AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 生活·本周演示·2026-10-29·CN

去健身房前,先让三个 AI 教练核对训练计划

少数派作者叁思 Santh 把 Apple Watch、Oura 和训记的数据接进 NAS 上的 SQLite,每次训练前由两个「教练」出计划、一个「循证教练」核查,他本人确认后再写回 App。

谁·场景
少数派作者叁思 Santh,平时做抗阻和有氧训练,想让 AI 根据自己的身体数据安排每次训练。
怎么用
通过 Freddy 和训记的 API,用 Python 脚本定时把数据拉进本地 SQLite;体脂和训练感受用文字或图片发给 Agent 录入;再给 Agent 定制一个 Skill,规定它怎样分析、怎样给建议。
结果
他发现直接让 Claude「详细分析」,只能得到好看但没用的看板。改成定制 Skill 后,每次训练形成「出计划→核查→本人确认→练完备注余量→回传」的闭环。
你可以试
先导出一段时间的训练和睡眠数据,用 grill-me 这类会反过来追问的 Skill 把需求问清楚,再写自己的分析规则。
注意
他说这套方法只用于辅助日常训练,不能拿来排查症状或处理医疗问题。搭建需要 NAS、API 和写脚本的能力。

叁思 Santh 在少数派记录了数据处理这一步。交给 AI 的是运动、睡眠、恢复数据和训练日志,全部存在家里 NAS 上的本地数据库,只能从局域网访问。计划由他本人确认后才写进训记。

他比较了十个社区 Skill,Star 最多的只有 200 多个,而且多数偏耐力训练,最后决定自己定制,把别人的好做法拿过来用:缺数据时在报告里注明,用 1 到 5 分的主观精力评分替补;HRV 对比本人近 28 天的均值;至少 10 晚数据才算相关性;统计交给脚本算。

他强调最难的一步是把需求说清楚。Agent 第一轮就问他:计算和决策分别由谁来做?他的答案是统计数字交给代码。如果你也有手环数据,可以先从这一条做起:数字让脚本算,AI 只负责解释和建议。

原文:少数派