用 AI 分析 Peloton 数据：能问什么，能得到什么答案

Peloton 原生应用在每次骑行时已经给了你不少信息:输出功率图、排行榜名次、不断更新的个人纪录列表,以及你一下车就能看到的整洁总结界面。但它没有给你的是推理判断。它没法用一句话告诉你,你的平均输出这个月是否真的提升了;一连串出色的骑行到底是真正的体能提升,还是排行榜上三天的运气好;或者周四那次糟糕的骑行,是不是和你周三晚上的睡眠有关。这些问题每一个都需要你自己翻回一次次单独的骑行记录,手动做比较。

一旦你的骑行记录连接到Wellness Project,你就可以直接向AI教练提问。Claude或ChatGPT能在一个回答里综合数周甚至数月的功率、踏频和阻力数据,就像教练翻阅你的训练日志一样,而且不需要你导出任何东西或手动画图表。Peloton App是用来展示一次骑行的,而AI教练是用来告诉你这一次骑行,以及之前二十次骑行,究竟意味着什么。

一旦Peloton连接完成,这些就是你可以直接输入Claude或ChatGPT的问题类型。除了最初的连接之外,不需要任何额外设置。

"这个月我的平均输出功率在上升吗？" 会给出真实的趋势,比如你45分钟骑行的平均总输出在过去四周内上升了8%,而不是简单的是或否。 "我提升的是阻力还是只有踏频？" 把构成输出的两个数字拆开,告诉你到底是哪一个在真正推动你的进步,这是 Peloton 输出图表从来不会为你区分的。 "哪种骑行类型会让我心率最高？" 按课程类型对比你记录的骑行数据，给出排名结果，功率区间骑行、爬坡骑行和间歇骑行两两对比。

"我周二的功率区间骑行和四周前相比怎么样？" 会调取这两次具体的骑行记录,并列出输出功率、平均心率和阻力的差值,这种周对周的对比通常需要你自己打开两份骑行摘要手动计算。 "这周我该加一次恢复骑行吗？" 将你近期的训练输出趋势与已记录的睡眠和恢复数据进行权衡,给出具体建议,而不是泛泛地提醒你休息。

好的回答总是具体的:从你记录的骑行数据中提取的真实数字、明确说明的趋势方向,通常还会给出关于下一次骑行的具体建议,而不是一句关于坚持很重要的套话。

输出功率、踏频和阻力并不是三个孤立的数字,它们共同讲述一个故事,而 AI 教练把多次骑行放在一起解读,能发现单次骑行汇总看不出来的东西。心率稳定的情况下输出功率上升,是体能进步的明确信号,说明你用同样的心血管代价做了更多的功。而阻力不变、踏频却在上升,通常意味着遇到了瓶颈:你只是蹬得更快,而不是真正更用力,这种情况下输出数字看起来平稳,实际训练刺激却在悄悄下降。

长距离骑行后段出现的心率漂移，也就是输出功率和踏频保持稳定的情况下心率却慢慢升高，是一个值得留意而非忽视的疲劳信号。Jamie Reyes 教练以及专注耐力和恢复的教练们，能自动在你的骑行历史中捕捉到这类模式，并转化为具体建议：这周可以安排一次功率区间骑行，因为你的输出和心率反应都显示还有提升空间；或者安排一次Zone 2恢复骑行，因为最近三次骑行都出现了漂移，而且你记录的睡眠一直不足。同样的推理也适用于你不骑车的日子，能看到你骑行数据的 AI 教练也能看到你的举重记录，并在高强度腿部训练日侵蚀你的骑行输出时发出提醒，这种排期冲突是一 力量训练计划 在你的骑行记录旁边一同构建就能解决。

因为 Peloton 是通过中转同步 Apple Health 或Google Health Connect,你的骑行数据会与从Oura拉取的HRV、睡眠和静息心率处于同一时间线上, Fitbit，或 Apple Watch。正是这一条统一的时间线，才让复合式问题成为可能： "周四输出功率低是不是因为周三晚上睡眠不足？" 会调取同一24小时窗口内的骑行数据和睡眠记录,直接给你答案,比如睡眠只有四个半小时(平时是七小时),该类骑行的输出功率比你的滚动平均值低12%。

单一App的视角根本无法回答这个问题。Peloton App不知道你几点入睡,睡眠追踪App也不知道你周四那次骑行的输出功率。因为这两个数字已经都存在于同一份Wellness Project历史记录中,AI不需要有人告诉它这之间存在关联,你一问它就能自己找出来。