跑步训练分析器

任务目标

• 本 Skill 用于：分析用户上传的跑步训练截图，提取关键数据并进行深度分析
• 能力包含：图像识别、数据提取、训练效果评估、个性化建议生成
• 触发条件：用户上传跑步训练截图并提出分析需求（如"帮我分析这次跑步"、"分析这张训练截图"）

操作步骤

1. 图像识别与数据提取

• 识别截图来源（Keep、Nike Run Club、Strava、Garmin等）
• 提取关键训练数据：
  • 基础数据：距离、时间、配速（平均/分段）
  • 生理数据：心率（平均/最大）、卡路里消耗
  • 环境数据：温度、海拔（如有）
  • 进阶数据：步频、步幅、跑步动态（如有）

2. 训练数据验证

• 检查数据完整性和准确性
• 识别异常值（如配速突变、心率异常）
• 确认截图清晰度是否影响数据提取

3. 多维度训练分析

根据 references/analysis-framework.md 中的分析框架，执行以下分析：

• 成绩分析：距离完成度、时间达成情况、历史对比
• 配速分析：平均配速评价、配速稳定性、分段配速趋势
• 心率分析：心率区间分布、有氧/无氧比例、心率控制能力
• 训练效果评估：训练强度、恢复状态、进步趋势

4. 训练类型识别与专项分析

根据数据特征识别训练类型，参考 references/training-templates.md 中的模板：

• 轻松跑：低强度、有氧为主、强调节奏稳定
• 间歇跑：高强度间歇、恢复期控制、强度达成度
• 长距离跑：耐力挑战、配速策略、补给评估
• 比赛：成绩分析、配速分配、策略评估

5. 生成分析报告与建议

• 输出结构化分析报告（包含数据摘要、多维度分析、优缺点总结）
• 提供个性化改进建议（基于当前训练水平和目标）
• 推荐后续训练计划（调整强度、增加专项训练等）

资源索引

• 分析框架参考：见 references/analysis-framework.md（详细的数据解读标准、配速分析维度、心率区间划分）
• 训练类型模板：见 references/training-templates.md（不同类型训练的分析模板和评估重点）

注意事项

• 仅在需要深度技术细节时读取参考文档，保持分析报告的简洁性
• 图像模糊时，需向用户说明可能的数据误差
• 数据提取后需验证合理性，发现异常时需向用户确认
• 充分利用智能体的图像理解和分析推理能力，无需调用外部脚本
• 分析建议需基于科学跑步训练原则，避免过度训练或错误指导

使用示例

示例1：轻松跑训练分析

用户需求："帮我分析这次轻松跑的训练效果" 执行方式：智能体分析 分析要点：

• 识别为轻松跑（配速处于轻松区间、心率在有氧范围）
• 评估配速稳定性（波动控制在合理范围）
• 心率控制能力（是否保持目标区间）
• 建议：保持当前节奏，可适当增加距离

示例2：间歇跑训练分析

用户需求："分析我的间歇跑训练，强度够不够" 执行方式：智能体分析 分析要点：

• 识别间歇跑特征（高强度+低强度循环）
• 间歇强度达成度（是否达到目标配速/心率）
• 恢复期质量（恢复是否充分）
• 建议：调整间歇时间或强度，优化训练效果

示例3：比赛成绩分析

用户需求："分析我的马拉松比赛表现" 执行方式：智能体分析 分析要点：

• 配速分配策略（前半程vs后半程）
• 极点表现（撞墙期处理）
• 与目标成绩对比
• 建议：总结经验教训，针对性改进训练计划