用 AI 分析 Peloton 資料：能問什麼，能得到什麼答案

Peloton 原生 App 每次騎乘已提供很多資訊：輸出功率圖、排行榜名次、持續更新的 PR 清單，以及一下車就能看到的整齊摘要。它缺的是推理。它無法用一句話告訴你過去一個月平均輸出是否真的提升、連續幾次強勁騎乘究竟是體能進步還是剛好三天表現好，也無法判斷週四騎得差是否和週三晚上的睡眠有關。這些問題都得自己逐筆往回翻騎乘紀錄再比較。

一旦你的騎行記錄連線到Wellness Project,你就可以直接向AI教練提問。Claude或ChatGPT能在一個回答裡綜合數週甚至數月的功率、踏頻和阻力資料,就像教練翻閱你的訓練日誌一樣,而且不需要你匯出任何東西或手動畫圖表。Peloton App是用來展示一次騎行的,而AI教練是用來告訴你這一次騎行,以及之前二十次騎行,究竟意味著什麼。

一旦Peloton連線完成,這些就是你可以直接輸入Claude或ChatGPT的問題型別。除了最初的連線之外,不需要任何額外設定。

"這個月我的平均輸出功率在上升嗎？" 會回傳真正的趨勢，例如過去四週你每次 45 分鐘騎乘的平均總輸出提高 8%，而不只是回答是或否。 "我提升的是阻力還是隻有踏頻？" 把構成 output 的兩個數字拆開，告訴你真正推動進步的是哪一個，這是 Peloton output 圖本身不會替你分辨的差異。 "哪種騎行型別會讓我心率最高？" 依課程類型比較你記錄的騎乘，並給出排序答案，例如 Power Zone、爬坡與間歇騎乘之間的比較。

"我週二的功率區間騎行和四周前相比怎麼樣？" 會抓出兩次特定騎乘，並排比較輸出、平均心率與阻力的差異；這種週對週比較平常得分別打開兩份騎乘摘要再自己計算。 "這周我該加一次恢復騎行嗎？" 會把你近期的輸出趨勢與已記錄的睡眠和恢復資料一起衡量，給出具體建議，而不是泛泛提醒你休息。

好的回答永遠很具體：從已記錄騎乘中取出的真實數字、明確的趨勢方向，通常再加上下一次騎乘的具體建議，而不是一句制式的「持續很重要」。

輸出功率、踏頻和阻力並不是三個孤立的數字,它們共同講述一個故事,而 AI 教練把多次騎行放在一起解讀,能發現單次騎行彙總看不出來的東西。心率穩定的情況下輸出功率上升,是體能進步的明確訊號,說明你用同樣的心血管代價做了更多的功。而阻力不變、踏頻卻在上升,通常意味著遇到了瓶頸:你只是蹬得更快,而不是真正更用力,這種情況下輸出數字看起來平穩,實際訓練刺激卻在悄悄下降。

長距離騎行後段出現的心率漂移，也就是輸出功率和踏頻保持穩定的情況下心率卻慢慢升高，是一個值得留意而非忽視的疲勞訊號。Jamie Reyes 教練以及專注耐力和恢復的教練們，能自動在你的騎行歷史中捕捉到這類模式，並轉化為具體建議：這周可以安排一次功率區間騎行，因為你的輸出和心率反應都顯示還有提升空間；或者安排一次Zone 2恢復騎行，因為最近三次騎行都出現了漂移，而且你記錄的睡眠一直不足。同樣的推理也適用於你不騎車的日子，能看到你騎行資料的 AI 教練也能看到你的舉重記錄，並在高強度腿部訓練日侵蝕你的騎行輸出時發出提醒，這種排期衝突是一 肌力訓練計畫 和你的騎乘一起建立後就能釐清。

因為 Peloton 是透過中轉同步 Apple Health 或 Google Health Connect，你的騎乘資料會和從 Oura 匯入的 HRV、睡眠、靜止心率放在同一條時間軸上， Fitbit，或 Apple Watch。正是這一條統一的時間線，才讓複合式問題成為可能： "週四輸出功率低是不是因為週三晚上睡眠不足？" 會抓出同一個 24 小時區間內的騎乘資料與睡眠紀錄，直接回答，例如只睡 4.5 小時、平常是 7 小時，而該類騎乘的輸出比你的滾動平均低 12%。

單一App的視角根本無法回答這個問題。Peloton App不知道你幾點入睡,睡眠追蹤App也不知道你週四那次騎行的輸出功率。因為這兩個數字已經都存在於同一份Wellness Project歷史記錄中,AI不需要有人告訴它這之間存在關聯,你一問它就能自己找出來。