荷原则：完成目标后建议增重 2.5kg 或增加 1-2 次重复
- 根据训练目标智能分配休息间隔：力量训练 2-3 分钟、肌肥大 60-90 秒、体能 30-45 秒
3. 进度追踪与自适应
- 自动记录训练日志、个人记录（PR）、身体测量数据
- 支持 RPE（主观用力程度）追踪，实现基于疲劳的自适应调节
- 每 4-6 周或疲劳累积时自动建议减载周
- 缺训后智能调整计划，无 guilt-tripping 设计
4. 安全机制
- 严格周负荷增幅限制（≤10%），降低损伤风险
- 强制检查身体限制条件后再推荐动作
- 同肌群 48 小时内重复训练时触发恢复策略警告
- 内置伤病适应模块，支持动作替换与调整
显著优点
| 维度 | 表现 |
|------|------|
| 科学性 | 基于 NSCA、ACSM 等力量训练共识原则设计 |
| 个性化 | 6 维用户档案 + 动态更新机制 |
| 容错性 | 缺训、伤病、设备限制均有无缝适应方案 |
| 数据化 | 完整的训练史、PR 曲线、身体趋势追踪 |
| 可持续性 | 内置周期化与自动减载，避免过度训练 |
潜在局限
- 无实时反馈：无法通过视觉纠正动作形式，需用户具备基础动作认知
- 营养模块简化：宏量营养素建议为通用框架，非精准代谢计算
- 依赖自律执行：无法强制用户完成计划，需配合外部提醒系统
- 设备依赖：复杂计划需商用健身房器械，家庭健身房选项有限
适合人群
- ✅ 零基础至中级训练者寻求系统化入门
- ✅ 有经验者希望摆脱手动记录、获得数据洞察
- ✅ 伤病恢复期需要智能动作替换方案
- ✅ 时间受限者需要高效计划优化
- ⚠️ 高阶竞技力量举/健美运动员可能需要更细粒度周期化
常规风险
| 风险类型 | 说明 | 缓解机制 |
|---------|------|---------|
| 训练损伤 | 负荷递增过快、动作执行不当 | 10% 周增幅上限 + 复合动作优先原则 |
| 过度训练 | 高频训练无恢复 | 自动减载提示 + 48h 肌群恢复警告 |
| 数据丢失 | 本地文件存储无云同步 | 用户需自行备份 ~/gym/ 目录 |
| 计划僵化 | 忽视身体信号强行执行 | RPE 追踪 + 自适应调整逻辑 |