AI 健身产品研究

01核心结论

值得从零设计的，是一款帮助规律训练者少做决策、顺利完成训练、持续看见进步的个人训练系统。健身房和居家共享同一份训练历史与目标；饮食、动作教学和 AI 围绕每一次真实训练提供帮助。

记录训练是力量训练产品的核心基础。饮食记录与饮食计划对体重管理、增肌和专项表现人群价值很高，但精确计算每一餐，不是所有规律训练者的共同刚需。完整动作库值得建设，首页却应优先显示“我今天需要的动作、器材怎么调、做不了换什么”。

市场已越过“加一个 AI 聊天框”的阶段。Keep 已强调训练、饮食、睡眠的 AI 服务；Fitbod 提供自适应训练；MacroFactor 已有营养和训练两条产品线；Trainerize 已将训练、营养和习惯管理放在同一体系中。新产品的机会在于把这些能力做得更容易执行、更透明、更适合中国用户的生活。[1][8][20][25]

最值得押注的五件事

1. 极低负担的训练记录：带出上次重量次数，单次点击确认，随时修改；离线、锁屏和中断恢复可靠。
2. 保持连续性的计划调整：今天只有 20 分钟、器械被占、回家训练、漏练一周，都能继续原有目标，并看见调整原因。
3. 有依据的进步建议：知道下次是加次数、加重量、换更难变式，还是维持；不能把一张漂亮图表当作指导。
4. 符合现实的饮食辅助：支持外卖、食堂、合餐、重复早餐及不称重模式；提供下一餐可以执行的选择。
5. 可纠正的 AI：识别结果先确认，建议能解释、能拒绝、能撤销，数据不足时明确暂不判断。

竞争目标：先在“记录效率＋跨场景连续训练＋中文饮食可执行性”上赢过用户目前使用的工具组合。不能在没有实测的情况下承诺“超越所有竞品”；应将这句话转化为可比较的任务完成率、长期留存与进步结果。

证据与结论怎样阅读

本文覆盖 19 个产品或产品系列、36 项来源，依据截至 2026-09-12 可获取的官网、帮助文档、商店介绍、原始研究和公开用户讨论。官方页面证明“产品声称提供什么”，不证明真实效果；公开评论用于形成访谈线索，不用于计算痛点发生率。

标注“已核实”的内容有直接资料支持；“分析判断”表示基于证据的推断；“设计建议”和“验证目标”是拟议方案。本文没有逐款付费实测、开展用户访谈或获得留存数据。平台、地区、套餐及灰度更新可能导致差异，未确认的能力不会写成“没有”。

02第一性原理：用户买的是什么

最终结果、行为和功能必须分开

用户想要的是身体能力、体型、健康感受或生活质量的改善。为了获得结果，需要适合目标的刺激、足够的恢复和长期参与。应用能直接改善的是安排、执行、学习、记录和调整；它不能代替用户训练，也不能仅凭一张照片准确获知身体的内部状态。

这是产品设计模型，不是可计算的生理公式。任何一环长期断裂，增加更多内容都难以弥补：计划再专业，用户没时间完成就失效；记录再齐全，没有下一步建议就只是一份档案；AI 再会解释，基础数据错误也会误导调整。

ACSM 2026 年健康成人阻力训练指南强调持续参与、个体目标和可坚持的安排，也认可弹力带、自重及居家训练的价值。这支持将“长期完成合适的训练”置于复杂编排之前；不能把面向普通健康成人的结论直接扩展为竞技运动员的最佳方案。[28]

规律训练也不等于只练力量

WHO 的成人活动建议同时包含有氧活动与肌力训练。因此，统一的训练档案应能容纳跑步、骑行、课程和恢复活动，而不能把所有运动换算成一个“总吨位”。不同活动需要不同的进步指标。[29]

功能取舍原则：每个功能都要回答“它减少哪一步麻烦，改变哪一个行动，如何证实有用”。如果只增加一个分数、一篇日报或一段泛泛鼓励，就很可能不值得成为主功能。

03用户分层：同一系统，不同深度

以“有持续训练意愿，正在建立或保持规律训练”的人为总体对象。居家和健身房都是主要场景；训练经验、目标、记录意愿和自主程度，往往比场地更能决定功能需求。以下分层是产品假设，需要访谈检验。

两个维度决定产品呈现

指导深度：自主记录、辅助建议、完整带练。饮食深度：不记录、习惯与份量、精确营养。两者独立选择，不用一个“新手／高手”开关包办所有偏好。同一个人可以训练很专业，却不愿意精确记饮食。

高龄、残障、孕产及存在疾病或伤病的规律训练者也有真实需求。产品架构应允许适配，但首版自动计划的适用范围必须清楚；这类专门路径需要对应专业人员和独立验证，不能只在通用问卷上增加一个标签。

首版怎样兼顾广度

建议首版同时支持健身房力量、居家器械、自重训练，以及简化的有氧／跟练记录。共用目标、日历、历史和反馈系统。先把这些执行链路做好，再逐步扩展跑步专项编排、瑜伽技术教学等独立训练体系。场地覆盖可以完整，专项算法仍需按能力逐步开放。

04痛点：从生活中断处找机会

现有证据能说明什么

关于数字生活方式干预的定性研究出现过记录负担、数据不准确、定制不足和工具之间缺少整合等障碍。这说明“多记录”并不自动等于“更有帮助”，但研究对象不能直接代表中国规律训练人群。[30]

公开讨论也存在相反偏好：有 Strong 用户重视简单、希望远离社交干扰；有 AI 饮食记录用户认为照片大幅省事，也有人抱怨份量和油脂估计需要修正。机会不是把所有人拉到最复杂模式，而是使记录精度与付出相匹配。[34][35]

表中“更深层需求”属于分析判断。还需要问清：过去一个月发生几次、现在怎样解决、付出了多少时间、是否真的愿意换工具。不要把“我觉得有用”的问卷回答当成付费需求。

另有 Boostcamp 用户在公开规划讨论中提出穿戴设备衔接诉求。这提示硬件兼容可能影响少数用户迁移，仍需核实目标用户实际使用哪些设备，不能据此把所有手表适配列为首版刚需。[36]

05哪些是刚需，哪些不应强制

这里的“刚需”指在某类人的高频任务中，缺少它会明显损害执行或判断。它不等于人人愿意付费，也不等于必须用 AI 实现。P0 表示首版必需，P1 表示完成核心体验后优先增加，P2 表示验证后再投入。

对三个初始想法的直接判断

记录健身：是核心，但要记录得快，并在下一次训练真正用上。记录饮食：对一部分目标是核心，不能强制所有人使用精确模式。计划饮食：有价值，但“给出一周标准食谱”只是其中一种形态；更普遍的任务可能是“我今天还能怎样吃、这份饭怎么调整”。

此外最容易被低估的刚需：上次数据自动带出、计时、被打断后继续、器材不匹配时替换、训练结束后知道下次怎么办，以及多年记录可迁移。这些看起来不新颖，却决定用户是否每天愿意打开。

06竞品全景：19 个产品与系列

选择这些产品，是因为它们分别解决训练记录、自动编排、居家跟练、营养、视觉反馈或真人指导中的关键任务。下表按产品实际主张分类，不按下载量排名；不提供没有可比数据支持的综合分数。

“不足”中，官方明确限制属于事实；“可能”“需实测”属于分析问题。商店评分、官方用户量及厂商互相比较的宣传，没有用作客观优劣排名。上述 19 项是有目的的样本，不是市场全部产品。

07最接近的竞品与真实差距

Keep：不能再把它当成内容平台

它的官方介绍已经覆盖本方案相当多的关键词。真正应当比较的是：完成一组记录需要几步、AI 是否记住器械限制、计划调整是否有连续性、饮食数据解读是否能落到可执行行动。“Keep 没有 AI”或“没有健身房记录”都不是可用的市场判断。[1][2]

拟议切入：把今天开练、训练中的记录和下周调整做得更直接；用明确的对照任务证明优势。若 Keep 在这些任务上已经同样高效，则“更聚焦”还不足以构成切换理由。

MacroFactor：最需要认真对标的产品组合

训练产品已在 2026 年推出。Workouts 官方页面描述多健身房档案、规则进阶和与 Nutrition 的数据互通；其 FAQ 同时说明上市时没有联合教练调整，也不支持导入其他应用的历史训练。这里存在具体可验证的切入点：可靠迁移既有数据，以及谨慎的训练营养联合复盘。这些说明带有“上市时”的范围，必须在正式竞测中复核是否已更新。[20][21]

联合复盘的难度不在把两张图放在一起，而在避免错误归因。饮食漏记、睡眠变差、动作更换和生活压力都可能影响解释。新产品应先帮助用户排查，再提出最小调整，而不是自动把训练下降归咎于热量不足。

Fitbod、Freeletics：动态适配已经存在

Fitbod 的帮助页解释了计划刷新触发条件，Freeletics 已有多种临时情境适配。新产品可以改进的体验是明确区分今天的临时变化与长期计划变更，保留已确认训练，并说明对本周目标有什么影响。不能把“按器材生成计划”包装为独创能力。[8][10]

Strong、Hevy、训记：简洁是竞争力

对于已有计划的人，可靠工具可能比“全能教练”更有价值。新产品应允许只用记录，AI 不抢占训练界面；熟练用户无需反复确认基础知识。导入历史与保留自己的动作命名，有可能比一套新算法更能促进迁移。[3][6][7][34]

三条真正值得验证的产品假设

这三条可能组合成优势，但没有证据证明它们已经构成市场空白。成熟产品持续更新，差异化必须靠真实使用表现维持。

08产品形态：以今天为中心

建议定位：“无论在家还是健身房，都知道今天怎么练、怎样继续进步。”产品可暂称“训练日”。它有一个长期档案、一份连续计划和一个随情境变化的“今天”，并提供按需启用的饮食与指导。

底部四个入口

设置、设备、导入导出和隐私放在个人入口。AI 不必占据独立主导航：在“换动作”“这组太难”“今晚吃什么”“这周如何调整”处出现，能够直接操作当前对象；保留一个全局提问入口供需要时使用。

首页只回答三个问题

今天做什么？显示下一节训练及可调整的时间地点。需要注意什么？只显示会改变行动的提醒，例如“这次使用家里的固定哑铃”。可以开始了吗？一个明确的开始按钮，休息日则呈现恢复或自由活动。

可交互的情境示例

下方展示同一个“全身力量训练”任务怎样因场景改变。内容是预设的产品示意，不是个体训练处方，也不调用 AI。

同一数据，三种执行模式

自主模式主要是日志；辅助模式在日志上给出可接受的建议；带练模式显示清楚的动作顺序、计时和短提示。用户随时切换，不丢数据，不必更换应用。力量训练按组推进，跟练按时间推进，有氧按时长和强度记录，不能强行统一为同一种表格。

09训练系统：记录、进阶与重排

1. 首次使用：先拿到可训练的信息

先问目标、经验、每周可训练时间、主要场地和可用器材；允许导入已有计划。只问影响当次安全和安排的问题，身体指标按用途逐步补充。不能根据身高体重直接猜出深蹲工作重量，也不要求新用户先做最大重量测试。

首次训练作为校准：用保守的起始建议，让用户调整到可完成的难度并确认感受。规律训练者可以直接录入熟悉的工作组。所有建议明确单位、单双侧和重量口径，例如“每只哑铃 10 kg”，避免“20 kg”到底指总重还是单只的歧义。

2. 训练中：把输入变成确认

• 自动带出同动作、同器材下的最近记录与计划目标，实际完成值单独保存。
• 点击完成即保存并开始休息；次数或重量不同就原地修改。误触可撤销，不能把计时结束自动当成完成。
• 支持热身组、工作组、递减组、超级组、单侧记录；高级类型按需展开。
• 语音是可选捷径，例如“这组 12 次”，在噪声环境保留触控。重量单位不明时先确认。
• 离线先保存，联网后同步；应用关闭后恢复未完成训练；导入的设备活动先去重。

3. 进阶：规则先于长篇解释

对适用的力量训练计划，可使用双进阶等明确规则：先在设定次数范围内提高表现，满足完成度和难度条件，再考虑增加实际可用的最小重量。规则还要识别技术变化、休息差异和异常记录，不能只看“总重量变大”。这里是设计示意，具体阈值由训练专家按人群制定。

居家重量到顶时，允许通过合适的变式、动作幅度、次数或其他计划变量推进，并记录新版本。更慢的节奏或更难的变式，不应伪造成与原动作直接可比的力量纪录。无法满足目标时，诚实提示器材限制和备选路径，而不是无限增加重复次数。

4. 跨场地：匹配训练意图，保留差异

5. 周计划：按实际完成推进

日历记录“计划、实际、跳过和改期”，训练顺序与自然周可以解耦。错过一天后，展示顺延、缩短或跳过的选择及影响；不要自动把遗漏训练堆到第二天。出差和中断后重新校准，而不是机械复用离开前的高负荷。

固定计划中的主要动作应保持足够连续性。调整分为单次替换、当周重排、长期修改三类，各自有作用范围和撤销入口。用户今天临时没有哑铃，不应导致系统永远认为家里没有哑铃。

6. 进步页：每张图都要支持决策

力量看同条件下的负重／次数趋势；自重看变式、幅度和完成质量；有氧看在可比条件下的配速、时长和主观强度；维持健康看规律参与。体型目标可以选体重趋势、围度和自愿照片。估算 1RM、肌群工作量和恢复状态都要标明估计属性，不制造虚假的精确性。

术语：RPE 是主观用力程度；RIR 是预计还能完成的重复次数；1RM 是一次最大重复重量，应用中通常为估计值；PR 指个人最佳记录。这些高级信息都应按需显示。

10饮食系统：从记录到下一餐

让用户选择愿意付出的精度

三种模式随时转换。减少记录负担不应靠隐藏误差，而应靠重复餐复用、个人食物库、快捷份量与少量关键问题。用户也可以完全不使用饮食功能。

拍照记录的正确流程

照片／描述 → 食物候选 → 个人食用份量 → 营养数据匹配 → 用户确认。模型主要帮助识别和结构化，数量计算交给数据与确定性程序。复杂菜肴只追问会明显影响结果的信息，例如“这是一人份还是合餐”“米饭吃了多少”“油汁是否基本吃完”。

CVPR 2025 Workshops 的相关研究采用先分析食物组成、份量与烹调因素，再估算营养的分步方式。这可以启发工程流程，但不能证明任意商业模型在中国家庭菜上的准确率。[31]

Cal AI 已提供照片、条码、文字入口，说明多模态记录并非新颖壁垒。其公开准确率没有足够统一的测量定义；我们应报告每餐热量误差、蛋白质误差、修正次数和耗时，不能用“识别出鸡肉”来证明“热量算得准”。[23]

中国饮食场景应怎样设计

• 外卖：支持用户主动提供订单截图和商品信息，识别规格、加料、饮品糖度；包装或商家营养资料可追溯时优先使用，其他情况标明估算。
• 食堂：建立常用档口、个人碗盘和重复菜组合；支持“今天米饭比上次少一半”。
• 家庭合餐：区分整盘和个人摄入，允许按吃了几勺／几块估计；不能把桌上所有菜都算给一个人。
• 自炊：食谱按生重／熟重明确记录，成品总量和个人分餐比例可调整；批量做饭只录一次。
• 火锅／烧烤：承认食材、蘸料和剩余量的不确定性，给出粗估与下一餐结构提示，避免装作精确。
• 重复饮食：“和昨天一样，牛奶换成无糖豆浆”应能快速生成待确认记录；饮食习惯变化可覆盖旧模板。

个人确认后的常用餐比每次重新识别更稳定。系统应保存“我常吃的份量”，而不是未经同意把用户纠正自动变成全体用户的营养真值。

饮食计划的三种真正形态

下一餐助手：给两个到三个符合预算、口味、可购买条件和饮食限制的选项，并说明依据。备餐助手：将几顿饭合并为食材清单、可复用配菜和分装步骤。外食选择助手：对用户提供的菜单做可行搭配，支持替换与份量调整，而不是要求换一家并不存在的餐厅。

避免默认“每天鸡胸肉西兰花”。目标应转化成能吃下去、买得到、做得出来的安排；先检查过敏和不吃的食材，再优化营养。菜单价格和库存只有在可靠接入时才显示为实时事实。

训练与饮食联合复盘：先排查，再调整

当训练表现变差、体重趋势改变或饥饿明显增加时，先检查记录完整度、动作是否相同、近期生病或中断、睡眠和用户感受，再判断是否需要调整。没有足够证据时，应保持当前建议并请求补充关键数据。

MacroFactor 明确说明营养更新依赖持续的摄入和体重数据，记录不足时会暂停消耗估计的更新。这是“数据不足就少做推断”的良好范例；其中的具体记录频率是该产品的规则，不能不经验证照搬成我们产品的科学门槛。[19]

避免双重计算：如果一个目标已经基于包含日常活动的个人能量估计，不应再机械地把手表运动消耗全部加到可吃额度里。联合系统应明确每个数字的来源和计算口径。轻量模式下也不能给出假装精确的“还可以吃 317 kcal”。

11动作与器材库：完整，但按需出现

“展示所有动作”值得做，排序应从今天出发

全面动作库是底层资产和检索入口。用户真正需要的通常是：这个动作怎么设置、什么感觉、常见错误、做不了怎么办。默认先显示当前计划、最近使用和当前场地能做的动作；完整目录可以按动作模式、肌群、器材、经验与限制检索。

MuscleWiki 已有结构化动作数据与视频 API，说明从零录制全部动作并非唯一选择。采用第三方素材时，应核对商业展示、缓存、分发、多语言与衍生标注的授权；不要把公开可观看误认为可复制进自己的产品。[15][16]

每个动作应有一份可执行说明

器材识别真正有用的终点是“能使用”

用户拍照后，先给两三个器材候选和置信提示，由用户确认。随后展示该类设备的用途、设置步骤和当前计划中的可用动作。没有读到型号时，不给出该型号特定的座椅档位；照片中的配重数字也不能直接被当作真实外部阻力。

器材档案不仅是“有哑铃”，还要有实际重量范围、最小增量、可调节方式，以及空间、固定点、噪声等限制。同一家健身房中的两台不同器械可分别记名，避免把配重片标示相同误认为机械负荷完全相同。

内容建设顺序

先建设覆盖首版计划的常用动作及其替换路径，建议从约 80–120 个经过审核的动作／变式起步；这个数量是生产规划，不是科学门槛。优先覆盖蹲、髋铰链、推、拉、单腿、核心及基本有氧。每增加一个动作，就同时补充别名、器材约束、记录字段、教学与审核记录。

AI 可以生成字幕草稿、翻译和问答检索。关键动作示范和解剖信息应由专业人员审核，不能用未经审核的生成视频充当标准示范。“动作更多”只有在搜索、教学和计划都能用上时才有意义。

12AI 能力：价值、成熟度与边界

选择技术应从任务出发。很多高价值体验由缓存、规则、同步和界面完成；大语言模型擅长理解模糊输入、整理信息与解释，视觉模型帮助提取候选，数值运算与约束检查由确定性系统承担。

动作识别不等于判断训练安全

MediaPipe 提供姿态关键点、可设置的置信阈值和面向端侧实时应用的能力。这是测量输入的一部分，不是完整的动作质量判断。单摄像头看不到的角度、被遮挡的关节、真实负荷和疼痛，不能由流畅的语言补出来。[32]

相关动作识别研究也明确讨论了非正面视角、样本量以及扩展到更多动作的限制。Tonal 的反馈则与硬件、传感和拍摄布置相关。因此，纯手机产品适合从少量动作、明确机位、组后回放开始，不宜先承诺健身房全动作实时“纠错”。[24][33]

一个可交付的视频点评

用户主动选择动作并录制一组 → 系统检查机位和可见性 → 只输出一到两个可观察提示 → 回放对应时间点 → 允许用户标记“看错了”。例如“后几次动作幅度相较前几次缩短”比“你的关节有问题”更符合可观察证据。

不提供“动作 96 分所以可以加重”这样的推导。反馈不应在负重过程中制造密集提示，视频也不能充当线下保护者。对反复疼痛或明显异常情况，进入人工专业评估路径。

值得长期研究，但首版不应押注

基于多次训练的视频趋势、个体动作学习、穿戴传感融合，以及模型对自身体型和器械差异的适配，都可能提升价值。它们需要带真值的数据集、分人群验证和持续维护，不能仅靠调用通用大模型上线。

13技术与数据：让建议能够追溯

建议采用的分工

LLM 接收必要的、经过筛选的上下文，返回结构化草稿。规则引擎检查器材、时间、重复、单位、过敏与适用范围；验证通过后才向用户展示可执行建议。模型不能直接覆写训练历史或悄悄改变一个长期目标。

关键数据对象

长期记忆要能编辑

把事实、偏好、临时情况分开。“我不吃牛肉”是可编辑偏好，“今天没睡好”有时效，“深蹲上次完成多少”来自结构化记录。AI 的猜测必须标为待确认，不能永久固化。用户能查看、修改和删除这些记忆。

上线前必须测的是任务，不是模型对话流畅度

• 计划约束：没有的器材是否被排除、时长是否含休息与切换、临时限制是否误写成长久偏好。
• 数据计算：kg/lb、单只／总重、生重／熟重、重复设备记录是否正确处理。
• 解释忠实度：“最近三次表现下降”必须由可复算的三次数据支持；没有数据不能生成原因。
• 视觉饮食：按菜系、份量、手机、光照分层测误差，报告失败与拒识比例。
• 动作反馈：按动作和机位分别评估误报、漏报；由多位专业人员标注并处理分歧。
• 基础可靠性：弱网、应用中断、重试、重复导入、账户迁移和删除必须可验证。

架构可以保持简单：移动端本地数据库、同步服务、动作与食物数据、规则计算、模型调用和评估日志。首版不需要为了宣传构建复杂的“多智能体教练团”；先证明一条从记录到建议的链路能可靠运行。

14四条完整使用流程

以下为拟议体验，用于让产品设计可以评审。人物和数据均为虚构示例，不是用户访谈或效果案例。

流程 A：下班后训练，卧推凳被占

1. 打开“今天”，确认健身房与可用时间，进入原定上肢训练。
2. 在卧推动作上选择“器械被占”。系统保留整节计划，仅给合适的替代候选，并说明差异。
3. 选择哑铃推后，显示该动作自己的历史记录；没有历史则进入校准，不套用杠铃重量。
4. 每组一键确认，自动休息计时，最后一组直接修改实际次数。
5. 结束页显示今天完成什么、下一次建议是什么；本次替换不自动改掉下周的卧推。

成功标准：用户不用退出训练、重新建计划或查多个页面，就能继续，并清楚这是一次临时变化。

流程 B：居家 20 分钟，孩子已经睡着

1. 选“家”、20 分钟和安静要求。家中器材从既有档案读取。
2. 系统缩减当次训练，显示保留了什么、减少了什么，并把休息时间纳入预算。
3. 带练模式提供字幕和轻震动，支持随时暂停；不强制开摄像头，也不推荐需要跳跃的替代。
4. 固定哑铃太轻时，记录实际感受，再提供经过规则筛选的进阶选项。
5. 本周复盘记为一次完成的适配训练，同时说明哪些训练刺激需要在后续补足。

成功标准：计划能在家中实际完成，用户没有为了满足应用的打卡定义做不适合的动作。

流程 C：减脂期，中午吃了公司食堂

1. 拍个人餐盘。系统列出菜品候选和已知／未知项。
2. 确认米饭吃了半碗、某道菜只吃了一部分；油量不明时保留估计标记。
3. 用户可以只保存照片和份量，不必被迫补齐每一种调味料。
4. 晚餐助手根据用户启用的模式给出两种现实选择，例如“沿用常吃的组合，增加一份合适蛋白质食物”。
5. 周复盘检查整体数据是否足够；不因一顿估算偏高就要求额外运动补偿。

成功标准：记录帮助下一次选择，精度与投入相称，没有把误差转化成虚假的热量控制。

流程 D：规律训练者停了两周后回来

1. 系统保留历史并询问中断原因和当前情况，用户可以简单回答。
2. 原计划仍可查看；回归训练采用校准或调整建议，不自动强推此前的峰值表现。
3. 只在会影响安排时询问更多问题，用户可关闭提醒。
4. 第一节结束后依据实际完成更新下一次，而不是立即宣布“恢复 100%”。
5. 一周后检查回归是否顺利，持续不适时提示专业评估。

成功标准：回归比重新开始更容易，同时保留用户控制权。

错误状态也是产品流程

识别失败能手动录入；网络不可用能继续训练；计划没有可行替代就解释缺什么；导入动作匹配不上就暂存；用户拒绝建议仍能继续使用。只有正常状态漂亮，而失败状态让用户无路可走，无法成为日常工具。

15从零落地：首版范围与路线

优先级依据用户价值、频率假设、证据、实现成本和错误后果综合判断，不伪装成精确的商业评分。以下按小型专职团队估算阶段，属于排期假设；没有团队配置、现有代码质量和内容授权信息，不能承诺交付时间。

首版具体做到什么程度

• 训练：自建／模板计划，带出历史，单击完成，手动调整，计时，中断恢复，基础进阶。
• 场景：至少支持一个健身房档案和一个居家档案；每个都记录真实器材与可用负重。
• 饮食：支持常用餐、照片备忘、手动份量和简单目标；不必等待全自动识别才上线。
• 知识：首版计划涉及的所有动作都有审核过的示范与文字；不能出现计划给了动作却无说明。
• 信任：基础导入／导出、撤销、来源和单位清晰；核心记录不依赖模型在线。

先不做什么，为什么

全网社区和视频信息流难以证明改善核心训练；大而全食谱库容易产生维护负担；全动作实时视觉反馈需要高昂验证；商城会分散产品判断；复杂健康总分容易制造虚假确定性。暂缓这些能力，是为了确保首版能真正被长期使用。

团队与成本结构

合理的起步配置可以包括产品／设计负责人、移动端工程师、后端与数据工程师，以及兼职训练和营养专家。端侧视觉属于额外专项。主要成本不只是模型调用，还有动作内容制作与授权、中文食物数据维护、测试设备、隐私基础设施和用户支持。

资源更小时，可先做训练日志、场景替换和轻饮食的闭环；用户范围仍包含健身房和居家，自动化深度逐步增加。不能靠缺少基础可靠性的“AI 大而全”版本弥补团队规模。

16怎样证明更好：研究与验收

第一轮用户研究

建议招募约 24 名规律训练者做深访和任务观察：以健身房为主、居家器械、自重／跟练、混合场地各约 6 人，并交叉覆盖经验、性别、目标与饮食记录意愿。这是探索性样本，不用于推算市场比例；不以“有兴趣用 AI”为入选条件，以免筛掉真实用户。

让参与者展示最近两周的实际计划、记录或当前做法，而不只谈理想需求。重点追问：最近一次计划被打乱发生了什么；哪次记录最麻烦；曾为哪个功能付费；为什么放弃过某个应用；怎样判断自己有进步。记录现有替代方案，包括笔记本、表格、私教和完全不记录。

竞品应按同一任务测试

记录地区、平台、应用版本、订阅档位和测试日期；使用相同任务材料。交叉测试时随机顺序，减少新鲜感和学习效应。付费限制可以作为结果，但不能用免费版本的缺失贬低竞品的付费能力。

建议的指标体系

可用的首轮验收目标

以下数字是拟定工程／产品目标，不是行业平均或已经取得的效果：常规一组无需修改时单击完成；熟练用户每组记录操作中位数争取不超过 3 秒；照片饮食包含修正的中位耗时争取不超过 30 秒；情境变化到可开练方案争取不超过 30 秒。若达不到，优先减少流程而非让用户读更多解释。

对约 40–60 名用户开展 4–6 周试用，可以发现明显的体验与可靠性问题，但不足以证明长期健身效果优越。要声称提高长期留存或训练效果，需要按预期效应进行样本量设计、更长观察，以及适当对照；不能只展示坚持下来的成功者。

停止或改变方向的条件

如果居家用户仍依赖其他视频才能完成；力量用户仍回到旧日志；饮食用户一周后不愿修正照片；或所有价值只能靠人工每日救场，那么当前方案尚未成立。若用户使用很频繁但没有完成更多合适训练，也不算产品成功。

17商业模式与可持续优势

为持续帮助付费，基础记录建立信任

建议基础记录、历史访问、常用动作、基本计时与数据导出保持可用。付费重点是持续计划调整、更深入的进步分析、饮食规划、便捷导入和有限高级识别。用户停订后仍可访问和导出自己的历史，避免把多年投入变成被动续费理由。

真人教练复核适合作为独立服务。Future 的常规月付价格为 199 美元，体现了人工持续指导与普通工具订阅不同的成本结构；不应把无限真人服务打包进低价 AI 订阅。[27]

定价是实验，不应凭感觉拍板

可以在中国目标用户中测试例如每月 19／29／39 元，或年度 168／228／298 元的价格与权益组合。它们只是候选实验价，不是市场定价结论，也不建议同时推出这么多套餐。先比较真实付费和次月续费，再决定单一清晰的主套餐。

MyFitnessPal 已将日志、快速记录和餐食计划分层收费，可借鉴“按任务价值分层”；但不要增加让用户难以理解的会员叠加。[17]

单位经济应显式计算

单个付费用户的月度贡献约为：实际确认收入 − 渠道与支付成本 − 模型调用 − 存储与同步 − 内容摊销 − 用户支持。还需承担研发、获客和其他固定成本。不能把模型 API 很便宜等同于整个业务高利润。

举一个纯假设：每名用户每月收入 29 元，渠道成本按 15% 假设、模型 4 元、服务基础设施与支持 3 元，则剩余约 17.65 元，尚未扣税、退款、内容、研发和获客。若模型用量升至 10 元且渠道成本按 30% 假设，剩余只约 6.30 元。这里的比例与费用都是敏感性分析输入，不代表任何平台实际条款或供应商报价。

因此，训练记录和计时本地完成，固定知识缓存；照片按需处理，周复盘异步生成；控制不必要的长对话上下文。让更复杂的模型用于确实需要它的任务，实际成本在试用中测量。

可以积累的优势

1. 可信的长期训练档案：同动作、同器材、同口径的高质量数据与可追溯变化。
2. 场景替换规则：哪些替换在真实居家和健身房约束下被采用、完成，并保留训练目的。
3. 用户自己的常用餐与器材记忆：经过确认、可编辑、可导出，逐次减少输入。
4. 专业审核和评估体系：知道系统哪里有效、哪里拒绝判断，而不只展示演示视频。
5. 低迁移成本与信任：兼容旧数据、尊重已有计划，减少用户换工具的心理负担。

这些优势不自动等于护城河。只有数据质量与使用反馈持续改善产品，而且用户愿意长期保留使用关系时，才会形成难以复制的执行能力。

早期获客应与真实任务一致

可以先用“把旧计划迁移进来”“忙碌一周也能保持训练”“家和健身房共用计划”吸引目标用户，通过教练、小型训练社群和自有内容验证。不要用夸张体型承诺吸引与长期产品不匹配的人，也不要用广告扩大尚未解决的留存问题。

18产品底线与最终建议

几条必须在产品中落实的边界

• 不确定性可见：营养估算、恢复推断、姿态识别与用户实测分开显示；数据少时降低自动化。
• 用户拥有控制权：自动建议不等于自动执行；长期目标和计划变化可查看、确认和撤销。
• 不制造补偿逻辑：不因吃多一餐就惩罚性加练，不用连续打卡逼迫休息日训练。
• 不把推断升级为诊断：疼痛、疾病、伤后恢复和特殊人群需要相应专业路径。
• 图像与健康记录默认私密：摄像头、麦克风、设备接入与分享按功能征得同意；云端上传范围与保留期限清楚可见。
• 内容可追溯：动作视频、食物数据和训练规则记录来源与审核；商业授权另行核对。
• 商业关系清楚：试用、续费、取消和真人服务范围写明，先展示实际可用体验。

这些是产品设计要求，不代替按实际上市地区、数据流和服务性质开展的法律与专业审查。真正需要审查的是具体功能和处理方式，而不是在应用末尾统一放一段免责声明。

从零开始，我会坚持的产品判断

第一，做规律训练者的日常工具。最常用的界面应是“现在这一组”和“接下来怎样继续”，而不是内容广场。居家、健身房和多场地使用都属于主产品。

第二，把训练做成连续过程。长期目标稳定，日常执行灵活，所有调整有范围和理由。减少一次计划被打乱后的放弃，比多生成十套计划更接近真实价值。

第三，让饮食深度自选。记录是为改变行为服务。能用常用餐、份量和搭配解决的问题，就不强迫精确称重；需要高精度的人则有完整路径。

第四，把 AI 放在具体困难处。它帮用户看懂、录入、替换和复盘，背后由可靠数据、明确规则和专业内容支撑。炫技的视觉能力最后做。

第五，用结果而非功能数量证明优势。第一场竞争是“比现有方法更愿意每天用”，下一场才是“用得更久、训练更连贯、目标更容易推进”。一份调研能够提出方向，真正的胜出必须在真实使用中验证。

最清晰的首版承诺可以是：记住你的训练，适应今天的条件，帮你完成下一次进步。

19参考资料与证据说明

资料核对日期为 2026-09-12。产品页面是动态快照；来源未给明确发布日期时，保留查阅日期，不以搜索引擎的抓取时间当作发布日。全文访问受限的研究仅使用已获取的相关片段，并明确用途。

官网与开发者说明用于确认公开功能；研究用于说明机制和技术边界；用户评论仅提供需求线索。本文没有依据评论计算总体比例，没有对不同模型或应用给出未经统一测试的准确率排名。

1. Keep. Keep — AI 运动教练，中国区 App Store 产品说明
   动态页面；查阅 2026-09-12。产品定位、健身记录、AI 日程与吃练睡能力；开发者自述。
2. Keep. 可持续发展：AI 教练与产品架构
   动态页面；涉及 2025 年转型。AI 战略和长期记忆能力；公司自述。
3. 训记. 训记 — 训练计划专家，中国区 App Store
   动态页面；查阅 2026-09-12。中文训练日志定位与用户评论；评论不代表总体。
4. 薄荷健康. 薄荷健康官方网站
   动态页面；查阅 2026-09-12。中国食物数据、AI 相机与健康记录；官方功能声明。
5. 硬汗健身. 硬汗健身，中国区 App Store
   动态页面；查阅 2026-09-12。居家与器械计划；2024-03-19 单条评论作为体验线索。
6. Strong. Strong — Workout Tracker & Gym Log
   动态页面；查阅 2026-09-12。记录、RPE、计时、导出和设备支持。
7. Hevy. Hevy App Feature List
   动态页面；查阅 2026-09-12。训练日志、计划、分析及社交功能。
8. Fitbod. Understanding Fitbod & How It Works
   动态帮助文档；查阅 2026-09-12。推荐输入与计划刷新机制。
9. Fitbod. How Fitbod Generates Your Personalized Workouts
   2026-06-09。训练推荐算法说明；非独立效果验证。
10. Freeletics. Adapt Today
    动态页面；查阅 2026-09-12。临时按时间、空间、器材、噪声等调整课程。
11. Freeletics. Adjust your Bodyweight Journey preferences
    动态帮助文档；查阅 2026-09-12。训练日、器材偏好、安静模式与漏练顺延。
12. Boostcamp. Boostcamp 官方产品页
    动态页面；查阅 2026-09-12。结构化计划、记录与 AI 计划创建；官方明确暂无手表应用。
13. Alpha Progression. The Complete Alpha Progression Guide
    页面检索标注 2026-09；查阅 2026-09-12。重量次数建议、训练周期、减量与可控性。
14. Nike. Nike Training Club，中国以外页面
    动态页面；查阅 2026-09-12。居家与健身房跟练、课程和免费内容；地区差异需复核。
15. MuscleWiki. MuscleWiki Exercise API
    动态页面；查阅 2026-09-12。动作视频和结构化内容能力。
16. MuscleWiki. API FAQ: Plans, Data, Licensing & Limits
    动态页面；查阅 2026-09-12。商业内容接入应核对授权及套餐范围。
17. MyFitnessPal. The difference between Free, Premium, and Premium+
    2026-09-01 更新。拍照、条码、饮食计划、购物清单及付费层级。
18. MacroFactor. MacroFactor Nutrition
    动态页面；查阅 2026-09-12。根据摄入与体重趋势更新营养目标。
19. MacroFactor. How Frequently do I Need to Log my Nutrition…
    动态帮助文档；查阅 2026-09-12。营养更新所需记录频率、缺失数据和暂停机制。
20. MacroFactor. MacroFactor Workouts
    动态页面；包含上市时 FAQ；查阅 2026-09-12。规则进阶、多场地、跨应用同步，以及官网披露的导入和联合调整限制。
21. MacroFactor. MacroFactor Monthly Archives
    2026-01-26 条目。训练应用已经发布，不能再视为纯营养产品。
22. Cronometer. Cronometer 官方产品页
    动态页面；查阅 2026-09-12。食物记录、宏量与微量营养素及设备整合。
23. Cal AI. Cal AI 官方首页及 FAQ
    动态页面；查阅 2026-09-12。照片、条码、文字记录；准确率自述缺少可比较评估口径。
24. Tonal. Tonal Smart View
    动态帮助文档；查阅 2026-09-12。硬件与摄像头反馈、视角及设备版本限制。
25. ABC Trainerize. Features
    动态页面；查阅 2026-09-12。教练端训练、营养、习惯及客户管理一体化。
26. ABC Trainerize. Using the AI Workout Builder
    公开 Beta 帮助页；查阅 2026-09-12。AI 创建单次训练、确认后编辑和对话历史等限制。
27. Future. Custom, 1-on-1 Personal Training
    动态页面；查阅 2026-09-12。真人远程私教和常规月付价格。
28. ACSM. ACSM Unveils Landmark 2026 Resistance Training Guidelines
    2026-03-17。健康成人力量训练：持续参与、目标匹配与居家训练。
29. WHO. WHO Guidelines on Physical Activity and Sedentary Behaviour — Recommendations
    2020 指南。健康活动包含有氧和肌力；人群适用范围。
30. Li 等. Decoding heterogeneity in data-driven self-monitoring adherence trajectories…
    2024-09-10；BMC Digital Health，2:54。20 份访谈笔记的定性分析；记录负担与整合需求；非中国规律训练者代表样本。
31. Khlaisamniang 等. Decomposing Food Images for Better Nutrition Analysis: A Nutritionist-Inspired Two-Step Multimodal LLM Approach
    CVPR Workshops，2025。原始论文的检索可见内容；全文直连抓取受限；仅用于分步食物分析方法，不用于商用品准确率结论。
32. Google AI Edge. Pose landmark detection guide
    2026-08-17 更新。姿态关键点、置信阈值、端侧实时能力；不是医疗诊断。
33. Scientific Reports 研究作者. A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition
    2026。动作识别研究及视角、样本和泛化限制。
34. Reddit / r/strongapp. Reasons you stayed with Strong App?
    2025-01；公开讨论。部分用户重视简单、排斥冗余社交；定性线索。
35. Reddit / r/MacroFactor. Food logging with AI only.
    动态公开讨论；查阅 2026-09-12，相对时间仅供参考。份量、油脂与修正负担；非控制实验。
36. Reddit / r/Boostcamp. Boostcamp 2026: what we’re building next
    2026 规划讨论；查阅 2026-09-12。穿戴设备与计划能力的用户诉求；不能推出普遍发生率。

方法限制：国内外公开内容存在语言和可访问性差异；评论是自选择样本；竞品功能可能因地区、版本、套餐和灰度发布变化；具体不足需要同任务实测复核。文中的人物、流程示例、排期、价格和验收阈值均为设计方案，不是实际运营结果。