Token导航 LogoToken导航

Agent Skill · 效率

airunningcoach(airunningcoach 分析)

airunningcoach 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

airunningcoach 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 8,940。

总安装 6,545周安装 270GitHub Stars 1下载 2,138核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.1

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:airunningcoach(airunningcoach 分析)
来源仓库:https://github.com/kinsonhu123-mkll/airunningcoach
安装命令:
openclaw skills install airunningcoach
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install airunningcoach

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

AI 跑步教练 - 基于 VDOT 理论和周期化训练的专业马拉松训练指导。使用场景:制定马拉松/半马训练计划、分析跑步数据(TCX/GPX)、计算配速/心率区间、比赛策略制定、训练问题咨询、伤病预防建议。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install airunningcoach;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

airunningcoach 怎么安装?

在终端执行 openclaw skills install airunningcoach。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

airunningcoach 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

airunningcoach 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

airunningcoach 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

airunningcoach 用的人多吗?

公开数据是累计安装 6,545 次,近一周安装 270 次,下载 2,138 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

airunningcoach 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
airunningcoach

airunningcoach 分析 · 本页

6,5451只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
ai-running-coach
description
AI 跑步教练 - 基于 VDOT 理论和周期化训练的专业马拉松训练指导。使用场景:制定马拉松/半马训练计划、分析跑步数据(TCX/GPX)、计算配速/心率区间、比赛策略制定、训练问题咨询、伤病预防建议。

AI 跑步教练技能

专业的马拉松训练指导,基于 Jack Daniels VDOT 理论和极化训练原则。


核心功能

功能说明触发示例
训练计划制定生成个性化周期化训练计划"帮我制定破 3 训练计划"
配速/心率计算基于 VDOT 计算各区间配速和心率"破 3 需要什么配速"
跑步数据分析解析 TCX/GPX 文件,分析训练表现"分析我今天的跑步数据"
比赛策略制定制定比赛配速和补给策略"全马比赛怎么配速"
训练问题咨询回答训练方法、伤病预防等问题"间歇跑怎么练"
成绩预测基于训练数据预测比赛成绩"我能跑多少"

工作流程

1. 训练计划制定

触发: 用户提到"训练计划"、"马拉松"、"备赛"等

步骤:

  1. 收集信息(如未提供):

- 当前 PB 或最近比赛成绩 - 目标赛事和目标时间 - 当前周跑量和训练频率 - 年龄、体重(可选) - 伤病史(可选)

  1. 计算 VDOT:
   python scripts/calculate_pace.py --race-time <分钟数> --distance 42.195
  1. 生成计划:
   python scripts/generate_plan.py --current-pb <HH:MM> --target <HH:MM> --weeks 24 --weekly-km <跑量>
  1. 输出计划:

- 阶段划分(基础期、强化期、巅峰期、减量期) - 周训练安排(含配速、心率区间) - 关键训练课说明

参考: references/training-zones.md、references/workout-types.md


2. 配速/心率区间计算

触发: 用户询问配速、心率区间、VDOT 等

步骤:

  1. 确定输入:

- 如有比赛成绩:用成绩计算 VDOT - 如有 VDOT:直接使用 - 如有最大心率/静息心率:计算心率区间

  1. 计算:
   # 基于比赛成绩
   python scripts/calculate_pace.py --race-time 218 --distance 42.195 --max-hr 196 --resting-hr 55
   
   # 基于 VDOT
   python scripts/calculate_pace.py --vdot 44 --max-hr 196
  1. 输出:

- 各配速区间(E/M/T/I/R) - 各心率区间(Z1-Z5) - 对应训练用途说明

参考: references/training-zones.md


3. 跑步数据分析

触发: 用户上传 TCX/GPX 文件或询问训练数据分析

步骤:

  1. 解析文件:
   python scripts/analyze_run.py <文件路径> --output json
  1. 分析内容:

- 总距离、总时间、平均配速 - 平均心率、最大心率 - 平均步频 - 心率区间分布 - 配速稳定性

  1. 给出建议:

- 训练强度是否合适 - 心率是否偏高/偏低 - 改进建议

参考: references/training-zones.md、references/workout-types.md


4. 比赛策略制定

触发: 用户询问比赛配速、补给策略、赛前准备等

步骤:

  1. 收集信息:

- 目标赛事和目标时间 - 当前训练水平(PB、最近训练配速) - 比赛地点和天气(可选)

  1. 制定策略:

- 配速策略(匀速/负分割) - 补给计划(胶、盐丸、水) - 赛前一周安排 - 比赛日清单

  1. 输出:

- 各公里点目标时间 - 补给时机 - 心理策略

参考: references/race-strategies.md


5. 训练问题咨询

触发: 用户询问训练方法、伤病、装备等

处理:

  1. 判断问题类型:

- 训练方法 → 参考 references/workout-types.md - 心率/配速 → 参考 references/training-zones.md - 比赛策略 → 参考 references/race-strategies.md

  1. 给出专业回答:

- 基于跑步科学理论 - 结合用户实际情况 - 提供可执行建议


脚本说明

calculate_pace.py

功能: 配速和心率区间计算

参数:

  • --vdot:VDOT 值
  • --race-time:比赛时间(分钟)
  • --distance:比赛距离(公里,默认 42.195)
  • --max-hr:最大心率
  • --resting-hr:静息心率
  • --output:输出格式(json/text)

示例:

python scripts/calculate_pace.py --race-time 218 --distance 42.195 --max-hr 196 --output json

analyze_run.py

功能: TCX/GPX 数据分析

参数:

  • file:文件路径(必填)
  • --output:输出格式(json/text)

示例:

python scripts/analyze_run.py run.tcx --output json

generate_plan.py

功能: 马拉松训练计划生成

参数:

  • --current-pb:当前 PB(HH:MM 或分钟数)
  • --target:目标时间(HH:MM 或分钟数)
  • --weeks:训练周期(周,默认 24)
  • --weekly-km:当前周跑量(默认 300)
  • --output:输出格式(json/text)

示例:

python scripts/generate_plan.py --current-pb 3:38 --target 3:00 --weeks 24 --weekly-km 300

关键理论

VDOT 理论(Jack Daniels)

  • 基于比赛成绩量化跑步能力
  • 提供 5 个配速区间(E/M/T/I/R)
  • 科学指导训练强度

极化训练(80/20 法则)

  • 80% 低强度(Z1-Z2)
  • 20% 高强度(Z4-Z5)
  • 避免"垃圾跑量"

周期化训练

  • 基础期:有氧基础
  • 强化期:阈值 + 间歇
  • 巅峰期:马拉松配速 + 最长 LSD
  • 减量期:恢复 + 保持

注意事项

  1. 个体差异:公式计算是参考,需结合个人感受调整
  2. 循序渐进:周跑量增幅不超过 10%
  3. 恢复优先:感觉疲劳时优先休息
  4. 伤病预警:持续疼痛应停止训练并就医
  5. 数据局限:TCX/GPX 解析依赖文件格式,部分数据可能缺失

参考文档

  • references/training-zones.md - 训练区间定义
  • references/workout-types.md - 训练课类型详解
  • references/race-strategies.md - 比赛策略指南

平台分布

OpenClaw

70.25%
按下载量换算1,502

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills