tri-coach
tri-coach 是一个本地、自托管的三项运动（铁人三项）训练 RAG 系统和课表生成工具。它整合了经过验证的训练知识、骑行/跑步/游泳计划规则、补给模板和教练逻辑，提供可检索、可验证、可扩展的本地推理管道。
Ficha actualizada 23 sept 2026, 10:35 · upstream 23 sept 2026, 10:18 · release sin release detectada
Qué es tri-coach
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
tri-coach 是一套本地铁三知识库和课表生成原型系统。它将已认证的训练知识、骑行/跑步/游泳计划制定规则、营养补给方案和历史教练计划逻辑整合成统一的本地 RAG（检索增强生成）流水线，支持从原始数据到最终训练计划的完整闭环。
核心设计包括： - 分层知识库架构：基础训练科学、专项技术、周期化原则等模块； - 模块化课表引擎：骑行计划作为主干，通过协调器动态整合跑步、游泳和brick（铁三）环节； - 智能预检机制：每日出发前自动检查体能状态、装备准备和路线可行性； - 历史逻辑校验：基于过往比赛数据的教练计划一致性验证。
系统采用本地向量数据库存储训练知识，支持增量更新和动态检索。所有数据在本地处理，不上传至外部平台，确保隐私和安全。
适用场景包括：个人铁三爱好者、俱乐部教练、团队训练管理者以及需要结构化训练计划的运动爱好者。
- 为个人或团队制定周期化的铁三项训练计划（包含骑行、跑步、游泳和brick环节）
- 每日出发前的体能预检，自动识别疲劳风险并建议调整训练强度
- 基于历史比赛数据的教练计划逻辑一致性校验，防止过度训练或恢复不足
- 将非结构化笔记（如健身房记录、营养日记）转化为可检索的训练知识
- 为不同水平的铁三爱好者提供个性化的补给和装备推荐方案
- 作为俱乐部或团队管理系统的核心模块，统一协调各队员的训练进度
- 采用本地向量数据库存储训练知识，数据不出本地环境，隐私性高
- 模块化设计支持增量更新，新增训练科目（如越野跑）只需扩展对应模块
- 内置医疗安全边界机制，对结构性疼痛和关节不稳问题提供拒答指引
- 支持从 Garmin Connect 等运动设备直接导入骑行数据并生成预检计划
- 提供本地对话界面，用户可直接与训练系统交互并获得引用来源的解答
- 包含完整的评估体系（eval_*.py），可量化验证 RAG 模块和课表引擎的质量
- 依赖外部向量数据库服务（如 Ollama）进行检索，本地部署时无法使用私有知识库
- 训练计划的最终责任仍在于使用者本人或教练，系统仅提供逻辑辅助而非医疗建议
- 对非结构化输入的处理能力有限，复杂情况下的推理准确性可能下降
- 当前支持骑行、跑步、游泳和铁三整体计划，未包含其他运动类型（如越野跑、公路自行车）
- 依赖特定训练知识库的更新频率，若知识库未及时同步则可能导致建议滞后
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
使用 Docker Compose 部署：docker-compose up -d tri_coach rag answer chat_ui bike_plan orchestrator ironman_logic_check evals ,本地运行需要安装 Python 3.8+、SQLite 向量库（如 faiss）和 Ollama 模型服务,建议将 .env 文件中的 API 密钥和环境变量配置到安全存储位置，避免硬编码,首次部署前请确保已安装必要的依赖：pip install -r requirements.txt ,对于生产环境，建议添加监控告警机制（如向量检索延迟、生成响应超时），并设置合理的知识库更新频率
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.