使用指南
开始使用
了解 Trainingload.ai 的核心使用流程：设置个人资料、导入训练数据、查看训练负荷、管理计划，并用 AI 教练做上下文复盘。
开始使用
Trainingload.ai 围绕一条简单的训练闭环工作：
- 设置个人资料与阈值。
- 导入或同步已经完成的训练。
- 查看训练负荷、强度和恢复信号。
- 创建或激活训练计划。
- 用 AI 教练复盘执行情况，并在需要时调整计划。
这个产品最有价值的地方，是把“计划”和“真实完成情况”连起来。单独一个活动文件只能告诉你发生了什么；关联到计划后，你才能判断这次训练是否完成了原本意图。
开始前
- 创建并验证账号。
- 准备一个原始 GPX、TCX 或 FIT 活动文件，或者可用的支持平台账号。
- 已知阈值时使用当前可靠值；未知值保持未设置，不要猜测。
- 为一条活动完成处理留出时间，不要在分析结束前判断结果。
Trainingload.ai
完成设置后的训练工作台
当账号里同时有已分析活动和计划后，首页、日历与 AI 复盘才会形成完整闭环。
Plan
4 week block
Load
steady build
Activity
matched
AI review
ready
1. 设置账号
登录后，先打开 设置 或 我的，检查这些基础信息：
- 时区：日历日期和提醒都会依赖它。
- 单位：距离、配速、功率、爬升会按你的偏好显示。
- 语言与主题。
- 体重、运动偏好等个人资料。
2. 设置阈值与区间
Trainingload.ai 会用阈值设置计算强度和训练负荷。先填你确定的值，之后可以根据测试或比赛持续更新。
- 骑行：FTP、CP、功率区间。
- 跑步：阈值配速、心率区间、配速区间。
- 心率：最大心率、静息心率，或可靠的 LTHR。
完整设置流程见：个人资料、阈值与区间。
如果你不确定，可以先用工具估算，再根据近期测试更新：
3. 导入已完成训练
你可以上传活动文件，也可以连接支持的平台。Trainingload.ai 会分析活动、计算指标，并把训练记录用于活动列表、概览、日历和 AI 教练。
文件导入流程通常是：
- 上传 GPX / TCX / FIT 文件。
- 如果出现重复活动提示，先确认是否继续导入。
- 等待导入批次处理完成。
- 分析完成后，进入活动详情页查看结果。
4. 查看训练负荷
用概览和 PMC 页面理解训练趋势：
- 训练压力积分 TSS：单次训练负荷。
- CTL：长期训练负荷。
- ATL：近期模型化负荷趋势。
- TSB：较长期与近期模型化负荷的差值。
这些指标是证据，不是结论。更好的判断通常要同时看负荷、训练质量、睡眠、酸痛和当前训练周期目标。
5. 创建训练计划
打开 训练计划 页面，可以手动创建计划，也可以用 AI 创建。一个可执行的计划通常包含：
- 目标和日期范围。
- 运动类型。
- 每周结构。
- 每次训练的明确目的。
- 在目标信息足够时估算预期负荷。
计划激活后，当前计划 页面会变成你的日常训练工作台。
6. 使用 AI 教练
AI 教练可以基于训练、计划和负荷趋势与你对话。适合这样问：
- “这周和计划相比完成得怎么样？”
- “明天的训练要不要调整？”
- “为什么这次长距离比预期更累？”
- “如果这周只能练 4 天，应该优先保留哪几节课？”
涉及修改计划的 AI 建议，需要你确认后才会真正应用。Trainingload.ai 的设计原则是：建议可以由 AI 草拟，但最终决定对你可见、可控。
验证设置
满足以下条件后，可以进入日常使用：
- 账号时区和单位正确。
- 至少一条活动进入已就绪状态，并能打开活动详情。
- 概览和日历在预期日期显示该活动。
- 一份草稿或进行中计划至少包含一节有效课程。
- AI 教练能够引用目标活动或计划上下文。
故障排查
- 找不到活动：检查导入批次、平台连接、日期范围和重复处理结果。
- 图表或负荷不完整：等待活动进入已就绪状态，检查来源传感器数据，并确认阈值。
- 活动日期错误：修改计划前，先修正账号和活动的时区上下文。
- 计划无法保存：修正第一条课程验证错误，并确保所有课程位于计划周期内。
- AI 教练回答笼统：等数据处理完成后，从相关活动或计划页面发起提问。