Gym

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 |

核心用法

Gym Skill 是一款面向健身爱好者的纯 Markdown 文档型指导工具，无需代码执行即可提供专业级训练支持。首次使用时，系统会引导用户填写个性化档案（~/gym/memory.md），包括训练水平（初级/中级/高级）、目标（增肌/减脂/力量/综合体能）、可用时间、身体限制等关键信息，据此生成定制化训练方案。

核心功能覆盖四大模块：训练计划（workouts.md）提供基于复合动作为优先的 routine 模板，自动遵循渐进超负荷原则（建议每周增重 2.5kg 或 1-2 次重复）；进度追踪（progress.md）记录训练量、个人纪录（PR）与长期趋势；智能适配（adaptation.md）针对伤病、设备限制提供动作替代方案；营养指导（nutrition.md）涵盖宏量营养素分配与进食时机建议。数据全部存储于本地 ~/gym/ 目录，用户拥有完全控制权。

显著优点

极致安全性：纯文档架构零攻击面，无代码执行、无网络请求、零外部依赖，供应链攻击风险完全消除。经 CLS-Certify 扫描获 S+ 顶级安全评级（98/100），符合 GDPR 数据最小化原则。

科学训练方法论：内置经过验证的力量训练原则——复合动作优先、RPE 自感用力度自动调节、48 小时肌肉恢复警告、每 4-6 周自动减载（deload）周期，有效降低运动损伤风险。

高度个性化：支持从初学者到力量举选手的全谱系用户，灵活适配家庭健身房、伤病恢复、时间受限等真实场景，避免一刀切的模板化方案。

透明可控：所有偏好设置与训练日志以 Markdown 形式持久化，便于用户审计、导出或版本管理，无厂商锁定风险。

潜在局限

无自动化执行能力：作为纯文档型 Skill，无法直接连接智能手表、健身 App 或健身房器械同步数据，所有记录需手动维护，对追求无缝数字体验的用户可能显得繁琐。

知识更新依赖维护者：训练建议基于当前文档版本，营养学、运动科学领域的最新研究进展需等待 Skill 更新才能反映，建议用户结合专业渠道交叉验证。

缺乏社区与竞技功能：无内置社交分享、排行榜或教练远程监督机制，自我驱动力不足的用户可能难以坚持。

无多模态交互：不支持语音指导、动作视频演示或实时姿势纠正，新手学习动作模式时可能需要额外资源辅助。

适合人群

• 系统训练者：已理解基础训练概念、追求科学进阶的初中级健身爱好者
• 隐私敏感用户：不愿将健康数据上传云端、偏好本地-first 的极客群体
• 特殊条件训练者：伤病康复期、家庭健身房受限、日程不规律需灵活调整的用户
• 健身知识管理者：希望用 Markdown 构建个人训练知识库、整合 Obsidian/Notion 等工具的效率追求者

使用风险

合规风险提示：虽然已通过隐私合规检查，但用户自行存储的健身数据（如体重、身体围度）属于个人健康信息，建议对 ~/gym/ 目录启用设备级加密，防范设备丢失导致的信息泄露。

训练安全风险：Skill 提供的渐进超负荷建议为通用准则，实际执行中需结合当日身体状态调整；存在已知伤病（如椎间盘突出）的用户务必在医疗许可范围内使用，系统虽会过滤禁忌动作，但无法替代专业运动医学评估。

数据持久性风险：纯本地存储意味着无云端备份，设备故障或误操作可能导致历史训练记录丢失，建议用户定期将 ~/gym/ 目录纳入常规备份流程。

技术债务风险：当前零依赖架构为最佳实践，若未来版本引入代码执行能力，需重新评估供应链安全；建议关注更新日志中的架构变更说明。