我用 QClaw 搭建了一个健身私教 Agent：从运动记录到饮食建议

很多刚开始健身的朋友，都会遇到一个相似的问题：方法并不神秘，但坚持执行起来却很难。 想减脂，大方向无非是控制饮食、增加运动、保证睡眠；想增肌，也离不开力量训练、蛋白质摄入和渐进超负荷。道理听起来都懂，可一旦落实到每日生活中，很快就变了味。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。更棘手的是，运动和饮食如果没有持续记录，就很难复盘。过了两周，你可能只记得“最近好像练过几次”，却说不出到底练了什么、强度如何、饮食有没有改善、体重变化是不是偶然。 这也是我决定用 QClaw 做这次实验的原因。 目标不是让 AI 简单回答“今天该练什么”，也不是让它给一份看起来很专业但转眼就忘的训练计划。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，然后帮忙完成记录、提醒、复盘和调整。说白了，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。

为什么不是直接问 AI，而是搭建一个专属 Agent

动手之前，我先问了 QClaw 一个问题：如果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 给出的判断是：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，可以创建一个 Fitness Coach Agent，再配一个可快速调用的 Skill。 这个判断很合理。 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。 但健身管理不是一次问答。 一个真正有用的健身助手，至少要知道你是谁、现在什么状态、目标是什么、以前练过什么、哪些动作不适合你、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，体验会变得很割裂。 所以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。 举个例子，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，大概率会给你一些通用恢复建议。但如果它是一个长期记录的 Fitness Coach Agent，它应该能做更多：把这次跑步写入运动日志；记录“小腿有点紧”这个身体反馈；对比最近几天的运动强度；提醒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。 **第一，记录基础身体数据。** 它需要知道基础信息，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。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。 **第二，记录运动数据。** 每次运动后，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。 **第三，记录饮食数据。** 饮食记录也是一样。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 可以帮忙整理成饮食日志，并从结构上提醒：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。 **第四，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。如果连续几天训练强度较高，它就不应该继续鼓励加量，而应该提醒恢复。如果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。 **第五，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：每天晚上提醒记录运动和饮食；每周做一次复盘。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，持续更新对你的了解。

核心配置：让 QClaw 创建 Fitness Coach Agent

我向 QClaw 发出的初始化指令是：“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，我让 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。接下来我告诉它直接创建这个 Agent，两分钟的时间，QClaw 就已经全部做好了。来看看刚诞生的 Fitness Coach。这里还有个小插曲，Fitness Coach 跟我对话几次后理解了自己的性格，还给自己改了个名字，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。输入：“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。” [图片] 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

接着测试饮食记录。输入：“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。” [图片] 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。” [图片] 它生成的计划结构清晰：这份计划不一定很“高级”，但它适合普通用户执行。对于日常使用来说，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。” [图片] 每周日，我让它做一次周复盘：“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。” [图片] 周复盘可以帮助我们跳脱“今天有没有做好”的思维，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”，而应该帮忙找原因：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，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”。** 一开始我以为，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。但如果只需要说一句“今天跑了 5 公里，有点累”，它就能帮忙整理成日志，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。如果只记录“今天练了”，它能给出的建议就很有限；如果能记录训练内容、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，而是让自己记录的数据更连续。

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。它记住你的状态，整理运动和饮食，提醒复盘，也在计划太难时把目标调回现实。如果说之前用 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”。这也是为什么 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。