个人资料、阈值与区间
设置个人资料、训练阈值、负荷来源优先级和训练区间，让 Trainingload.ai 更准确地解释活动、计划和 AI 教练上下文。
个人资料、阈值与区间
个人资料、阈值和区间，是 Trainingload.ai 的校准层。它们会影响活动解释、负荷估算、图表展示，也会给 AI 教练提供更具体的上下文，避免建议过于泛泛。
你不需要第一天就填满所有字段。先填写自己确定的值，再根据测试、比赛或稳定训练数据逐步更新。
开始前
- 使用近期可靠测试、比赛、设备或教练提供的当前值。
- 确定自己真正训练的运动项目和使用的传感器。
- 不要复制其他运动员的阈值或区间。
- 如果数值历史会影响判断，记录它的测量日期和方法。
推荐校准顺序
- 设置时区、单位和基础资料。
- 只添加有证据支持的当前阈值。
- 根据传感器可靠性选择负荷来源优先级。
- 为每个相关运动项目分别选择或定义区间。
- 保存后打开一条近期已就绪活动，确认单位、区间和负荷信息正确。
先设置时区和单位，再配置当前阈值、负荷来源优先级和分运动项目区间。
基础资料
基础资料会影响显示、日历逻辑，以及部分生理相关计算。
建议检查：
- 时区：用于日历日期、复盘窗口和按日期组织的训练视图。
- 单位系统：影响距离、配速、爬升等字段的显示方式。
- 体重：用于相对功率和与体重相关的指标。
- 身高、生日和性别：在需要年龄、体型背景或人群参考范围时使用。
- 主要运动项目：帮助选择运动相关的默认值和展示方式。
如果时区不正确，训练可能会落到错误的日期。判断日历和复盘摘要之前，先确认时区。
关键阈值
阈值用于把原始训练数据转换成强度和负荷。
常见字段包括：
- FTP：功能阈值功率，主要用于骑行功率强度和功率负荷。
- CP：临界功率，用于功率持续曲线和临界功率相关分析。
- W' / W Prime：高于临界功率部分的有限做功能力。
- Pmax：峰值功率，用于功率能力画像。
- LTHR：乳酸阈值心率，用于心率区间和阈值心率分析。
- 最大心率：用于基于最大心率的区间和部分心率对比。
- 静息心率：和最大心率一起用于心率储备。
- CS：临界速度，用于配速或速度基准。
- TP：阈值配速或阈值速度，具体取决于运动项目和展示方式。
使用“当前可靠值”，而不是历史最好值。阈值应该代表你现在能用于训练决策的能力水平。
负荷来源优先级
Trainingload.ai 可以从不同信号计算活动负荷。负荷来源优先级用于告诉系统：当一次活动同时有多种数据时，优先采用哪一种。
可用来源包括：
- 功率。
- 心率。
- 配速。
- 整节训练 RPE。
一个实用原则是，把最可靠的数据源放在前面：
- 骑行且功率计可靠：优先使用功率。
- 跑步没有跑步功率：根据地形和数据质量，优先配速或心率。
- 室内训练或传感器数据有限：心率或整节训练 RPE 可能更有用。
调整负荷来源优先级可能改变历史负荷的解读。建议在设备、数据质量或训练方式发生变化时调整，而不是为了让某一次训练数字更好看。
区间模型
训练区间会把强度分成几个范围，用于图表、训练目标和复盘。
Trainingload.ai 支持基于模型的区间，也支持自定义区间：
- 心率区间：可以基于最大心率、心率储备、LTHR 或自定义值。
- 功率区间：可以基于 FTP、CP 或自定义值。
- 配速区间：可以基于 CS 或自定义值。
区间模型是捷径，不是绝对真理。如果你的教练使用某个固定模型，就尽量保持一致；如果你有实验室或现场测试得到的区间，自定义区间可能更合适。
分运动项目设置区间
不同运动项目的区间不一定相同。跑步、骑行和游泳不应该总是共用同一套解释。
例如：
- 骑行功率区间依赖骑行功率基准。
- 跑步配速区间依赖跑步速度或配速基准。
- 游泳配速区间通常按每 100 米表达。
- 心率反应在跑步、骑行和游泳中可能不同。
优先为你真实训练的项目设置区间。缺少区间不会阻止活动导入，但图表、训练目标和 AI 教练解释会没那么具体。
自定义区间
这些情况下适合使用自定义区间：
- 教练已经给你定义了区间。
- 你做过实验室测试或可靠的现场测试。
- 模型生成的区间和训练体感明显不一致。
- 你需要默认模型无法覆盖的运动专项范围。
自定义区间使用绝对值：
- 功率：瓦特。
- 心率：bpm。
- 跑步配速：秒/公里。
- 游泳配速：秒/100 米。
区间名称尽量短，并保持顺序清晰。清楚的标签会让图表和 AI 教练上下文更容易读。
什么时候更新阈值
当有足够证据说明当前设置不再代表你的真实状态时，再更新阈值。
合理原因包括：
- 最近测试得到可信的新值。
- 比赛表现明显改变了当前基准。
- 连续几周训练显示能力稳定提升或下降。
- 设备或测量方式发生变化。
- 长时间中断、疾病或伤后回归训练。
不要因为某一天特别好或特别差就立刻改阈值。阈值变化应该解释一个趋势，而不是追逐噪音。
对 AI 教练的影响
AI 教练可以把个人资料、阈值、区间和负荷来源优先级作为上下文。
设置越完整，它越容易回答这些问题：
- 这次训练是否符合目标强度。
- 训练负荷是否上升太快。
- 最近疲劳之后，计划训练是否还合适。
- 某个配速、心率或功率目标是否现实。
如果关键值缺失，AI 教练仍然可以提供帮助，但它应该更保守，也可能需要追问。
验证设置
- 日历日期与运动员所在时区的训练日一致。
- 距离、配速、体重和爬升使用预期单位。
- 区间图表采用正确的运动类型和基准。
- 所需数据存在时，近期活动的负荷来源符合配置的优先级。
- AI 教练能够说明正在使用的阈值或区间上下文，而不是自行虚构。
故障排查
- 活动移动到了另一天：修正账号时区，再检查活动原始开始时间和来源时区。
- 区间明显过轻或过重：修改边界前，先确认基准、模型、运动项目和单位。
- 设置更新后负荷变化：找出发生变化的阈值或来源优先级；即使活动本身没变，历史解释也可能更新。
- 游泳配速不合理：确认使用的是秒/100 米，而不是跑步配速单位。
- 某个值不知道：保持未设置，等可靠证据出现后再填写，不要猜测。