计划与训练课程
计划与训练课程
了解 Trainingload.ai 如何组织训练计划、计划课程、耐力与力量结构、预期负荷，以及已完成活动的关联。
计划与训练课程
Trainingload.ai 把训练计划视为持续执行和复盘的工作区，而不是一份静态 PDF。计划中的每节训练都可以包含具体步骤、给运动员看的备注、预期负荷、执行状态，以及与已完成活动的关联。
计划模型
计划状态
- 草稿：仍在编排和审核，可以继续修改。
- 进行中：已经设置开始日期，是当前训练与每日执行的上下文。
- 已暂停：暂时停止执行，但保留计划、课程和历史记录。
- 已完成：训练周期有意结束。
- 已取消：计划不再执行，也没有按原意完成。
已经关联真实活动的计划在切换状态前，先阅读计划生命周期。
训练结构类型
耐力训练
耐力课程由热身、训练、恢复、重复等步骤组成，可按时间或距离安排，并支持心率、功率、配速、速度、踏频等目标。
需要可视化编排时使用手动训练编辑器；熟悉紧凑文本规则后，可以使用训练 DSL。
力量训练
力量训练由动作和组方案组成。正式组可以按次数或时间安排，并可设置不指定负重、固定重量、1RM 百分比、自重、主观强度和组间休息。
可视化流程见力量训练课程；需要使用规则输入时，按照力量训练 DSL操作。
预期负荷与实际负荷
只有当训练结构、阈值和目标提供了足够信息时，系统才会估算预期负荷。实际负荷来自完成后的活动，并遵循用户配置的负荷来源优先级。
两者回答的问题不同：
- 预期负荷：“这份计划原本想施加多少训练压力？”
- 实际负荷：“运动员完成后实际产生了多少训练压力？”
不要为了得到一个预期负荷而虚构阈值或训练目标。明确显示未知，比制造虚假的精确值更可靠。