shield_lock
JinDaGe
← Back to skills
extension
Category: OtherAPI key required

PostureFit - AI体态矫正教练

调用PostureFit AI体态矫正教练接口，支持用户上传照片自动检测体态或手动输入角度数据，生成每日3动作个性化训练计划，处理训练打卡反馈并动态调整后续方案；当用户需要体态矫正咨询、上传体态照片分析、获取训练计划、反馈训练完成情况或调整训练强度时使用

personAuthor: user_9a57bc8ehubcommunity
downloadDownload package

PostureFit 体态矫正教练咨询

任务目标

  • 本 Skill 用于：调用 PostureFit Coze Agent API，完成 AI 体态矫正教练咨询
  • 能力包含：上传照片自动体态识别、根据体态角度生成个性化训练计划、处理训练打卡反馈、按教练风格调整语气
  • 触发条件：用户上传体态照片希望分析体态、提供体态角度数据并希望获取训练建议、或用户反馈训练完成情况

前置准备

  • 凭证：需配置 posturefit_api 凭证（PostureFit API 的 Bearer Token）
  • Python环境：必须使用系统Python 3.12.5（路径：C:\Software\Professional\Python\Python312\python.exe），不支持托管Python 3.13.x
  • 图片分析依赖：需安装 mediapipe 和 opencv-python（pip install mediapipe opencv-python）
  • 手动输入模式：需由用户提供头前伸角度、圆肩角度、骨盆前倾角度

操作步骤

场景一：上传照片自动体态分析 + 生成训练计划（推荐）

适用场景：用户上传全身/半身体态照片，自动检测关键点、计算角度、分类问题并生成训练建议。

1A. 单张照片分析

用户上传一张正面或侧面照片：

"C:\Software\Professional\Python\Python312\python.exe" scripts/analyze_image.py \
  --image /path/to/photo.jpg \
  --view front \
  --capture-mode fullBody \
  --coach-style encouraging \
  --coach-gender female \
  --user-goal "改善圆肩" \
  --body-state normal \
  --mode plan

1B. 双视角照片分析（正面 + 侧面，更全面）

用户上传正面和侧面两张照片：

"C:\Software\Professional\Python\Python312\python.exe" scripts/analyze_image.py \
  --image /path/to/front.jpg \
  --image2 /path/to/side.jpg \
  --capture-mode fullBody \
  --coach-style encouraging \
  --coach-gender female \
  --user-goal "改善圆肩" \
  --body-state normal \
  --mode plan

2. 参数说明

| 参数 | 必填 | 说明 | |------|------|------| | --image | 是 | 主图片路径 | | --image2 | 否 | 第二张图片路径（双视角模式） | | --view | 否 | 单张图片视角：front(正面)/side(侧面)，默认 front | | --capture-mode | 否 | 拍摄模式：fullBody(全身)/halfBody(半身)/closeUp(特写)/sitting(坐姿) | | --coach-style | 否 | 教练风格：encouraging/strict/humorous | | --coach-gender | 否 | 教练性别：male/female | | --user-goal | 否 | 用户目标描述 | | --body-state | 否 | 身体状态：normal/postpartum/menstrual/fatigued/teenager | | --mode | 否 | plan(生成计划)/feedback(处理反馈) |

3. 智能体交互流程

  1. 收集照片 — 请用户上传体态照片（建议全身站立照，光线充足）
  2. 收集偏好 — 教练风格、性别、目标、身体状态（有默认值可跳过）
  3. 执行分析 — 调用 analyze_image.py，脚本自动完成：
    • MediaPipe BlazePose 检测 33 个人体关键点
    • 计算 10 项体态角度指标（头前伸、圆肩、高低肩、骨盆侧倾/前倾、膝内扣、头部偏移、重心偏移、驼背、膝超伸）
    • 使用高斯衰减模型评分（0-100 分）
    • 按严重程度分类各问题（正常/轻度/中度/严重）
    • 调用 Coze API 生成个性化训练计划
  4. 解读结果 — 向用户呈现：
    • 体态综合评分
    • 检测到的体态问题及严重程度
    • 教练推荐的每日 3 个训练动作
    • 视频跟练链接

4. 照片拍摄建议（告知用户）

  • 正面照：双脚并拢，双臂自然下垂，面向镜头
  • 侧面照：自然站立，侧面朝向镜头，耳朵和肩部可见
  • 通用要求：穿贴身衣物、光线充足、背景简洁、全身/半身入镜

场景二：手动输入角度数据生成计划

当用户无法提供照片，或已有角度数据时：

"C:\Software\Professional\Python\Python312\python.exe" scripts/consult.py \
  --forward-head-angle 12.5 \
  --rounded-shoulder-angle 35.2 \
  --anterior-tilt-angle 22.8 \
  --coach-style encouraging \
  --coach-gender female \
  --user-goal "改善圆肩" \
  --body-state normal \
  --mode plan

场景三：处理训练反馈（mode=feedback）

用户完成训练后，使用上次返回的 session_id：

"C:\Software\Professional\Python\Python312\python.exe" scripts/analyze_image.py \
  --image /path/to/photo.jpg \
  --coach-style encouraging \
  --coach-gender female \
  --user-goal "改善圆肩" \
  --body-state normal \
  --feedback completed \
  --mode feedback \
  --session-id "<上次返回的session_id>"

或使用手动输入模式：

"C:\Software\Professional\Python\Python312\python.exe" scripts/consult.py \
  --forward-head-angle 12.5 \
  --rounded-shoulder-angle 35.2 \
  --anterior-tilt-angle 22.8 \
  --feedback completed \
  --mode feedback \
  --session-id "<上次返回的session_id>"

使用示例

  • 示例1：照片体态分析

    • 场景/输入：用户上传一张全身正面站立照，选择鼓励型女教练，目标改善圆肩
    • 预期产出：自动检测体态问题（如高低肩 5.2° 轻度、重心偏移 3.8° 轻度），生成评分和 3 个训练动作
    • 关键要点：照片需光线充足、人体完整可见；脚本使用 MediaPipe PoseLandmarker 33 点模型

  • 示例2：双视角全面分析

    • 场景/输入：用户上传正面+侧面两张照片，选择严厉型男教练
    • 预期产出：正面检测高低肩/骨盆侧倾/膝内扣，侧面检测头前伸/圆肩/驼背/膝超伸，综合评分后生成训练计划
    • 关键要点：双视角可检测全部 10 项体态指标，结果更全面

  • 示例3：产后骨盆恢复（照片分析）

    • 场景/输入：用户上传照片，选择严厉型教练，目标产后骨盆恢复，bodyState=postpartum
    • 预期产出：自动排除产后禁忌动作（俯卧位、腹部受压），推荐温和恢复性训练
    • 关键要点：bodyState=postpartum 时 Coze Agent 自动过滤禁忌动作

  • 示例4：训练打卡反馈

    • 场景/输入：用户完成训练后反馈"做完了"
    • 预期产出：教练肯定+训练益处+提醒拉伸+下次训练建议
    • 关键要点：需传入上次 session_id 保持上下文

输出格式

脚本输出 JSON，包含以下字段：

{
  "status": "success",
  "mode": "plan",
  "postureAnalysis": {
    "status": "success",
    "analysis": {
      "score": 72.5,
      "view": "front",
      "primaryIssue": "shoulderImbalance",
      "issues": [
        {"type": "shoulderImbalance", "severity": "mild", "angle": 4.2, "label": "高低肩轻度异常 (4.2°)", "view": "front"},
        {"type": "headOffset", "severity": "normal", "angle": 1.8, "label": "头部偏移正常", "view": "front"}
      ],
      "metrics": { ... }
    }
  },
  "score": 72.5,
  "coachResponse": {
    "status": "success",
    "answer": "教练生成的训练计划文本...",
    "session_id": "xxx"
  }
}

资源索引

注意事项

  • Python环境：必须使用系统Python 3.12.5（C:\Software\Professional\Python\Python312\python.exe），托管Python 3.13.x不兼容mediapipe
  • 依赖安装：在系统Python中安装 pip install mediapipe opencv-python numpy
  • 模型文件：首次运行会自动下载 pose_landmarker.task 模型文件（约30MB）
  • 照片质量：光线不足、遮挡严重、非站立姿态可能导致关键点检测失败
  • 视角选择：正面照可检测高低肩/骨盆侧倾/膝内扣/头部偏移/重心偏移；侧面照可检测头前伸/圆肩/驼背/膝超伸
  • 拍摄模式：fullBody 可分析全部指标；closeUp 仅分析肩颈区域
  • 身体状态影响安全性：产后和经期状态会自动排除禁忌动作
  • 同一会话连续咨询时传入相同 session_id，可保持教练记忆上下文
  • 中文路径支持：脚本使用PIL读取图片，支持包含中文字符的文件路径