把训练数据接入 AI 助手的工程笔记

AI智能健身助手的计划质量，一半取决于模型，另一半取决于喂给它的数据长什么样。这篇笔记记录 v0.1 数据链路的几个设计决定。

从一句话到结构化

最初的训练日志就是备忘录里的一句话：“今天深蹲 100kg 5x5，最后一组差点没起来。“对人足够，对模型不够。v0.1 把日志拆成三层：

1. 动作层：动作名、重量、组数、次数、RPE；
2. 会话层：日期、时长、睡眠、主观状态；
3. 周期层：周完成度、吨位、疲劳趋势。

模型不需要记住你的历史，它需要的是当前周期的摘要 + 最近几次的细节。

字段设计的三个原则

• 宁可少，不要脏：不确定的数据宁可不采集。RPE 估不准就先只记完成度；
• 单位进字段名：weight_kg 而不是 weight，避免模型自由发挥；
• 时间统一 UTC 存储、本地展示：跨设备同步时不会出现”训练比记录早一天”的幽灵。

from datetime import datetime, timezone

def normalize_session(raw: dict) -> dict:
    """清洗一条会话记录：补单位、统一时间、丢弃未知字段。"""
    allowed = {"date", "exercise", "weight_kg", "sets", "reps", "rpe", "done_pct"}
    record = {k: v for k, v in raw.items() if k in allowed}
    ts = datetime.fromisoformat(record["date"]).astimezone(timezone.utc)
    record["date"] = ts.isoformat()
    record.setdefault("rpe", None)
    record.setdefault("done_pct", 1.0)
    return record

喂给模型的三个原则

摘要优先，细节限量

上下文窗口很贵。给模型的输入按”周期摘要（一段话）→ 最近 3 次细节（结构化）→ 本次请求”的顺序组织，超出部分宁可不带。

让模型只做决策，不做算术

吨位、增幅、百分比全部在代码里算好再传入。模型负责”判断与建议”，数字交还给人（或函数）复核。

输出必须可校验

让模型按固定 schema 输出计划，缺字段、超范围直接拒绝并重试。这一步把”AI 有时候抽风”变成”工程上可控的重试”。

数据管道的浪漫之处在于：它把坚持这件事，从意志力问题变成了存储与清洗问题。

下一步

v0.2 计划加入可穿戴设备的心率同步，把上一篇里的心率区间自动映射进有氧安排。数据接得越顺，“忍耐”就越像系统，而不是口号。