AI-KeepFit

今天怎么练。

你不缺数据。
你缺一个今天的答案。

AI-KeepFit 最新 Today 界面,展示今日训练、有氧和教练建议

01 / The beginning

我已经记录得够多,
却还是不知道今天怎么做。

训练、饮食、体重和围度都已经有数据,但真正站到器械前时,仍然要自己判断:进阶、维持、降载,还是休息?

Role产品规划 · UX/UI · AI 共创
Type个人 AI 健身教练
StageV1 · 可运行 MVP
PlatformWeb / PWA · 移动优先
Year2026

AI-KeepFit 的起点不是“我想做一个 AI 应用”,而是一个每天都会遇到的真实问题:数据被记录了,却没有变成行动。

一句话产品定义

每天打开 30 秒,
知道今天怎么练、怎么吃,
以及为什么。

Today首屏只回答今天
Read-onlyV1 不擅自改动外部数据
Explainable每条建议都给出依据

02 / Product experience

先看行动,
再看数据。

01 / TODAY

一眼看懂,
今天做什么。

训练、有氧、饮食和准备度被收敛为今天的行动。首屏不做传统健身数据大屏。

02 / WHY

不只给建议,
还要讲清依据。

数据完整度、体重趋势、力量表现和营养缺口被明确呈现。证据不足时,系统必须降低置信度。

03 / PROGRESS

不被单日波动带走。

进展页聚焦 7 日均值、训练表现和阶段目标。用趋势支撑调整,不用某一天的体脂数字制造焦虑。

AI-KeepFit 最新 Today 界面 AI-KeepFit 最新建议依据界面 AI-KeepFit 最新进展分析界面
TODAY · ACTION FIRST

03 / Mobile first

每天的答案,
应该随身可见。

健身决策真正发生在通勤路上、厨房里和器械旁。因此界面从一开始就按拇指可达、快速扫读和单手操作来组织。

04 / Decision architecture

AI 负责解释。
不替规则做判断。

最关键的架构判断,是不把所有数据丢给大模型。确定性计算与决策留在可验证的系统里,模型只负责把结论讲清楚。

01

数据源

训练、饮食、身体数据提供事实

02

程序计算

趋势、训练量、热量与完整度

03

规则决策

进阶、维持、降载、休息或观察

04

模型解释

翻译为自然语言,支持追问与回顾

05 / My contribution

我做的不只是界面。
而是一个可运行的闭环。

01 / PRODUCT

先定义问题,
再决定做什么。

我把 V1 收敛为一个真实用户、一个每日闭环和四个主入口,明确不重做训练与饮食记录器。

产品定义MVP 取舍信息架构验收标准
02 / DECISION

把“决策”与
“表达”分开。

建立 Analytics Engine 与 Decision Engine,让结论可测试、可追溯、可降级。

03 / EXPERIENCE

先给行动,
再允许深入。

完成 Today、Coach、Progress 与 Settings 的 UX/UI,并持续用真实数据修正信息层级。

Mobile first渐进披露可解释性
04 / AI COLLABORATION

把 PRD 变成
人与 AI 的共享上下文。

不是让 AI 一次生成应用,而是持续提供目标、边界、数据契约与验收标准,用每一轮可运行结果校正方向。

06 / Built for action

建议的终点,
是被执行。

TRAINING WRITEBACK

带着方案
走进今天的训练。

训练建议先生成写入预览,用户确认后才更新训练计划。

WEIGH & EAT

下一餐,
直接告诉你怎么称。

用确定性营养表与组合搜索,把宏量营养目标转换为真正可以准备的食物份量。

COACH WITH EVIDENCE

它会回答,
但不会瞎猜。

对话围绕当前数据与已确定的行动,缺少证据时明确说明限制。

07 / Outcome & learning

从一个人的问题,
到一个真正运行的产品。

30s

产品价值被压缩到一个每日瞬间

用户打开首页就能理解今天的主要行动,不再自己解读数据。

4

确定性与 AI 各司其职的决策层

事实、计算、规则和表达被拆开,让结果更可靠、可追溯。

1→∞

从首位真实用户开始的完整闭环

先服务一个真实目标,再把被验证的判断、边界和结构沉淀为可复用产品能力。

我收获了什么

Vibe coding 的起点不是 prompt,而是一个足够清楚、可以被验证的产品判断。当目标、边界和验收标准足够明确,AI 才会成为真正的共创者。

AI-KeepFit · V1

理解现在。
指导今天。
调整下一步。