SelfTrain（自练收藏）｜AI 视频分析与自主健身小程序

技术信息

语言技术
Python、postgres、Docker、TypeScript、小程序系统类型
小程序轻应用、算法模型行业分类
内容平台

作品详情

行业场景

SelfTrain 是一款面向有一定健身基础、希望脱离私教后实现自主训练的 AI Native 微信小程序。

针对健身用户普遍存在的训练计划难以持续、收藏视频无法有效利用、训练记录分散和进步情况不清晰等问题，产品将 AI 视频内容分析与自主训练管理相结合。

用户可以收藏感兴趣的健身内容，通过 AI 辅助整理动作信息，再结合训练目标、个人状态和历史记录组织训练计划，让收藏的知识真正转化为日常可执行的训练。

功能介绍

**1. AI 分析收藏健身视频**

围绕用户收藏或分享的训练视频，利用 AI 辅助理解视频内容，提取动作名称、训练部位、器械、动作顺序等信息，并转换为结构化、可编辑的训练素材。

**2. 从视频收藏到训练计划**

针对收藏内容设计动作整理、用户确认与训练计划关联流程，使用户不仅能够保存训练灵感，还能够将合适的动作整合到实际训练安排中。AI 识别与加入训练的体验仍在持续优化。

**3. 自主训练计划管理**

根据训练目标、每周安排、可用时间及当天状态组织训练内容，帮助用户合理规划自主训练。

**4. 训练执行与数据记录**

支持按动作和组次执行训练，记录训练重量、重复次数、主观运动强度等信息，并保留训练完成情况。

**5. 历史记录与训练复盘**

通过历史训练数据回顾动作表现和训练完成情况，为后续训练安排提供参考，形成从计划、执行到反馈的完整闭环。

产品已经上线微信小程序，并持续根据真实训练体验优化交互流程和 AI 能力。

项目实现

独立负责 SelfTrain 的产品定位、用户需求研究、功能规划、业务规则设计、UI/UX 交互设计、小程序研发、AI 分析流程集成、云端部署及持续迭代。

产品围绕微信小程序、后端 API、训练数据管理和 AI 内容分析服务构建。核心设计思路是将 AI 用于理解非结构化视频内容，而将训练动作校验、执行状态和历史数据交由程序规则及用户确认管理。

在产品设计上，重点解决 AI 分析结果如何转化为可靠、可编辑、可执行的训练数据，而不是简单地通过 AI 生成训练建议。

**项目成果：** 已完成自主训练计划、训练执行和记录复盘等核心产品闭环，并持续优化视频收藏、AI 内容结构化及训练计划整合能力，体现了将 AI 技术融入真实用户场景的产品设计和独立交付能力。