Trainingload.ai 文档
学习如何连接训练数据、创建并执行耐力或力量计划、复核活动、解释负荷与性能，并让 AI 教练基于证据协作。
Trainingload.ai 文档
Trainingload.ai 把训练流程中的五个部分连接起来：
- 个人上下文——阈值、区间、单位、运动设置和当前状态。
- 计划训练——编排在训练计划中的耐力或力量课程。
- 完成活动——记录、同步或上传的真实训练证据。
- 分析——负荷、功率、配速、心率、活动历史和计划与实际对比。
- 决策——由运动员确认的计划操作，以及基于已有证据的 AI 教练建议。
这套文档以任务为主。使用“指南”完成一条工作流，使用“训练计划”理解课程与计划行为，需要定义或解释边界时再查看“指标”。
选择你的路线
| 你的目标 | 从这里开始 | 完成标志 |
|---|---|---|
| 设置新账户 | 快速开始 | 个人资料已校准，且至少有一条已就绪活动 |
| 在网页和移动端之间继续 | 网页端与移动端 | 两端显示相同计划、活动和账户状态 |
| 在移动端记录训练 | 移动端记录训练 | 训练安全保存并同步为活动 |
| 创建耐力或力量计划 | 创建训练计划 | 计划已检查、保存并可激活 |
| 执行当前计划 | 管理当前计划 | 课程状态明确，真实活动已关联 |
| 复核一条完成活动 | 活动详情 | 来源数据、负荷、图表和计划上下文已检查 |
| 回答性能问题 | 性能分析页面 | 页面、运动、时间范围和来源活动支持可追溯结论 |
| 把证据变成计划决策 | 训练分析工作流 | 已定义一个保守且可复查的操作 |
| 设置账户、权限或 AI 用量 | 账户、权限与 AI 用量 | 身份、数据源、自动更新、会员和用量均已验证 |
核心训练闭环
这个闭环有意保持保守。图表或 AI 消息不会静默重写计划。先检查来源活动，区分观测数据与解释，再确认任何会改变未来训练的操作。
建立可信输入
- 个人资料、阈值与区间——配置时区、单位、基准、负荷来源优先级和分运动区间。
- 连接数据——理解平台、文件上传、处理状态和传感器覆盖。
- 集成——连接受支持服务，并避免重复导入路径。
- 上传活动文件——导入 GPX、TCX 或 FIT 文件并处理批量错误。
缺失或不可靠的输入应保持明确。来源从未提供的功率流、GPS 路线或心率信号，产品无法凭空恢复。
规划并执行训练
- 手动训练编辑器——使用精简运动目录创建跑步、骑行、游泳或力量训练。
- 耐力训练 DSL——编写或检查结构化耐力课程文本。
- 力量训练——构建动作、热身组、正式组、目标和休息结构。
- 计划生命周期——理解草稿、进行中、已完成和历史计划行为。
- 移动端计划与力量训练——在移动端编排手动计划并执行计划力量课程。
复核活动和趋势
- 活动信息流与搜索——查找导入、检查状态并把真实训练关联到计划。
- 日历——按日期比较计划课程与完成活动。
- 今日与当前状态——决定现在做什么，并保持主观上下文最新。
- 仪表盘——使用一致的运动和时间范围复核趋势。
- 活动历史与最佳表现——检查年度训练量、最佳表现排名和 GPS 路线。
谨慎解释指标
指标部分解释训练负荷、PMC、功率、配速、心率和生理概念。指标页面会说明数值描述什么、依赖哪些输入，以及解释可能在哪里失效。
尤其需要注意：CTL、ATL 和 TSB 描述模型化的训练负荷历史，不能独立证明适应、疲劳、恢复、准备度或医学状态。
让 AI 教练基于证据协作
AI 教练可以复核活动、计划执行、趋势和拟议调整。有效请求应包含决策问题、时间范围、运动类型、约束和需要检查的证据。高影响操作应保持可确认，并复核修改前后状态。
完整示例请查看 AI 马拉松计划调整。
当结果不一致时
使用故障排查处理活动缺失、处理延迟、图表为空、连接失败、计划关联问题和安全的支持诊断。支持材料中不要包含密码、OAuth Token、API 密钥、私人邮箱或精确住所位置。
开始
从选择使用路线开始；如果账户已经配置完成，也可以直接打开 Trainingload.ai。