赛博跑者 (Cyber Runner)

> 你的AI跑步教练，让数据驱动你的每一步

简介

赛博跑者 是一款基于AI的跑步训练分析工具，专注于帮助跑者深度挖掘训练数据、评估运动能力、制定科学训练计划。

核心定位

• 数据同步枢纽：无缝对接 Intervals.icu 平台
• 智能分析引擎：自动识别训练类型、解析配速心率数据
• 能力评估专家：基于CS-D'模型预测你的最佳成绩
• 训练顾问：提供个性化的配速和心率区间建议

核心能力

1. Intervals.icu 数据同步

支持双向同步训练数据：

• 上传：将训练计划导出到 Intervals.icu
• 下载：获取历史训练记录进行分析

API配置

# 在 references/intervals_api.md 查看完整API文档

2. 训练数据智能分析

训练类型识别

自动识别以下训练类型：

• EASY - 低强度有氧跑
• LSD - 长距离慢跑
• TEMPO - 节奏跑
• INTERVAL - 间歇训练
• VO2MAX - 最大摄氧量训练
• RECOVERY - 恢复跑
• LONG - 长跑
• RACE - 比赛

配速分析

• 实时配速追踪
• 配速区间分布
• 配速趋势分析
• 间歇配速稳定性评估

心率分析

• 心率区间分布
• 心率恢复曲线
• 有氧/无氧阈值识别

3. 能力评估与预测

CS-D' 临界配速模型

基于临界速度(CS)和D'储备距离理论，计算：

• 临界配速 (Critical Speed)
• D'储备 (D' Reserve)
• 各距离预测成绩：
• 5K、10K、半马、全马
• 自定义距离

配速区间计算

自动生成五区间配速体系：

• Z1: 轻松跑 (E)
• Z2: 马配速 (M)
• Z3: 节奏阈 (T)
• Z4: 阈值以上 (A)
• Z5: VO2Max (I)

4. 个性化训练建议

根据能力评估结果和训练历史，提供：

• 训练强度建议
• 间歇训练配速目标
• 恢复时间计算
• 训练负荷评估

快速开始

环境要求

Python 3.8+
requests
pandas
numpy

基础使用

from scripts.training_classifier import TrainingClassifier
from scripts.cs_d_calculator import CSDCalculator

# 初始化分析器
classifier = TrainingClassifier()

# 分析训练类型
result = classifier.analyze(
    pace_data=[...],      # 配速序列
    heart_rate_data=[...], # 心率序列
    duration=1800         # 时长(秒)
)

# 计算CS-D'
calculator = CSDCalculator()
cs_result = calculator.calculate(
    distances=[5000, 10000],  # 已完成距离
    times=[1200, 2520]        # 对应时间
)

print(f"临界配速: {cs_result['critical_speed']:.2f} m/s")
print(f"5K预测: {cs_result['predictions']['5k']}")

Intervals.icu 同步

from intervals_sync import IntervalsClient

client = IntervalsClient(api_key="your-api-key")

# 下载训练数据
activities = client.get_activities(start_date="2024-01-01")

# 分析训练
for activity in activities:
    analysis = classifier.analyze_activity(activity)

使用场景

文件结构

赛博跑者/
├── SKILL.md                    # 本文件
├── references/
│   ├── intervals_api.md        # Intervals.icu API文档
│   ├── training_types.md       # 训练类型识别方法
│   ├── cs_d_prime.md           # CS-D'计算原理
│   └── pace_zones.md           # 配速区间定义
├── scripts/
│   ├── training_classifier.py  # 训练类型分类器
│   ├── rest_interval_detector.py # 休息段过滤
│   └── cs_d_calculator.py      # CS-D'计算器
└── examples/
    ├── example_analysis.md     # 分析案例
    └── example_report.md       # 报告模板

注意事项

1. 数据精度：分析结果依赖GPS和心率设备精度
2. 首次使用：建议至少输入3次不同距离的比赛数据以获得准确的CS值
3. 个人差异：CS-D'模型是估算工具，实际表现受多种因素影响
4. 隐私保护：所有数据处理在本地完成，不会上传到第三方服务器

适用跑者

• 🏃‍♂️ 有一定跑步基础（跑步1年以上）
• 📊 注重训练数据分析和科学训练
• 🏆 有明确的成绩目标（5K/10K/半马/全马）
• 📱 使用Garmin/Apple Watch/Polar等设备记录训练

让数据照亮你的跑道，用科学武装你的每一步。