--- title: "健身营养 — 健身房训练计划与营养追踪" sidebar_label: "健身营养" description: "健身房训练计划与营养追踪" --- {/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */} # 健身营养 健身房训练计划与营养追踪。通过 wger 按肌肉、器械或类别搜索 690+ 个动作。通过 USDA FoodData Central 查询 380,000+ 种食物的宏量营养素和热量。纯 Python 计算 BMI、TDEE、单次最大重量（one-rep max）、宏量分配和体脂率——无需 pip 安装。适合增肌、减脂或只是想吃得更健康的用户。 ## Skill 元数据 | | | |---|---| | 来源 | 可选 — 通过 `hermes skills install official/health/fitness-nutrition` 安装 | | 路径 | `optional-skills/health/fitness-nutrition` | | 版本 | `1.0.0` | | 许可证 | MIT | | 平台 | linux, macos, windows | | 标签 | `health`, `fitness`, `nutrition`, `gym`, `workout`, `diet`, `exercise` | ## 参考：完整 SKILL.md :::info 以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。 ::: # 健身与营养 专业健身教练与运动营养师 skill。两个数据源加上离线计算器——健身者所需的一切尽在其中。 **数据源（全部免费，无 pip 依赖）：** - **wger** (https://wger.de/api/v2/) — 开放动作数据库，690+ 个动作，含肌肉、器械、图片信息。公开端点无需任何认证。 - **USDA FoodData Central** (https://api.nal.usda.gov/fdc/v1/) — 美国政府营养数据库，380,000+ 种食物。`DEMO_KEY` 可立即使用；免费注册可获得更高请求限额。 **离线计算器（纯标准库 Python）：** - BMI、TDEE（Mifflin-St Jeor 公式）、单次最大重量（Epley/Brzycki/Lombardi 公式）、宏量分配、体脂率（美国海军方法） --- ## 使用时机 当用户询问以下内容时触发此 skill： - 动作、训练、健身计划、肌肉群、训练分化 - 食物宏量、热量、蛋白质含量、饮食计划、热量计算 - 身体成分：BMI、体脂率、TDEE、热量盈余/赤字 - 单次最大重量估算、训练百分比、渐进超负荷 - 减脂、增肌或维持期的宏量比例 --- ## 操作流程 ### 动作查询（wger API） 所有 wger 公开端点返回 JSON，无需认证。动作查询始终添加 `format=json` 和 `language=2`（英语）。 **第一步 — 确认用户需求：** - 按肌肉 → 使用 `/api/v2/exercise/?muscles={id}&language=2&status=2&format=json` - 按类别 → 使用 `/api/v2/exercise/?category={id}&language=2&status=2&format=json` - 按器械 → 使用 `/api/v2/exercise/?equipment={id}&language=2&status=2&format=json` - 按名称 → 使用 `/api/v2/exercise/search/?term={query}&language=english&format=json` - 完整详情 → 使用 `/api/v2/exerciseinfo/{exercise_id}/?format=json` **第二步 — 参考 ID（避免额外 API 调用）：** 动作类别： | ID | 类别 | |----|-------------| | 8 | Arms | | 9 | Legs | | 10 | Abs | | 11 | Chest | | 12 | Back | | 13 | Shoulders | | 14 | Calves | | 15 | Cardio | 肌肉： | ID | 肌肉 | ID | 肌肉 | |----|---------------------------|----|-------------------------| | 1 | Biceps brachii | 2 | Anterior deltoid | | 3 | Serratus anterior | 4 | Pectoralis major | | 5 | Obliquus externus | 6 | Gastrocnemius | | 7 | Rectus abdominis | 8 | Gluteus maximus | | 9 | Trapezius | 10 | Quadriceps femoris | | 11 | Biceps femoris | 12 | Latissimus dorsi | | 13 | Brachialis | 14 | Triceps brachii | | 15 | Soleus | | | 器械： | ID | 器械 | |----|----------------| | 1 | Barbell | | 3 | Dumbbell | | 4 | Gym mat | | 5 | Swiss Ball | | 6 | Pull-up bar | | 7 | none (bodyweight) | | 8 | Bench | | 9 | Incline bench | | 10 | Kettlebell | **第三步 — 获取并展示结果：** ```bash # Search exercises by name QUERY="$1" ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$QUERY") curl -s "https://wger.de/api/v2/exercise/search/?term=${ENCODED}&language=english&format=json" \ | python3 -c " import json,sys data=json.load(sys.stdin) for s in data.get('suggestions',[])[:10]: d=s.get('data',{}) print(f\" ID {d.get('id','?'):>4} | {d.get('name','N/A'):<35} | Category: {d.get('category','N/A')}\") " ``` ```bash # Get full details for a specific exercise EXERCISE_ID="$1" curl -s "https://wger.de/api/v2/exerciseinfo/${EXERCISE_ID}/?format=json" \ | python3 -c " import json,sys,html,re data=json.load(sys.stdin) trans=[t for t in data.get('translations',[]) if t.get('language')==2] t=trans[0] if trans else data.get('translations',[{}])[0] desc=re.sub('<[^>]+>','',html.unescape(t.get('description','N/A'))) print(f\"Exercise : {t.get('name','N/A')}\") print(f\"Category : {data.get('category',{}).get('name','N/A')}\") print(f\"Primary : {', '.join(m.get('name_en','') for m in data.get('muscles',[])) or 'N/A'}\") print(f\"Secondary : {', '.join(m.get('name_en','') for m in data.get('muscles_secondary',[])) or 'none'}\") print(f\"Equipment : {', '.join(e.get('name','') for e in data.get('equipment',[])) or 'bodyweight'}\") print(f\"How to : {desc[:500]}\") imgs=data.get('images',[]) if imgs: print(f\"Image : {imgs[0].get('image','')}\") " ``` ```bash # List exercises filtering by muscle, category, or equipment # Combine filters as needed: ?muscles=4&equipment=1&language=2&status=2 FILTER="$1" # e.g. "muscles=4" or "category=11" or "equipment=3" curl -s "https://wger.de/api/v2/exercise/?${FILTER}&language=2&status=2&limit=20&format=json" \ | python3 -c " import json,sys data=json.load(sys.stdin) print(f'Found {data.get(\"count\",0)} exercises.') for ex in data.get('results',[]): print(f\" ID {ex['id']:>4} | muscles: {ex.get('muscles',[])} | equipment: {ex.get('equipment',[])}\") " ``` ### 营养查询（USDA FoodData Central） 优先使用 `USDA_API_KEY` 环境变量，否则回退到 `DEMO_KEY`。 DEMO_KEY = 每小时 30 次请求。免费注册密钥 = 每小时 1,000 次请求。 ```bash # Search foods by name FOOD="$1" API_KEY="${USDA_API_KEY:-DEMO_KEY}" ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$FOOD") curl -s "https://api.nal.usda.gov/fdc/v1/foods/search?api_key=${API_KEY}&query=${ENCODED}&pageSize=5&dataType=Foundation,SR%20Legacy" \ | python3 -c " import json,sys data=json.load(sys.stdin) foods=data.get('foods',[]) if not foods: print('No foods found.'); sys.exit() for f in foods: n={x['nutrientName']:x.get('value','?') for x in f.get('foodNutrients',[])} cal=n.get('Energy','?'); prot=n.get('Protein','?') fat=n.get('Total lipid (fat)','?'); carb=n.get('Carbohydrate, by difference','?') print(f\"{f.get('description','N/A')}\") print(f\" Per 100g: {cal} kcal | {prot}g protein | {fat}g fat | {carb}g carbs\") print(f\" FDC ID: {f.get('fdcId','N/A')}\") print() " ``` ```bash # Detailed nutrient profile by FDC ID FDC_ID="$1" API_KEY="${USDA_API_KEY:-DEMO_KEY}" curl -s "https://api.nal.usda.gov/fdc/v1/food/${FDC_ID}?api_key=${API_KEY}" \ | python3 -c " import json,sys d=json.load(sys.stdin) print(f\"Food: {d.get('description','N/A')}\") print(f\"{'Nutrient':<40} {'Amount':>8} {'Unit'}\") print('-'*56) for x in sorted(d.get('foodNutrients',[]),key=lambda x:x.get('nutrient',{}).get('rank',9999)): nut=x.get('nutrient',{}); amt=x.get('amount',0) if amt and float(amt)>0: print(f\" {nut.get('name',''):<38} {amt:>8} {nut.get('unitName','')}\") " ``` ### 离线计算器 对批量操作使用 `scripts/` 中的辅助脚本，或内联运行单次计算： - `python3 scripts/body_calc.py bmi ` - `python3 scripts/body_calc.py tdee ` - `python3 scripts/body_calc.py 1rm ` - `python3 scripts/body_calc.py macros ` - `python3 scripts/body_calc.py bodyfat [hip_cm] ` 各公式的科学依据详见 `references/FORMULAS.md`。 --- ## 注意事项 - wger 动作端点默认返回**所有语言**——始终添加 `language=2` 以获取英语内容 - wger 包含**未经验证的用户提交内容**——添加 `status=2` 仅获取已审核动作 - USDA `DEMO_KEY` 限制**每小时 30 次请求**——批量请求之间添加 `sleep 2`，或申请免费密钥 - USDA 数据基于 **每 100g**——提醒用户按实际份量换算 - BMI 无法区分肌肉与脂肪——肌肉量大的人 BMI 偏高不一定不健康 - 体脂率公式为**估算值**（误差 ±3-5%）——精确测量建议使用 DEXA 扫描 - 单次最大重量公式在超过 10 次重复时准确性下降——建议使用 3-5 次重复组进行估算 - wger 的 `exercise/search` 端点参数名为 `term` 而非 `query` --- ## 验证 运行动作搜索后：确认结果包含动作名称、肌肉群和器械信息。 营养查询后：确认返回每 100g 的宏量数据，包含 kcal、蛋白质、脂肪、碳水化合物。 计算器运行后：对输出进行合理性检查（例如，大多数成年人的 TDEE 应在 1500-3500 之间）。 --- ## 快速参考 | 任务 | 数据源 | 端点 | |------|--------|----------| | 按名称搜索动作 | wger | `GET /api/v2/exercise/search/?term=&language=english` | | 动作详情 | wger | `GET /api/v2/exerciseinfo/{id}/` | | 按肌肉筛选 | wger | `GET /api/v2/exercise/?muscles={id}&language=2&status=2` | | 按器械筛选 | wger | `GET /api/v2/exercise/?equipment={id}&language=2&status=2` | | 列出类别 | wger | `GET /api/v2/exercisecategory/` | | 列出肌肉 | wger | `GET /api/v2/muscle/` | | 搜索食物 | USDA | `GET /fdc/v1/foods/search?query=&dataType=Foundation,SR Legacy` | | 食物详情 | USDA | `GET /fdc/v1/food/{fdcId}` | | BMI / TDEE / 单次最大重量 / 宏量 | 离线 | `python3 scripts/body_calc.py` |