每次去健身房都會有一個共同問題:我今天到底該練什麼?
就算前幾天已經記錄了飲食、重量、次數,打開紀錄頁面還是會想:「那接下來呢?」
這就是今天要講的重點——如何讓 AI 幫你做出「個人化健身建議」。
前面的系統已經能記錄飲食與運動,但 AI 排課表還是偏「模板式」——
例如週一胸、週二背、週三腿,這樣的邏輯雖然簡單,但不夠「懂使用者」。
一個真正的 AI 教練,應該要能看懂你的:
然後根據這些資料,主動提出建議。
像是:「你這週推的量太多了,明天建議休息或改練腿。」
或「你今天熱量攝取偏低,不建議高強度訓練。」
分析器會根據 MongoDB 裡的資料去算出幾個關鍵數據,例如:
這些數據會被包成一個 userProfile
物件,
再送進 AI 模型(不論是 LLM prompt 還是自訂邏輯)中,生成個人化建議。
這個功能看似單純,但實際上有幾個挑戰:
目前我打算用一個簡單的 pipeline:
// 假設我們有 userProfile 已包含運動與飲食統計const prompt = ` 根據使用者資料提供建議: - 過去七天胸部訓練 3 次 - 平均睡眠 6 小時 - 飲食蛋白質偏低 請用一句話給出明日訓練建議 `; const suggestion = await openai.createCompletion({ model: "gpt-4o-mini", prompt, });
未來可以擴充成「建議卡片系統」,讓建議更視覺化,例如:
想像一下,早上打開 APP,它會自動說:
「Tom,你昨天練完背,今天建議練胸或休息。根據飲食分析,你昨天碳水稍高,可以安排高強度訓練。」
這就是我想做的「AI 教練」。
不只是幫你記錄,而是真的懂你的狀況、陪你訓練。
AI 的強大不是在於能寫程式,而是在於能「理解脈絡」。
健身的過程其實就像開發一個系統——
你必須持續輸入資料、觀察結果、再依據回饋調整策略。
而 AI 的角色,就是那個幫你看清全局、提醒你不要過度訓練的好夥伴。
下一篇,我會開始實作這個「建議系統」的邏輯,
讓它真的能根據資料去給出每日訓練提案。
AI 不只是寫程式的幫手,它也能是你的健身夥伴。