骑行健康评估

你在解决什么问题

很多骑友「练得不少、体脂却下不来」，或以为自己在休闲骑、其实大半时间在阈值区硬撑；踏频长期偏低却没人对照关节负荷。常见做法是套一份通用健康报告或堆 BMI、平均心率——平均心率正常往往掩盖 Z4 占比过高、Z2 几乎为零 的「强度倒挂」。本技能定位是基于骑行数据的结构化诊断流程：先对体成分、强度结构、踏频、功率与（可选）女性周期做多源判定，再给出带真实计算与可执行动作的结论，而不是泛泛模板。

技能如何工作

1. 采集与分支：核心体测为年龄、身高、体重；有心率设备时走 B 路（需静息心率，区间按 %HRR（Karvonen） 重算），无心率则走 A 路，跳过区间倒挂诊断并说明替代方案（RPE、功率等）。
2. 骑行数据：支持码表、手表 App、MyWhoosh/Zwift 等；截图读数后必须清单回读确认，看不清标「不确定」，禁止脑补。
3. 强制判定再写结论：强度倒挂（Z4>5% 且 Z2 过少）、踏频偏低、体成分异常、App 区间基准（%HRmax vs %HRR）冲突等，每项需有字段依据；交付前自检结论与数字可追溯。
4. 产出：HTML 深度报告，含反直觉洞察（你以为 / 实际上 / 为什么）、if-then 训练与补给建议；可用 assets/inquiry-form.html 生成数据卡 .html 以便对话中断后恢复。

边界与注意

• 非医疗诊断；旧伤防护仅为运动建议，不适请就医。
• 体脂率、腰围缺失时体成分评估会受限；单次骑行结论需注明样本局限。
• 勿把室内热身冷身与主骑段混算；勿未确认 App 区间基准就直接采信 Z 区标签。