轻松跑量
轻松跑建立一致性,不把每一天都变成测试。
- 保持能对话的强度
- 炎热和上坡时主动降速
- 保留恢复日
这份 5 公里计划适合已经能轻松连续跑 20-30 分钟、希望有明确备赛安排的跑者。计划结合可对话强度的轻松跑、每周一次可控质量课、一次长距离、恢复和赛前短减量。
你已经能轻松连续跑 20-30 分钟,不再需要跑走交替入门。
你希望稳妥完成第一次 5 公里,或提升近期 5 公里成绩,而不是每次都跑到很累。
你每周可以保留 4 个跑步日,包括一次质量课和一次较长轻松跑。
你目前没有会改变跑姿的疼痛、疾病或伤病。
训练安排应把轻松跑量与质量课分开,让每次训练都有目的,并留下足够恢复来稳定重复。
轻松跑建立一致性,不把每一天都变成测试。
间歇、上坡或节奏跑发展 5 公里专项速度,但不主导整周。
适度长距离支持耐力;最后一周降低疲劳同时保留节奏。
计划从可重复的轻松跑逐步进入 5 公里专项训练,再在比赛前降低疲劳。下方提供完整逐日安排。
第 1-2 周
保持大部分训练轻松,加入放松加速跑或短上坡。
第 3-6 周
交替进行可控间歇和节奏跑,长距离逐步增加。
第 7-8 周
降低总量、保留少量速度,让身体清爽地进入比赛。
这是一份免费通用参考。轻松日保持能对话的强度,保留恢复日,并在把它当作个人计划前根据自己的基础和日历进行调整。
| 第 | 周一 | 周二 | 周三 | 周四 | 周五 | 周六 | 周日 |
|---|---|---|---|---|---|---|---|
| 第 1基础 | 休息 | 25 分钟 轻松跑 | 20 分钟 力量训练 | 25 分钟 轻松跑 + 4 × 20s 放松加速跑 | 休息 | 20 分钟 轻松跑 | 5 km 长距离轻松跑 |
| 第 2基础 | 休息 | 30 分钟 轻松跑 | 20 分钟 力量训练 | 12 分钟 热身 + 6 × 30s 上坡跑 / 慢跑下坡恢复 + 10 分钟 放松 | 休息 | 25 分钟 轻松跑 | 6 km 长距离轻松跑 |
| 第 3构建 | 休息 | 30 分钟 轻松跑 | 20 分钟 力量训练 | 12 分钟 热身 + 6 × 400 m 快速跑 / 200 m 慢跑恢复 + 10 分钟 放松 | 休息 | 25 分钟 轻松跑 | 7 km 长距离轻松跑 |
| 第 4恢复 | 休息 | 25 分钟 轻松跑 | 15 分钟 力量训练 | 10 分钟 热身 + 12 分钟 节奏跑 + 10 分钟 放松 | 休息 | 20 分钟 轻松跑 | 5 km 长距离轻松跑 |
| 第 5构建 | 休息 | 35 分钟 轻松跑 | 20 分钟 力量训练 | 12 分钟 热身 + 5 × 600 m 快速跑 / 300 m 慢跑恢复 + 10 分钟 放松 | 休息 | 25 分钟 轻松跑 | 7 km 长距离轻松跑 |
| 第 6峰值 | 休息 | 30 分钟 轻松跑 | 15 分钟 力量训练 | 10 分钟 热身 + 20 分钟 节奏跑 + 10 分钟 放松 | 休息 | 20 分钟 轻松跑 + 6 × 20s 放松加速跑 | 8 km 长距离轻松跑 |
| 第 7减量 | 休息 | 30 分钟 轻松跑 | 15 分钟 力量训练 | 12 分钟 热身 + 4 × 400 m 快速跑 / 200 m 慢跑恢复 + 10 分钟 放松 | 休息 | 20 分钟 轻松跑 | 6 km 长距离轻松跑 |
| 第 8比赛周 | 休息 | 25 分钟 轻松跑 | 休息 | 20 分钟 轻松跑 + 4 × 20s 放松加速跑 | 休息 | 15 分钟 轻松跑 | 5 km 比赛 / 完赛跑 |
选择比赛日期、可训练日、当前配速和近期训练。Trainingload.ai 可以围绕这些限制生成草案,并让后续变化在进入日历前保持可审阅。
公开计划回答练什么;个性化决定训练放在哪一天、使用什么配速锚点,以及完成训练后该构建、维持还是恢复。
比较计划 workout 与真实完成情况,而不是只看配速。
增加跑量或加入更多强度前,先查看近期负荷和恢复。
AI 生成调整草案;你或教练确认后才更新日历。
这些问题聚焦计划周期、每周结构、AI 教练复盘,以及训练被打乱时如何调整。
本计划为 8 周。基础较少的跑者可能需要更久;已经稳定训练的跑者也应先核对负荷再决定是否从中段开始。
计划使用每周 4 个跑步日。轻松日必须轻松,并在质量课之间保留休息或力量训练日。
是,但适合已经能轻松连续跑 20-30 分钟的新手。完全没有跑步基础的人应使用独立 Couch to 5K 计划。
可以跳过,或只在仍能保护恢复时移动。不要连续堆叠两次质量课,也不要把漏掉的跑量塞进周末。
Trainingload.ai 可以根据完成训练和负荷背景生成调整草案,但更新日历前仍需确认。
登录后创建训练计划、连接运动记录,并让 Trainingload.ai 在建议调整前先复盘证据。