我用 QClaw 搭了一个健身私教 Agent：从运动记录到饮食建议

我用 QClaw 搭了一个健身私教 Agent：从运动记录到饮食建议

健身难的不是知道方法，而是长期执行

很多人开始健身时，都会遇到一个很相似的问题：方法其实并不神秘，但执行很难持续。

想减脂，大方向无非是控制饮食、增加运动、保证睡眠；想增肌，也绕不开力量训练、蛋白质摄入和渐进超负荷。道理看起来都懂，但真正落到每天的生活里，很快就会变成另一回事。

今天加班太晚，训练取消；明天聚餐吃多了，记录中断；周末想补一次运动，又不知道该练什么。更麻烦的是，运动和饮食如果没有持续记录，就很难复盘。过了两周之后，我可能只记得"最近好像练过几次"，却说不清到底练了什么、强度怎样、饮食有没有改善、体重变化是不是偶然。

这也是我想用 QClaw 做一次实验的原因。

我不想让 AI 简单回答"今天该练什么"，也不想让它给我一份看起来很专业但很快就被忘掉的训练计划。我更想测试的是：能不能用 QClaw 搭建一个轻量版的健身私教 Agent，让它长期记住我的身体状态、训练目标、饮食偏好和运动记录，然后帮我完成记录、提醒、复盘和调整。

换句话说，这次实验的重点不是"AI 替我健身"，而是让 AI Agent 帮我把健身这件事从一次性计划，变成一个可以持续推进的系统。

@toc

---

为什么不是直接问 AI，而是搭建一个专属 Agent

在正式动手之前，我先问了 QClaw 一个问题：如果我要做一个健身私人教练，能记录身体状况、饮食信息、运动信息，并提供运动建议、饮食建议，是做成一个 Skill 合适，还是新建一个 Agent 合适？

QClaw 给出的建议是：如果只是提供一个固定能力，做 Skill 就够了；但如果需要长期记录个人数据、维护健身历史、定时提醒和持续复盘，更适合新建一个专属 Agent。更进一步的方案，是创建一个 Fitness Coach Agent，再配一个可快速调用的 Skill。

我觉得这个判断是合理的。

Skill 更适合一次性能力

Skill 的优势是调用方便，适合解决一个明确、固定、短流程的问题。比如：

• 根据一顿饭估算大致营养结构；
• 根据一个动作名称解释训练要点；
• 生成一次 30 分钟的居家训练建议；
• 把一句口语化运动记录整理成表格。

这些能力都可以做成 Skill，因为它们不太依赖长期上下文。用户给一次输入，Skill 返回一次结果，任务就完成了。

但健身管理并不是一次问答。

一个真正有用的健身助手，至少要知道我是谁、现在什么状态、目标是什么、以前练过什么、哪些动作不适合我、最近是否疲劳、饮食上有什么偏好。如果每次都要重新告诉它这些背景，那体验就会变得很割裂。

专属 Agent 更适合长期陪伴

所以我更倾向于搭建一个专属 Fitness Coach Agent。

它有独立的工作区，可以保存用户基础信息、身体数据、饮食记录、运动记录、当前计划和长期记忆。这样每次对话时，它不只是临时回答一个问题，而是能基于之前沉淀的信息做判断。

比如我今天告诉它：

今天跑了 5 公里，用时 32 分钟，跑完小腿有点紧。

如果它只是普通问答工具，大概率会给我一些通用恢复建议。

但如果它是一个长期记录我的 Fitness Coach Agent，它应该能做更多事：

• 把这次跑步写入运动日志；
• 记录"小腿有点紧"这个身体反馈；
• 对比我最近几天的运动强度；
• 提醒我今天不要再做高强度下肢训练；
• 如果类似反馈连续出现，就在周复盘里提醒我调整计划。

这才是 Agent 和普通聊天工具的区别。

目标设计：这个健身私教 Agent 要解决什么问题

我给这个 Fitness Coach Agent 设定了五个目标。

1. 记录基础身体数据

首先，它要知道我的基础信息，比如年龄、性别、身高、体重、训练经验、主要目标、可训练时间、可用器械、饮食偏好和身体限制。

这些信息不需要每天重复输入，但会影响后续建议。

比如新手和有训练经验的人，训练计划一定不一样；有膝盖不适的人，不应该直接安排大量跳跃动作；每周只能练 3 次的人，也不适合拿 6 天训练计划硬套。

2. 记录运动数据

每次运动后，我希望能用很自然的语言告诉它：

今天做了 40 分钟力量训练，练了深蹲、俯卧撑、哑铃划船，整体感觉还可以，最后两组有点累。

Agent 要做的不是只回复"真棒"，而是把这段话整理成结构化日志，包括日期、训练类型、动作、时长、强度、主观疲劳和身体反馈。

3. 记录饮食数据

饮食记录也是一样。我不追求一开始就精确到每一卡路里，而是先建立一个可持续的记录习惯。

比如我输入：

今天早餐两个包子和一杯拿铁，午餐米饭、牛肉和青菜，晚餐吃了炸鸡和可乐，喝水大概 1 升。

Agent 可以帮我整理成饮食日志，并从结构上提醒我：蛋白质是否大致够、蔬菜是否偏少、饮水是否不足、晚餐是否偏油。

4. 生成个性化建议

当运动和饮食记录积累起来后，Agent 才有资格给出更贴近个人状态的建议。

比如，如果我连续几天训练强度较高，它就不应该继续鼓励我加量，而应该提醒恢复。如果我饮食记录里长期缺少蛋白质，它就可以在下一餐建议里提醒增加鸡蛋、牛奶、鱼虾、豆制品等更容易执行的选择。

5. 主动提醒和复盘

健身最容易失败的地方，不是某一次练得不好，而是记录和复盘慢慢中断。

所以我希望这个 Agent 能承担两个动作：

• 每天晚上提醒我记录运动和饮食；
• 每周帮我做一次复盘。

晚间提醒不需要很严厉，最好像一个稳定但不制造压力的健身搭子：

今天运动了吗？如果没有也没关系，可以记录一下原因。我会根据这一周的实际情况，帮你调整下一步计划。

Agent 工作区设计：让健身记录有地方沉淀

接下来是具体搭建。

我希望 Fitness Coach Agent 不是只有一段角色设定，而是有一个清晰的工作区，用文件保存不同类型的信息。这样它才能长期运作，而不是每次对话都从零开始。

我设计的工作区结构如下：

Fitness Coach Agent Workspace/
├── AGENTS.md          # 教练人设和行为规范
├── SOUL.md            # 教练性格：专业、鼓励、克制
├── USER.md            # 用户基础信息、目标、偏好、限制
├── MEMORY.md          # 长期记忆：训练习惯、饮食偏好、阶段目标
├── data/
│   ├── body-stats.md      # 身体数据记录
│   ├── diet-log.md        # 饮食记录
│   └── exercise-log.md    # 运动记录
└── plans/
    ├── workout-plan.md    # 当前训练计划
    └── diet-plan.md       # 当前饮食建议

这个结构里，每个文件都有明确用途。

AGENTS.md 用来写角色职责和安全边界。比如它能做记录、复盘和一般建议，但不能诊断疾病，也不能给极端减脂方案。

SOUL.md 用来写教练性格。我希望它专业、鼓励、克制，而不是动不动就"燃起来"或者制造焦虑。健身已经够难了，没必要再给人额外压力。

USER.md 用来保存我的基础信息和目标，比如身高、体重、训练经验、每周能练几次、饮食偏好、伤病限制等。

MEMORY.md 用来保存长期观察。比如我更适合晚上运动、不喜欢太复杂的饮食计划、连续两天跑步后小腿容易紧、出差时记录容易中断等。

data/exercise-log.md 负责记录运动。

data/diet-log.md 负责记录饮食。

plans/workout-plan.md 保存当前训练计划。

plans/diet-plan.md 保存当前饮食建议。

这样设计之后，Fitness Coach Agent 就有了自己的"记忆系统"。它每次不是单独回答，而是在读写这些文件的过程中持续更新对我的了解。

核心配置：让 QClaw 创建 Fitness Coach Agent

我给 QClaw 的初始化指令是：

请帮我创建一个专属健身私教 Agent，名称为 Fitness Coach。

它的目标不是替代医生或专业教练，而是帮助我记录身体数据、运动记录、饮食记录，并基于我的目标提供一般性的训练和饮食建议。

请为它建立独立工作区，并创建以下文件：
1. AGENTS.md：记录角色职责、工作规则和安全边界
2. SOUL.md：记录教练性格，要求专业、鼓励、克制、不制造身材焦虑
3. USER.md：记录我的基础身体信息、目标、训练经验、饮食偏好和禁忌
4. MEMORY.md：记录长期观察和阶段性总结
5. data/body-stats.md：身体数据记录
6. data/exercise-log.md：运动记录
7. data/diet-log.md：饮食记录
8. plans/workout-plan.md：当前训练计划
9. plans/diet-plan.md：当前饮食建议

创建完成后，请返回工作区结构，并告诉我下一步需要补充哪些个人信息。

补充个人信息：让建议从"通用"变成"贴近我"

创建工作区后，让 Fitness Coach Agent 先收集个人信息。

这一步很重要。

很多 AI 健身建议之所以不靠谱，不是因为模型完全不懂训练，而是因为它不知道用户是谁。一个 20 岁有训练基础的人，和一个长期久坐、膝盖不适、每周只能练两次的新手，计划一定不能一样。

所以我宁愿前面多花一点时间补充信息，也不要直接拿一份看起来很完整、但不适合自己的计划。

Fitness Coach上线

万事俱备，接下来我告诉他直接帮我创建这个Agent，两分钟的时间，QClaw就已经全部帮我做好了

来看看刚诞生的Fitness Coach

这里还有个小插曲，Fitness Coach跟我对话几次理解了他自己的性格，自己还给自己改名了，现在叫铁柔......

使用流程一：记录一次运动

搭好 Agent 后，我先测试最基础的运动记录能力。

我的输入是：

帮我记录今天的运动：跑步 5 公里，用时 32 分钟，跑完有点累，小腿有点紧。

这个动作很小，但很像真实教练会做的事：不是只看今天练了什么，还会观察身体反馈是否重复出现。

使用流程二：记录饮食并给出建议

接着我测试饮食记录。

我的输入是：

帮我记录今天饮食：
早餐：一杯拿铁、两个包子
午餐：米饭、红烧牛肉、青菜
晚餐：炸鸡、可乐
今天喝水大概 1 升。

这里我特别希望它保持克制。

饮食记录如果变成"批评大会"，很容易让人放弃记录。对普通用户来说，第一阶段最重要的不是每天都吃得完美，而是愿意诚实记录。只有记录持续存在，后面才有调整空间。

使用流程三：生成一周训练计划

有了基础信息和几条运动记录后，我可以让 Fitness Coach Agent 生成下一周训练计划。

示例指令：

请根据我的 USER.md、最近一周 exercise-log.md，以及我每周可训练 3 次、每次 45 分钟的情况，帮我生成下一周训练计划。

要求：
1. 强度适合普通新手，不追求极限。
2. 包含热身、主训练和拉伸。
3. 每次训练写明目标和注意事项。
4. 如果最近疲劳较高，请自动降低强度。
5. 将计划写入 plans/workout-plan.md。

它生成的计划是这样的结构：

这份计划不一定很"高级"，但它适合普通用户执行。对我来说，这比一份复杂但坚持不了的计划更有价值。

使用流程四：晚间提醒和每周复盘

如果只记录一次，这个 Agent 的价值还不明显。真正有用的是它能进入长期节奏。

我希望它每天晚上提醒我记录运动和饮食：

请每天晚上 9 点提醒我记录今天的运动和饮食。提醒语气要温和，不要制造压力。如果我今天没有运动，也请让我记录原因。

每周日，我会让它做一次周复盘：

请根据本周 body-stats.md、exercise-log.md 和 diet-log.md，生成一份周复盘，并更新 MEMORY.md。

复盘内容包括：
1. 本周训练次数
2. 本周饮食记录完整度
3. 体重或身体反馈变化
4. 做得好的地方
5. 需要调整的地方
6. 下周训练和饮食建议

周复盘可以帮助我从"今天有没有做好"跳出来，看一整个周期。

比如某一周只练了 1 次，Agent 不应该简单说"你不够自律"，而应该帮我找原因：

• 是工作太忙？
• 是计划太难？
• 是安排的时间不现实？
• 是训练后恢复不好？
• 是饮食记录太麻烦？

找到原因之后，再调整下周目标。比如从每周 3 次改成每周 2 次，把每次 45 分钟改成 30 分钟。能持续执行的小计划，往往比执行不了的大计划更有用。

成果展示：这个 Fitness Coach Agent 最后能做什么

经过这套配置后，Fitness Coach Agent 能覆盖几个核心场景：

场景	用户输入	Agent 输出	沉淀位置
运动记录	今天跑了 5 公里	结构化日志 + 恢复建议	exercise-log.md
饮食记录	今天吃了这些	饮食结构分析 + 下一餐建议	diet-log.md
身体数据	今天体重 70kg	趋势记录	body-stats.md
周计划	下周练 3 次	训练安排	workout-plan.md
周复盘	帮我复盘本周	趋势总结 + 调整建议	MEMORY.md
主动提醒	每晚 9 点提醒	询问运动和饮食	定时任务

这个结果和普通问答最大的区别是，它能沉淀。

普通问答里，我今天问完，明天还要重新解释自己是谁；而 Fitness Coach Agent 可以把信息写入文件，把一次次运动和饮食变成连续记录。连续记录一旦存在，复盘和调整才有基础。

实际使用中的几个体会

健身 Agent 最重要的不是"专业术语"

我一开始以为，健身 Agent 最重要的是能不能说出很多训练理论。后来发现，对普通用户来说，更重要的是它能不能降低记录成本。

如果每次记录都要打开表格、填很多字段，大概率坚持不了。但如果我只需要说一句"今天跑了 5 公里，有点累"，它就能帮我整理成日志，这件事就轻了很多。

语气很重要

健身很容易和焦虑绑定，所以我专门在 SOUL.md 里写了"专业、鼓励、克制、不制造身材焦虑"。

这不是装饰，而是会影响长期使用体验。

我更希望它说：

这周训练少了一些，我们先把下周目标调低到两次，保证能完成。

而不是：

你又没有坚持，必须加强自律。

一个能陪人长期行动的 Agent，应该帮助用户重新开始，而不是让用户更想逃避。

计划要能调整，不能只会加码

很多健身计划失败，是因为它只会往上加：更多组数、更高强度、更严格饮食。但真实生活里，人会加班、会出差、会疲劳、会状态不好。

所以我希望 Fitness Coach Agent 每次复盘时都考虑恢复情况。如果本周疲劳高、睡眠差、运动后不适明显，它应该主动降低强度，而不是继续鼓励硬撑。

数据越真实，建议越有用

这个 Agent 的质量，很大程度取决于记录质量。

如果我只记录"今天练了"，它能给出的建议就很有限；如果我能记录训练内容、时长、疲劳、身体反馈，它就能给出更贴近实际的调整。

所以这套系统的关键不是让 AI 更神奇，而是让自己的数据更连续。

总结：好的健身 Agent 不是更狠，而是更懂得陪你持续

这次用 QClaw 搭建 Fitness Coach Agent 后，我对 AI Agent 的理解又清晰了一点。

它最有价值的地方，不是一次性生成一份看起来很完整的训练计划，而是把计划、记录、提醒、复盘串成一个闭环。

健身这件事真正难的地方，不是知道一个动作叫什么，也不是收藏十份训练计划，而是在真实生活中持续行动。持续行动需要记录，需要反馈，需要调整，也需要一个不制造压力、但能稳定提醒你的系统。

QClaw 在这个场景里的角色，更像一个长期健康管理助手。它记住我的状态，整理我的运动和饮食，提醒我复盘，也在计划太难时帮我把目标调回现实。

如果说我上一篇用 QClaw 管理创作者灵感，解决的是"素材如何被整理"；那么这一次 Fitness Coach Agent 解决的是"行动如何被持续"。

这也是我认为 AI Agent 最值得探索的地方：它不只是回答问题，而是参与一个长期目标的推进过程。