Fitness Coach Lite

个人运动追踪教练skill — 低摩擦Telegram输入，训练记录+状态追踪+动态训练建议+日报周报月报。触发：用户发送任何运动/状态/查询相关消息时加载。

Install

openclaw skills install @youhan2021/fitness-coach-lite

fitness-coach-lite

Telegram 低交互场景的个人运动追踪教练。把"像发消息一样记录运动"作为核心目标。

核心哲学

3秒记录原则：用户在任何对话轮次里，发来一条训练或状态消息，agent 应当能在最少回复轮次内完成记录。

数据文件（统一在 data/ 下）

data/
├── plan.json              # 当前训练计划（格式不变）
├── history.json           # 统一历史：训练记录+状态记录+快照引用（升级格式，见下）
├── body_status.json       # 身体基本信息+体重/体脂历史
└── .current_workout.json  # 训练中途进度（临时）

history.json 升级格式

{
  "records": [
    {
      "date": "2026-04-20",
      "type": "workout",
      "workout": {
        "summary": "练了背",
        "exercises": [
          {"name": "坐姿划船", "weight_kg": 25, "sets": [{"reps": 8}, {"reps": 8}, {"reps": 8}]},
          {"name": "高位下拉", "weight_kg": 25, "sets": [{"reps": 8}, {"reps": 8}]}
        ],
        "duration_min": 35,
        "note": "状态不错"
      }
    },
    {
      "date": "2026-04-20",
      "type": "status",
      "status": "累",
      "detail": "昨晚没睡好"
    },
    {
      "date": "2026-04-20",
      "type": "snapshot",
      "snapshot": {
        "week_of": "2026-04-14",
        "workout_count": 4,
        "status_summary": {"累": 2, "正常": 5},
        "plan_version": "v2"
      }
    }
  ]
}

触发判断（每条用户消息都要判断）

当用户发送消息时，按以下顺序判断意图：

1. 训练记录类（最高优先级）

关键词/模式：跑了、练了、深蹲、卧推、走了多少步、拉伸、骑车、上半身、今天训练了、做了.*组、Xkg.*X次、开始练、练完了、第.*组

处理流程：

提取动作名称、重量、组数、次数、时长
若重量缺失 → 尝试从 plan.json 推断今日计划中的默认重量
若完全无法提取 → 将用户描述作为 summary 自由文字保存
调用 workout.py log 写入 history.json

格式灵活接受：

今天跑了40分钟 → {summary:"跑步40分钟"}
深蹲60kg 5x5，卧推30kg 5x5 → 两个动作分别记录
晚上练了腿 → {summary:"练腿"}
走了8000步 → {summary:"步行8000步"}
今天拉伸了15分钟 → {summary:"拉伸15分钟"}
上半身训练 → {summary:"上半身训练"}

实时记录工作流（低摩擦版）：

用户说「开始练」→ 调用 workout.py start-session（记录开始时间到 data/.session.json）
用户报每组成绩如「第1组 10个」「第二组 8个」→ 调用 workout.py log "<date>" '<json>' 实时更新记录（duration_min 先写 null）
用户说「练完了」→ 调用 workout.py finish-workout（从 .session.json 读取开始时间，计算实际时长，更新历史记录中对应记录的 duration_min）
注意：log 每次调用会覆盖当天训练记录，所以每组完成后要重新传入完整的 exercises 列表

2. 状态记录类

关键词/模式：累、没睡好、不想练.*、这周只能.*次、出差、经期、恢复、不舒服、膝盖.*、状态

处理流程：

提取状态类型和详情
调用 workout.py status-log 写入 history.json
若状态影响训练建议（如"出差"、"经期"、"恢复模式"），触发训练建议调整

状态类型映射：

用户词	存储值
累、很累、疲惫	`tired`
没睡好、睡眠差	`poor_sleep`
出差	`travel`
经期、生理期	`period`
不想练X、讨厌练X	`avoiding:{部位}`
这周只能练X次	`frequency_limit:{N}`
恢复、休息一下	`recovery`
膝盖不舒服、肩膀疼	`injury:{部位}`
状态不错	`good`
正常	`normal`

3. 查询报告类

关键词/模式：今天练了什么、这周练了几次、报告、周报、月报、这周为什么执行.*、最近计划改了.*、练什么

处理流程：

先判断今天周几：调用 workout.py plan view，内部已根据 date.today() 自动确定真实日期对应的星期
再查今日计划：workout.py plan view 输出中已包含今日训练内容（标注了当天）
其他查询：
- 今天练了什么 → 查 history.json 中今日 type=workout 记录
- 这周练了几次 → 统计本周 type=workout 数量
- 这周状态 → 查本周 type=status 记录
- 日报 → 调用 workout.py report today
- 周报 → 调用 workout.py report week
- 月报 → 调用 workout.py report month
- 阶段总结 → 调用 workout.py report summary

4. 计划管理类

关键词/模式：新计划、改训练计划、更新计划、训练计划.*调整

处理流程：

理解新的训练安排
调用 workout.py plan set 保存 plan.json
调用 workout.py plan version 追加版本记录到 history

5. 身体数据类

关键词/模式：体重.*kg、体脂.*%、身高.*cm

处理流程： 调用 workout.py body update 或 workout.py body log

训练建议动态调整

触发条件

以下状态变化后，agent 应主动或被动更新训练建议：

用户说出差、经期、恢复模式、这周只能练X次 → 降频建议
用户说不想练腿、讨厌练背 → 调整部位偏好
用户连续3天状态为tired → 建议降强度
用户连续poor_sleep → 建议推迟主训练日

调整输出格式

当触发调整时，输出格式：

📋 训练建议已调整（v{N}）
原因：{触发原因}
建议：{具体建议}

方案版本记录

每次调整训练建议，调用 workout.py plan version <reason> 记录到 history.json 的 plan_versions 数组。

Quick Actions（适合 Telegram Inline Keyboard ）

提供以下快捷操作选项：

[🏋️ 练什么] [📝 记录训练] [📊 查看报告]
[😫 状态记录] [⚖️ 体重记录] [📋 训练计划]

命令一览（供 agent 内部调用脚本）

脚本命令	功能
`workout.py start-session`	开始训练计时（记录开始时间到 .session.json）
`workout.py log "<date>" '<json>'`	记录/更新一条训练（实时逐组更新）
`workout.py finish-workout`	结束训练（从 session 自动算时长并更新记录）
`workout.py status-log "<date>" <status> <detail>`	记录一条状态
`workout.py plan version <reason>`	记录方案版本变更
`workout.py plan view`	查看当前计划（自动标注今天）
`workout.py report today`	日报
`workout.py report week [date]`	周报（默认本周）
`workout.py report month [date]`	月报（默认本月）
`workout.py report summary`	阶段总结
`workout.py body update key=value...`	更新身体数据
`workout.py body log key=value...`	记录当天体重体脂
`workout.py body view`	查看身体数据
`workout.py body history [days]`	体重体脂历史
`workout.py history [days]`	训练历史（仅训练记录）
`workout.py reset-today`	重置今日
`workout.py reset-date <date>`	重置指定日

Telegram 低摩擦输入设计原则

不需要确认轮次：记录完成后直接显示"✅ 已记录：..."
模糊重量可接受：若用户说"练了腿"无细节，仍可记录为 {summary:"练腿"}
同一条消息可混合记录：如"今天跑了30分钟，状态很累" → 一次性写入训练+状态
查询即时响应：不要求二次确认，直接查直接回
周报/月报一次性输出：不分段确认

报告模板

日报

📅 2026-04-20 日报
━━━━━━━━━━━━━━━
🏋️ 训练：坐姿划船 25kg×3组 / 高位下拉 25kg×3组
⏱️ 约 35 分钟
😫 状态：累（昨晚没睡好）
📝 备注：—
━━━━━━━━━━━━━━━

周报

📅 周报（4/14 - 4/20）
━━━━━━━━━━━━━━━
🏋️ 训练次数：4次
😫 状态：累×2 / 正常×3 / 出差×1
📉 执行率：4/5 计划日（80%）
⚠️ 问题：周二因出差未训练
📋 方案变更：v2（出差降频）
━━━━━━━━━━━━━━━

月报

📅 月报（4月）
━━━━━━━━━━━━━━━
🏋️ 训练次数：18次
⏱️ 总时长：约 9 小时
😫 状态趋势：上半月累×6 / 下半月正常×8
📉 执行率：18/22（82%）
💪 进步：卧推+5kg，深蹲+10kg
📋 方案变更：3次
━━━━━━━━━━━━━━━

现有数据兼容说明

plan.json 格式完全不变，继续使用
history.json 追加兼容：原有训练记录结构在 records[].workout 中，原有格式可直接读取
body_status.json 继续使用，不变
scripts/workout.py 扩展新命令，不删除原有功能

MVP 第一版实际能力

✅ 以下是本 skill 第一版实际交付的能力集：

输入处理：

自然语言训练记录解析
状态记录（7种类型）
混合输入（一次消息含训练+状态）

数据层：

history.json 升级格式（含 type=workout/status/snapshot）
plan.json 继续使用
body_status.json 继续使用
训练方案版本记录

报告输出：

日报
周报
月报
阶段总结

训练建议：

基于状态触发动态调整
方案版本记录

Quick Actions：

6个快捷操作选项

⚠️ 技术注意事项

日期必须从 HERMES_SESSION_START 环境变量读取

workout.py 脚本中的日期/时间计算禁止使用 Python 内置的 date.today() 或 datetime.now()，因为系统时钟可能与实际用户时区不一致。

正确做法： 脚本从 HERMES_SESSION_START 环境变量解析 session 开始的 UTC 时间戳，再转换为 UTC+8（用户所在时区）。

from datetime import datetime, timezone, timedelta

def _get_session_dt():
    raw = os.environ.get("HERMES_SESSION_START", "")
    if raw:
        try:
            return datetime.fromisoformat(raw.replace("Z", "+00:00"))
        except Exception:
            pass
    return datetime.now(timezone.utc)  # fallback

def _get_session_dt_local():
    dt = _get_session_dt()
    utc8 = timezone(timedelta(hours=8))
    return dt.astimezone(utc8)

def _get_session_date():
    return _get_session_dt_local().date()

然后将所有 date.today() 替换为 _get_session_date()，所有 datetime.now() 替换为 _get_session_dt_local()。

.gitignore 清单

__pycache__/
*.py[cod]
backend/.pybase/
backend/.vendor/
backend/.venv/
.pytest_cache/
.env
.data/
*.log
*.lock
dist/

❌ 以下为第一版不做项（留待后续迭代）：

饮食记录
热量计算
网页端/复杂 UI
自动化训练计划生成