我用 QClaw 搭了一個健身私人教練 Agent：從運動記錄到飲食建議

我用 QClaw 搭了一個健身私人教練 Agent：從運動記錄到飲食建議

健身難的不是知道方法，而是長期執行

很多人開始健身時，都會遇到一個很相似的問題：方法其實並不神祕，但執行很難持續。

想減脂，大方向無非是控制飲食、增加運動、保證睡眠；想增肌，也繞不開重量訓練、蛋白質攝取和漸進超負荷。道理看起來都懂，但真正落到每天的生活裡，很快就會變成另一回事。

今天加班太晚，訓練取消；明天聚餐吃多了，記錄中斷；週末想補一次運動，又不知道該練什麼。更麻煩的是，運動和飲食如果沒有持續記錄，就很難回顧。過了兩週之後，我可能只記得「最近好像練過幾次」，卻說不清到底練了什麼、強度怎樣、飲食有沒有改善、體重變化是不是偶然。

這也是我想用 QClaw 做一次實驗的原因。

我不想讓 AI 簡單回答「今天該練什麼」，也不想讓它給我一份看起來很專業但很快就被忘掉的訓練計畫。我更想測試的是：能不能用 QClaw 搭建一個輕量版的健身私人教練 Agent，讓它長期記住我的身體狀態、訓練目標、飲食偏好和運動記錄，然後幫我完成記錄、提醒、回顧和調整。

換句話說，這次實驗的重點不是「AI 代替我健身」，而是讓 AI Agent 幫我把健身這件事從一次性計畫，變成一個可以持續推進的系統。

@[toc]

為什麼不是直接問 AI，而是搭建一個專屬 Agent

在正式動手之前，我先問了 QClaw 一個問題：如果我要做一個健身私人教練，能記錄身體狀況、飲食資訊、運動資訊，並提供運動建議、飲食建議，是做成一個 Skill 合適，還是新建一個 Agent 合適？

QClaw 給出的建議是：如果只是提供一個固定能力，做 Skill 就夠了；但如果需要長期記錄個人資料、維護健身歷史、定時提醒和持續回顧，更適合新建一個專屬 Agent。更進一步的方案，是建立一個 Fitness Coach Agent，再配一個可快速呼叫的 Skill。

我覺得這個判斷是合理的。

Skill 更適合一次性能力

Skill 的優勢是呼叫方便，適合解決一個明確、固定、短流程的問題。比如：

• 根據一頓飯估算大致營養結構；
• 根據一個動作名稱解釋訓練要點；
• 生成一次 30 分鐘的居家訓練建議；
• 把一句口語化運動記錄整理成表格。

這些能力都可以做成 Skill，因為它們不太依賴長期上下文。使用者給一次輸入，Skill 回傳一次結果，任務就完成了。

但健身管理並不是一次問答。

一個真正有用的健身助手，至少要知道我是誰、現在什麼狀態、目標是什麼、以前練過什麼、哪些動作不適合我、最近是否疲勞、飲食上有什麼偏好。如果每次都要重新告訴它這些背景，那體驗就會變得很割裂。

專屬 Agent 更適合長期陪伴

所以我更傾向於搭建一個專屬 Fitness Coach Agent。

它有獨立的工作區，可以保存使用者基本資訊、身體資料、飲食記錄、運動記錄、目前計畫和長期記憶。這樣每次對話時，它不只是臨時回答一個問題，而是能基於之前沉澱的資訊做判斷。

比如我今天告訴它：

text 体验AI代码助手 代码解读复制代码今天跑了 5 公里，用時 32 分鐘，跑完小腿有點緊。

如果它只是普通問答工具，大概率會給我一些通用恢復建議。

但如果它是一個長期記錄我的 Fitness Coach Agent，它應該能做更多事：

• 把這次跑步寫入運動日誌；
• 記錄「小腿有點緊」這個身體回饋；
• 對比我最近幾天的運動強度；
• 提醒我今天不要再做高強度下肢訓練；
• 如果類似回饋連續出現，就在週回顧裡提醒我調整計畫。

這才是 Agent 和普通聊天工具的區別。

目標設計：這個健身私人教練 Agent 要解決什麼問題

我給這個 Fitness Coach Agent 設定了五個目標。

1. 記錄基本身體資料

首先，它要知道我的基本資訊，比如年齡、性別、身高、體重、訓練經驗、主要目標、可訓練時間、可用器材、飲食偏好和身體限制。

這些資訊不需要每天重複輸入，但會影響後續建議。

比如新手和有訓練經驗的人，訓練計畫一定不一樣；有膝蓋不適的人，不應該直接安排大量跳躍動作；每週只能練 3 次的人，也不適合拿 6 天訓練計畫硬套。

2. 記錄運動資料

每次運動後，我希望能用很自然的語言告訴它：

text 体验AI代码助手 代码解读复制代码今天做了 40 分鐘重量訓練，練了深蹲、伏地挺身、啞鈴划船，整體感覺還可以，最後兩組有點累。

Agent 要做的不是只回覆「真棒」，而是把這段話整理成結構化日誌，包括日期、訓練類型、動作、時長、強度、主觀疲勞和身體回饋。

3. 記錄飲食資料

飲食記錄也是一樣。我不追求一開始就精確到每一卡路里，而是先建立一個可持續的記錄習慣。

比如我輸入：

text 体验AI代码助手 代码解读复制代码今天早餐兩個包子和一杯拿鐵，午餐白飯、牛肉和青菜，晚餐吃了炸雞和可樂，喝水大概 1 升。

Agent 可以幫我整理成飲食日誌，並從結構上提醒我：蛋白質是否大致夠、蔬菜是否偏少、飲水是否不足、晚餐是否偏油。

4. 生成個人化建議

當運動和飲食記錄累積起來後，Agent 才有資格給出更貼近個人狀態的建議。

比如，如果我連續幾天訓練強度較高，它就不應該繼續鼓勵我加量，而應該提醒恢復。如果我飲食記錄裡長期缺少蛋白質，它就可以在下一餐建議裡提醒增加雞蛋、牛奶、魚蝦、豆製品等更容易執行的選擇。

5. 主動提醒和回顧

健身最容易失敗的地方，不是某一次練得不好，而是記錄和回顧慢慢中斷。

所以我希望這個 Agent 能承擔兩個動作：

• 每天晚上提醒我記錄運動和飲食；
• 每週幫我做一次回顧。

晚間提醒不需要很嚴厲，最好像一個穩定但不製造壓力的健身夥伴：

text 体验AI代码助手 代码解读复制代码今天運動了嗎？如果沒有也沒關係，可以記錄一下原因。我會根據這一週的實際情況，幫你調整下一步計畫。

Agent 工作區設計：讓健身記錄有地方沉澱

接下來是具體搭建。

我希望 Fitness Coach Agent 不是只有一段角色設定，而是有一個清晰的工作區，用檔案保存不同類型的資訊。這樣它才能長期運作，而不是每次對話都從零開始。

我設計的工作區結構如下：

text 体验AI代码助手 代码解读复制代码Fitness Coach Agent Workspace/
├── AGENTS.md          # 教練人設和行為規範
├── SOUL.md            # 教練性格：專業、鼓勵、克制
├── USER.md            # 使用者基本資訊、目標、偏好、限制
├── MEMORY.md          # 長期記憶：訓練習慣、飲食偏好、階段目標
├── data/
│   ├── body-stats.md      # 身體資料記錄
│   ├── diet-log.md        # 飲食記錄
│   └── exercise-log.md    # 運動記錄
└── plans/
    ├── workout-plan.md    # 目前訓練計畫
    └── diet-plan.md       # 目前飲食建議

這個結構裡，每個檔案都有明確用途。

AGENTS.md 用來寫角色職責和安全邊界。比如它能做記錄、回顧和一般建議，但不能診斷疾病，也不能給極端減脂方案。

SOUL.md 用來寫教練性格。我希望它專業、鼓勵、克制，而不是動不動就「燃起來」或者製造焦慮。健身已經夠難了，沒必要再給人額外壓力。

USER.md 用來保存我的基本資訊和目標，比如身高、體重、訓練經驗、每週能練幾次、飲食偏好、傷病限制等。

MEMORY.md 用來保存長期觀察。比如我更適合晚上運動、不喜歡太複雜的飲食計畫、連續兩天跑步後小腿容易緊、出差時記錄容易中斷等。

data/exercise-log.md 負責記錄運動。

data/diet-log.md 負責記錄飲食。

plans/workout-plan.md 保存目前訓練計畫。

plans/diet-plan.md 保存目前飲食建議。

這樣設計之後，Fitness Coach Agent 就有了自己的「記憶系統」。它每次不是單獨回答，而是在讀寫這些檔案的過程中持續更新對我的了解。

核心配置：讓 QClaw 建立 Fitness Coach Agent

我給 QClaw 的初始化指令是：

text 体验AI代码助手 代码解读复制代码請幫我建立一個專屬健身私人教練 Agent，名稱為 Fitness Coach。

它的目標不是取代醫生或專業教練，而是幫助我記錄身體資料、運動記錄、飲食記錄，並基於我的目標提供一般性的訓練和飲食建議。

請為它建立獨立工作區，並建立以下檔案：
1. AGENTS.md：記錄角色職責、工作規則和安全邊界
2. SOUL.md：記錄教練性格，要求專業、鼓勵、克制、不製造身材焦慮
3. USER.md：記錄我的基本身體資訊、目標、訓練經驗、飲食偏好和禁忌
4. MEMORY.md：記錄長期觀察和階段性總結
5. data/body-stats.md：身體資料記錄
6. data/exercise-log.md：運動記錄
7. data/diet-log.md：飲食記錄
8. plans/workout-plan.md：目前訓練計畫
9. plans/diet-plan.md：目前飲食建議

建立完成後，請回傳工作區結構，並告訴我下一步需要補充哪些個人資訊。

補充個人資訊：讓建議從「通用」變成「貼近我」

建立工作區後，讓 Fitness Coach Agent 先收集個人資訊。

這一步很重要。

很多 AI 健身建議之所以不可靠，不是因為模型完全不懂訓練，而是因為它不知道使用者是誰。一個 20 歲有訓練基礎的人，和一個長期久坐、膝蓋不適、每週只能練兩次的新手，計畫一定不能一樣。

所以我寧願前面多花一點時間補充資訊，也不要直接拿一份看起來很完整、但不適合自己的計畫。

Fitness Coach 上線

萬事俱備，接下來我告訴他直接幫我建立這個 Agent，兩分鐘的時間，QClaw 就已經全部幫我做好了

來看看剛誕生的Fitness Coach

這裡還有個小插曲，Fitness Coach 跟我對話幾次理解了他自己的性格，自己還給自己改名了，現在叫鐵柔……

使用流程一：記錄一次運動

搭好 Agent 後，我先測試最基礎的運動記錄能力。

我的輸入是：

text 体验AI代码助手 代码解读复制代码幫我記錄今天的運動：跑步 5 公里，用時 32 分鐘，跑完有點累，小腿有點緊。

這個動作很小，但很像真實教練會做的事：不是只看今天練了什麼，還會觀察身體回饋是否重複出現。

使用流程二：記錄飲食並給出建議

接著我測試飲食記錄。

我的輸入是：

text 体验AI代码助手 代码解读复制代码幫我記錄今天飲食：
早餐：一杯拿鐵、兩個包子
午餐：白飯、紅燒牛肉、青菜
晚餐：炸雞、可樂
今天喝水大概 1 升。

這裡我特別希望它保持克制。

飲食記錄如果變成「批評大會」，很容易讓人放棄記錄。對普通使用者來說，第一階段最重要的不是每天都吃得完美，而是願意誠實記錄。只有記錄持續存在，後面才有調整空間。

使用流程三：生成一週訓練計畫

有了基本資訊和幾條運動記錄後，我可以讓 Fitness Coach Agent 生成下一週訓練計畫。

示例指令：

text 体验AI代码助手 代码解读复制代码請根據我的 USER.md、最近一週 exercise-log.md，以及我每週可訓練 3 次、每次 45 分鐘的情況，幫我生成下一週訓練計畫。

要求：
1. 強度適合普通新手，不追求極限。
2. 包含熱身、主訓練和伸展。
3. 每次訓練寫明目標和注意事項。
4. 如果最近疲勞較高，請自動降低強度。
5. 將計畫寫入 plans/workout-plan.md。

它生成的計畫是這樣的結構：

這份計畫不一定很「高級」，但它適合普通使用者執行。對我來說，這比一份複雜但堅持不了的計畫更有價值。

使用流程四：晚間提醒和每週回顧

如果只記錄一次，這個 Agent 的價值還不明顯。真正有用的是它能進入長期節奏。

我希望它每天晚上提醒我記錄運動和飲食：

text 体验AI代码助手 代码解读复制代码請每天晚上 9 點提醒我記錄今天的運動和飲食。提醒語氣要溫和，不要製造壓力。如果我今天沒有運動，也請讓我記錄原因。

每週日，我會讓它做一次週回顧：

text 体验AI代码助手 代码解读复制代码請根據本週 body-stats.md、exercise-log.md 和 diet-log.md，生成一份週回顧，並更新 MEMORY.md。

回顧內容包括：
1. 本週訓練次數
2. 本週飲食記錄完整度
3. 體重或身體回饋變化
4. 做得好的地方
5. 需要調整的地方
6. 下週訓練和飲食建議

週回顧可以幫助我從「今天有沒有做好」跳出來，看一整個週期。

比如某一週只練了 1 次，Agent 不應該簡單說「你不夠自律」，而應該幫我找原因：

• 是工作太忙？
• 是計畫太難？
• 是安排的時間不現實？
• 是訓練後恢復不好？
• 是飲食記錄太麻煩？

找到原因之後，再調整下週目標。比如從每週 3 次改成每週 2 次，把每次 45 分鐘改成 30 分鐘。能持續執行的小計畫，往往比執行不了的大計畫更有用。

成果展示：這個 Fitness Coach Agent 最後能做什麼

經過這套配置後，Fitness Coach Agent 能涵蓋幾個核心場景：

這個結果和普通問答最大的區別是，它能沉澱。

普通問答裡，我今天問完，明天還要重新解釋自己是誰；而 Fitness Coach Agent 可以把資訊寫入檔案，把一次次運動和飲食變成連續記錄。連續記錄一旦存在，回顧和調整才有基礎。

實際使用中的幾個體會

健身 Agent 最重要的不是「專業術語」

我一開始以為，健身 Agent 最重要的是能不能說出很多訓練理論。後來發現，對普通使用者來說，更重要的是它能不能降低記錄成本。

如果每次記錄都要打開表格、填很多欄位，大概率堅持不了。但如果我只需要說一句「今天跑了 5 公里，有點累」，它就能幫我整理成日誌，這件事就輕了很多。

語氣很重要

健身很容易和焦慮綁定，所以我特別在 SOUL.md 裡寫了「專業、鼓勵、克制、不製造身材焦慮」。

這不是裝飾，而是會影響長期使用體驗。

我更希望它說：

text 体验AI代码助手 代码解读复制代码這週訓練少了一些，我們先把下週目標調低到兩次，保證能完成。

而不是：

text 体验AI代码助手 代码解读复制代码你又沒有堅持，必須加強自律。

一個能陪人長期行動的 Agent，應該幫助使用者重新開始，而不是讓使用者更想逃避。

計畫要能調整，不能只會加碼

很多健身計畫失敗，是因為它只會往上加：更多組數、更高強度、更嚴格飲食。但真實生活裡，人會加班、會出差、會疲勞、會狀態不好。

所以我希望 Fitness Coach Agent 每次回顧時都考慮恢復情況。如果本週疲勞高、睡眠差、運動後不適明顯，它應該主動降低強度，而不是繼續鼓勵硬撐。

資料越真實，建議越有用

這個 Agent 的品質，很大程度取決於記錄品質。

如果我只記錄「今天練了」，它能給出的建議就很有限；如果我能記錄訓練內容、時長、疲勞、身體回饋，它就能給出更貼近實際的調整。

所以這套系統的關鍵不是讓 AI 更神奇，而是讓自己的資料更連續。

總結：好的健身 Agent 不是更狠，而是更懂得陪你持續

這次用 QClaw 搭建 Fitness Coach Agent 後，我對 AI Agent 的理解又清楚了一點。

它最有價值的地方，不是一次性生成一份看起來很完整的訓練計畫，而是把計畫、記錄、提醒、回顧串成一個閉環。

健身這件事真正難的地方，不是知道一個動作叫什麼，也不是收藏十份訓練計畫，而是在真實生活中持續行動。持續行動需要記錄，需要回饋，需要調整，也需要一個不製造壓力、但能穩定提醒你的系統。

QClaw 在這個場景裡的角色，更像一個長期健康管理助手。它記住我的狀態，整理我的運動和飲食，提醒我回顧，也在計畫太難時幫我把目標調回現實。

如果說我上一篇用 QClaw 管理創作者靈感，解決的是「素材如何被整理」；那麼這一次 Fitness Coach Agent 解決的是「行動如何被持續」。

這也是我認為 AI Agent 最值得探索的地方：它不只是回答問題，而是參與一個長期目標的推進過程。

原文出處：https://juejin.cn/post/7645981434771226676