KeepProject — AI 投篮动作识别与个性化训练建议系统产品系统Vibe Coding

个人篮球训练长期依赖"自己感觉"或教练偶尔点评，缺乏定量、可追溯、可对比的动作数据。本项目用 YOLO 姿态检测 + 生物力学规则引擎 + LLM 建议，把一段普通手机视频自动转化为"手肘动力链+举球高度+下肢发力"的 5 维诊断报告，并匹配 NBA 球星模板，为篮球训练提供可量化的 AI 教练。（已被KEEP app采纳使用，已申请专利与软著）

6 大功能模块：（1）视频管理，支持 MP4/AVI 上传删除列表、智能分类、实时骨骼连线标注与角度叠加；（2）骨骼识别，YOLO 17 关键点检测、MySQL 持久化、CSV 角度时序导出；（3）角度/动力链计算，手肘、膝、肩等多关节 5 维追踪与 NBA 球星模板匹配；（4）AI 建议，规则引擎+可选 Qwen LLM 生成个性化改进建议；（5）历史追溯，视频+识别+建议联表，时间/动作多维度筛选；（6）WebSocket 实时推流 + MySQL/Redis/MCP 健康监控 + 结构化 Zap 日志。前端 Vue3+TS+Element Plus，后端 Go+Gin+GORM+Redis，算法服务 Python FastAPI+远程 YOLO API。

负责 Go 后端 WebServer（Gin+GORM+Redis+JWT）、四服务架构编排、YOLO API 远程调用封装、规则引擎角度计算、WebSocket 实时推流；亮点是 MCP 协议解耦算法服务 + 远程 GPU YOLO API 支持多人共享；难点是动作片段自动提取（过滤无效帧）、17 关键点的 5 维动力链诊断逻辑设计、MySQL/Redis 双库联表追溯查询。