医疗健康 · 已完成

自适应健身教练

一个平台把自适应规划、实时动作反馈、营养、健康数据、分析与AI教练连在一起。

概述

个人健身计划往往从通用建议开始，无法回应一个人的目标、身体状况或真实的训练规律。这家公司想要一种移动端体验，既能个性化训练与营养，又能在两次训练之间保持用户的参与。

我从客户沟通一路主导到技术交付：把产品反馈翻译成规格，协调移动端、后端与测试团队，每周进行演示，并开发了基于Python的动作追踪系统。

完成后的平台结合了自适应训练计划、饮食规划、基于摄像头的姿态与次数识别、健身分析、按计划的互动提醒、断食工具、健康数据整合，以及一个限定在健身领域内的AI教练。

保密说明：出于保密考虑，客户与公司名称已作更改或略去。工作内容、我的角色与项目范围均属实。

Approach

挑战与解决方案

注册流程需要把个人目标、偏好与身体扫描信息，转化为一份可执行的健身计划。

结合注册时的偏好、健身目标与身体扫描结果，支撑个性化的训练建议。

手机摄像头需要识别身体动作、评估训练姿态，并在训练过程中计数。

使用MediaPipe与OpenCV开发了一个Python程序，用于追踪身体关键点、计算动作角度、识别姿态并统计次数。

下一周的建议需要考虑训练完成情况、频率与既往表现，而不是重复一份固定的日程。

把训练的坚持度与每周计划调整联系起来，同时支持个性化餐食、断食、热量估算与食物扫描。

AI功能需要始终聚焦健身领域，同时在实际可用性与模型使用成本之间取得平衡。

为扫描与教练功能接入Google Gemini模型，将交互限定在应用的健身逻辑之内，并施加了实际的使用上限。

Technical Detail

移动端体验以Compose Multiplatform构建。NestJS与PostgreSQL支撑应用的接口与数据，Google Gemini模型驱动身体、饮食、计划与教练相关的体验。

实时动作识别由一个使用MediaPipe与OpenCV的专用Python程序完成。它解读身体关键点与关节角度，用以识别动作、对照预期的训练表现评估姿态，并统计次数。

作为项目负责人，我负责客户关系、每周演示、反馈翻译、技术规格、实施策略、团队协调，以及移动端、后端、AI与测试各项工作的交付督导。

Stack

客户反馈

这些AI功能让平台对独自锻炼的人来说更像一位私人教练，而不是又一个健身应用。每周的训练计划、次数统计、姿态提示，以及围绕这些AI体验设置的边界，是最让我们意外和印象深刻的部分。

客户名称保密

客户身份保密。本摘要来自客户向 Muhammad 与项目团队口头反馈的内容。

继续浏览

说说你正在做或想改进的东西，我来帮你找出务实的下一步。

讨论

还没有评论，来说说你的想法吧。