我的健身数据终于会"说话"了

先说问题

健身 App 记录数据是一把好手，但讲起故事来就差远了。

我的 Strava 知道我上个月跑了 42 公里。但它不知道我其实在为人生第一个半马做准备，更不知道那些训练是严格按照教练在白板上写的周期计划在执行。

数据和数据背后的故事，完全是两个世界。

这个问题，成了我做一个小项目的起因。也让我彻底想明白了：AI 编程助手为什么会在个人自动化工作流里变得不可或缺。

数字很好看，但数字不说实话

我用 Samsung Fit 3 记录健身房训练，Strava 记录跑步。两边自动同步，该有的数据都有——时长、距离、爬升、心率区间、时间戳，齐全。

但 Strava 永远回答不了这个问题：那次"力量训练"，到底是练大肌群的复合动作日，还是以恢复为主的灵活度训练？它只知道我折腾了 45 分钟。至于我是不是在练 24 公斤的酒杯深蹲，教练在白板上写的计划是什么——它一无所知。

真正有信息量的内容，全在我随手拍的那些照片里。健身房的白色写字板上，记录着当天的动作编排、组数次数、训练重点，以及今天到底是高强度还是恢复日。

Strava 记录了数量。照片才记录了质量。

我的解决方案：搭一套数据管道

没有哪个单独的工具能搞定这件事。但把几个系统串起来，让它们各干各的擅长的事，就能work了。

我的架构是这样的：

获取 → 处理 → 提取 → 可视化

第一步：把数据拉下来

用 Python 写了个脚本，把 Strava 的活动记录连同照片一起抓下来。本地建了缓存，同一批照片不会重复下载，中断了也能从断点继续。

第二步：用 AI 看图说话

这是最有趣的部分。

我用的是 Claude Code——一个能看图的编程助手。给每张白板照片，它能生成结构化的 JSON 描述：

{
  "type": "workout",
  "exercises": [
    {
      "name": "罗马尼亚硬拉",
      "sets": 4,
      "reps": "8-10",
      "weight": "60kg",
      "muscle_groups": ["后链", "臀部"]
    }
  ],
  "focus": "strength",
  "notes": "状态不错，比上周加了重量"
}

人机配合的方式很直接：生成出来的 JSON 不满意？删掉重新跑。已经处理过的图片？脚本自动跳过。整个流程可以暂停、可以修正、可以反复迭代。

第三步：拼成一张图

有了结构化的训练数据，再结合 Strava 的数字指标，最后渲染成一张可分享的图片，就很简单了。拿 HTML 模板把内容组装起来，导出成 PNG 大功告成。

分类这事没我想的那么复杂

说实话，我给 Strava 打的标签挺乱的。力量训练有时候标"weight training"，有时候就写个"workout"。灵活度训练有时直接标个模糊的活动名称。三年多随便打的标签，根本没有统一标准。

本来想搞个复杂的分类模型，后来发现完全没必要。直接组合三个东西就够了：Strava 的活动类型、活动标题里的关键词、照片提取出来的训练内容。

逻辑大概是这个样子：

• 标题里有"深蹲""硬拉""卧推"，加上力量型照片 → 力量训练
• 标题里有"灵活度""拉伸""恢复"，加上柔韧性照片 → 灵活度训练
• 只有距离和时长，没有健身房照片 → 跑步（Strava 的元数据这块很靠谱）

这种混合分类方式，对个人总结来说完全够用。最终那张图之所以看着准确，是因为它把每个数据源最可靠的部分都用上了。

关于 MCP 服务器的一点尝试

我还试了一下 Strava 的 MCP（Model Context Protocol）服务器。

它拉活动元数据确实方便。但如果你的需求涉及到照片——不好意思，MCP 做不到。

对于只需要数字的项目，MCP 能省不少开发时间。但我这个场景必须有照片，所以还是老老实实用脚本更合适。

这个项目让我重新认识了 AI 编程助手

回过头看，这个项目最有价值的根本不是那张图。

而是它验证了一件事：AI 编程助手可以成为灵活的中介层，把各种数据源串联成你想要的样子。

传统自动化工具的逻辑很死板：如果是 A，那就做 B。编程助手不一样——它能跨模态思考。看一张图，能理解上下文，能生成结构化数据。遇到边界情况，它能灵活应对。最重要的是，它能帮你搭自动化本身，而不是只能在已有的自动化框架里执行。

对于有技术背景的人来说，这是一个根本性的转变。以前的问题是"这东西能不能自动化"，现在的问题是"我能多快把原型做出来迭代"。以前需要一个完整周末的项目，现在下午就能跑通。助手帮你处理重复代码，帮你想边界情况，你自己专注在真正需要判断的地方。

最后的想法

最后做出来的是一张训练总结图，能发朋友圈那种。它真正讲出了我这段健身旅程的故事。

但整个过程指向了一个更大的趋势：个人数据赋权时代正在到来。

你的健身数据、你的代码记录、你的业务指标——大多数散落在互相不打交道的系统里。AI 编程助手正在成为那个"连接组织"，让你不用企业级资源，也能搭建出属于自己的数据视图。

下一次，我打算试试本地模型，把整个流程跑在本地设备上，隐私方面更踏实。

如果你也在折腾类似的个人自动化项目，或者有什么健身 + AI 的 workflow 点子，欢迎来聊。

有时候最让人有成就感的项目，不在于能规模化——而在于终于让自己的数据，讲出了自己的故事。