身体重组训练专家

当健身计划散落在备忘录、日历和训练日志里时，你很难判断哪组数据是最新的、哪个计划需要调整。这个技能把训练方案生成、执行打卡、进度复盘和数据归档串成一条自动化链路，让身体重组（减脂增肌同步进行）的决策有据可依。

训练方案生成：基于OPDCA方法论

技能以 fitness_template.json 为骨架，通过三轮结构化提问收集目标、身体数据、训练经验、器械条件等信息，再按OPDCA五步生成个性化 fitness.json：

• O（目标）：根据体脂率目标计算瘦体重，划分3个阶段并设定可量化的里程碑
• P（计划）：按周训练天数选择分化方式（2-3天全身/上下肢，4天Push/Pull，5-6天PPL/五分化），设计碳水循环（高/中/低碳日热量与宏量营养素）
• D（执行）：每个训练日设计5-8个动作，复合动作为主（深蹲、硬拉、卧推等），组次数按增肌/力量/耐力目标适配，附安全规则（避免连续练同一肌群）和灵活调整规则
• C（检查）：追踪力量指标（核心动作重量/次数）、身体成分（每日称重周均值、围度照片）、恢复指标（晨起主观感受）
• A（处理）：预设6类常见问题的触发-诊断-应对流程，如力量停滞触发减载、体重变化调整热量

生成后通过 scripts/get_fitness.py 验证JSON合法性，确保数据逻辑自洽（如瘦体重=体重×(1-体脂率)）。

运动打卡与日历同步：从计划到执行

当用户说“开始训练”，技能自动完成三件事：

• 读取当日训练内容（通过 get_fitness.py 获取动作、组次数、碳水类型和热量）
• 检查本周日历，为所有未安排的训练日创建事件（Push/Pull日1小时，篮球日2小时，休息日不创建）
• 创建任务列表（含当日所有动作的独立任务），并批量写入飞书多维表格的“训练记录”库，记录标题格式为“{动作名} {计划}”（如“杠铃颈前深蹲 4×6-8”）

这样，日历成为训练时间表，任务列表成为当日执行清单，多维表格成为长期可分析的训练日志。

训练完成与数据复盘：让每组数据有价值

用户完成训练后说“训练完成”，技能会：

• 读取任务完成状态和评论（评论格式约定为“重量-次数”，如“60-8”或“70-8（吃力）”）
• 按时间排序提取每组实际重量和次数，写入多维表格（记录标题更新为“{动作名} {实际重量汇总}”，如“杠铃颈前深蹲 60-70×8 ✅”）
• 生成训练日报，包含完成率、动作表现分析（如某动作后几组力竭）、营养摄入提醒（当前阶段+碳水循环信息），并保存到飞书云文档的“训练日报/YYYYMM/”文件夹

评论中的重量/次数数据成为后续调整训练计划的依据，日报则记录了每次训练的决策逻辑。

快速查询与状态感知：随时掌握进度

用户问“今天吃什么”或“本周计划”时，技能会：

• 读取当日训练类型、碳水类型（高/中/低碳）、热量和宏量营养素
• 展示本周完整计划（训练日类型、时间、动作概览）
• 提醒当前阶段（如“神经唤醒与重组期 — 轻重量专注动作质量”）

适用边界与注意点

• 需要用户提供准确的身体数据、训练经验和器械条件，方案质量依赖输入信息的真实性
• 依赖飞书工具链（日历、任务、多维表格、云文档），需提前配置Base Token和Table ID
• 饮食策略（如碳水循环的热量设定）需用户根据自身代谢率和活动量微调，技能仅按目标生成框架
• 任务评论需手动输入重量/次数，无法自动抓取器械数据
• 设备流重授权（如需要读取任务评论）需用户配合完成验证流程

这个技能解决的不是“如何练”，而是“如何持续记录和调整计划”——让身体重组的训练数据可追溯、可分析，最终让每一次训练都有明确的决策依据。