复制给 AI:下周训练先别排,先做这份上下文检查

有时候，AI 给出的训练建议不靠谱，不是因为它不聪明。

是因为你给它的信息太少。

你只给一句“帮我安排下周训练”，它当然只能从通用模板里猜。

下次换个问法。

先让它检查上下文，再谈怎么练。

你可以把这张卡保存下来。

真正有用的 AI 训练助手，至少要先看到：

这里的训练负荷，在 StrongTri 平台里对应 STL。你不用把它当成复杂公式，先把它当成“这节课和这一周到底有多重”的读数。

请先不要直接给我下周训练计划。

请你先检查我的训练上下文是否足够。

我会提供：
1. 我的项目和目标赛事；
2. 当前阈值：心率、功率、配速或游泳 CSS；
3. 最近 7-14 天训练完成情况；
4. 当前训练负荷、长期负荷、短期负荷和平衡；
5. 下周可训练时间和已有课表；
6. 已有课程库或计划库；
7. 我的主观反馈。

请你先输出：
- 哪些信息足够；
- 哪些信息缺失；
- 哪些地方需要人工确认；
- 是否适合进入排课；
- 如果不适合，先补哪一步。

注意：
不要替我做最终训练决定。
请把建议分成“可执行草案”和“需要人工确认”两部分。
如果涉及写入课表、设备同步、修改阈值，请先 dry-run，不要直接执行。

如果你已经在 StrongTri 里有课表、课程库、计划库和训练数据，可以在提示词后面补一句：

请优先读取 StrongTri 里的阈值、课表、训练负荷、课程库和计划库上下文。
如果信息不完整，先列出缺口。
如果要布置训练或调整计划，先 dry-run，并把需要我确认的地方列出来。

这句话很重要。

它会把 AI 从“自由发挥”拉回训练现场。

不要把账号、手机号、密码、未脱敏截图发给任何 AI。

不要让 AI 在没有阈值的情况下直接给强度。

不要让 AI 把未来课表当成已经完成的训练。

不要让 AI 直接修改阈值、写入课表或触发设备同步。

比较舒服的做法是：

这也是 StrongTri 后面会持续做的方向：让课程库、计划库、阈值、训练负荷和团队知识，变成 AI 能读得懂的训练上下文。

你可以用自己习惯的 Agent 工具。Kimi、龙虾、Claude、Codex 这类生产力工具都可以成为入口。

StrongTri 更像训练现场的资料柜和工具箱。

把训练数据和训练资产整理好，AI 才不用凭感觉排课。