AI 马拉松训练计划和静态模板最大的区别是什么？
核心区别是它会读取你的真实完成情况、训练负荷变化和状态，再给出单次训练层面的动态调整。
AI 要进到你的训练语境里
不是抛一个问题让它泛泛回答，而是让它看到你的计划、完成情况和负荷变化，再给出有依据的建议。
生成计划
根据目标、时间、经验和限制，先搭出一份能练的草案。
执行训练
每天知道该练什么，并把实际完成情况同步或导入回来。
AI 复盘
对比原计划、实际完成、负荷和状态，解释哪里偏了。
确认调整
预览训练调整草案，确认后再应用到计划。
AI 可以建议，但不会越过你的确认权
训练调整会先以草案出现：调整前后、为什么改、改了哪里都看得见。只有你确认后，计划才会更新。
计划上下文
AI 先读取当前计划、今日训练、明日训练和本周安排。
实际完成情况
同步或导入的训练记录会成为判断完成质量和偏差的依据。
训练负荷信号
CTL、ATL、TSB 和近期负荷帮助判断是否该恢复或调整。
训练调整草案
AI 输出的是可预览、可校验、确认后才应用的单次训练调整。
AI 训练计划常见问题
这些问题会帮你判断：AI 计划怎么用、什么时候该调课、怎么确认调整是否合理。
哪些信号应该触发 AI 给出训练调整？
常见触发包括关键课未完成、ATL 上升速度超计划、TSB 持续偏低，以及 effective VO2max 停滞。
AI 调整时应该同时改训练量和强度吗？
通常不建议。更稳妥的做法是先改一个主变量，再用下一次关键课验证响应，避免叠加误差。
这套方法如何帮助教练或自训跑者做训练分析？
它把计划、执行、负荷和调整理由放在同一条复盘链路里，让每次调整都可解释、可追溯。