跑步教練：把 Garmin 資料變成自己的跑步儀表板

為什麼要做這個作品

把 Garmin、HRV、訓練負荷和天氣資料收進同一個跑步工作台，讓今天該照課表、降量還是休息變得更好判斷。

Garmin 資料很多，但分散，而且數據不好解讀。它會告訴我今天跑了幾公里、平均心率多少、訓練效果如何，但我真正想知道的是：今天到底該怎麼練？

以前我會在 Garmin App、筆記、工具網站和 AI 對話之間來回看。每個地方都能回答一小段問題，但很難把它們串成完整判斷。

我想要的是一個自己的跑步工作台：把跑力趨勢、心率配速、準備度、訓練負荷、天氣和課表放在一起看。它不需要取代專業教練，也不應該直接替我做所有決定，但它可以幫我把資料整理到足夠清楚，讓我更知道該照課表、降量，還是先休息。

這就是 running-app 的起點。

總覽頁把跑力、週跑量、心率區間與訓練負荷放在同一個畫面，不用在 Garmin、筆記和工具網站之間來回切換。

用到的工具與架構

這是一個本機優先的跑步資料分析儀表板，用 AI Agent 協作整理 Garmin 跑步紀錄、HRV、訓練負荷、VDOT、心率區間與天氣資料，幫我把分散在 Garmin、筆記與訓練工具裡的資訊集中成一個可視化工作台。

它可以追蹤跑力趨勢、心率配速、準備度與訓練負荷，也能用 AI 協助解讀近期訓練狀態、規劃課表，最後把確認後的課表推送到 Garmin 手錶。

這個作品的資料與方法主要參考：

• Garmin / Garmin Connect：跑步紀錄、GPS、配速、心率、HRV、訓練效果與手錶訓練流程。
• Garmin Forerunner 965：實際配戴與課表執行裝置。
• LifeOS 健康紀錄：歷史 workouts CSV、每日資料與個人訓練設定。
• Paceriz：參考跑步訓練 App 如何把資料做成分析中控台。
• ctyeh 跑步工具站：參考訓練工具、公式整理與研究實證的呈現方式。
• RunningQuotient / RQ、Jack Daniels VDOT、Karvonen 心率儲備法：作為跑力、心率區間與訓練強度解讀的依據。
• Open-Meteo、中央氣象署、WBGT、露點、Strava GAP：補上天氣、熱壓力與坡度配速相關資料。

flowchart TD
    A["Garmin 跑步紀錄與 HRV"] --> B["本機 running-app API"]
    C["LifeOS 健康紀錄與 workouts CSV"] --> B
    D["天氣與訓練方法資料"] --> B
    B --> E["圖表與準備度分析"]
    B --> F["訓練工具箱"]
    B --> G["AI 協助解讀"]
    G --> H["課表草稿"]
    H --> I{"確認後是否推送？"}
    I -->|是| J["Garmin 手錶"]
    I -->|否| K["保留在本機計畫頁"]

以前怎麼做／現在怎麼做

以前的做法很分散。

一開始我直接使用 Garmin 預設的課表，但課表強度完全超出自己可以承受的負荷，以致於訓練效果不佳。如果要了解訓練效果，還要把 Garmin 的數據截圖，另外整理跑步心得，去問 AI。這樣做不是不行，但每次都很碎，也很容易只看單一數字，忘記把恢復、訓練負荷和目標賽事放在一起判斷。

現在我把這些資料集中到本機儀表板。

總覽頁先回答「最近狀態怎樣」。準備度分析回答「今天適合照課表、降量還是休息」。訓練負荷頁看 CTL、ATL、TSB 和週負荷變化。心率與配速頁看有氧效率和不同強度下的身體反應。

準備度分析把速度、耐力、比賽適能、訓練負荷與恢復狀態拆成評分卡，用來輔助判斷今天適合照課表、降量或休息。

一次實際跑起來會發生什麼

我打開儀表板後，第一步會看總覽和準備度。這兩頁會先讓我知道最近跑力、週跑量、心率區間和訓練負荷是否合理。

如果需要更細的判斷，我會進到訓練工具箱。裡面有 VDOT 訓練配速、心率區間、HRV 訓練調整、傷害風險 ACWR、環境配速、賽前準備等工具。

訓練工具箱把 VDOT、心率區間、HRV、ACWR、環境配速與賽前準備整理成可操作工具，並盡量預填我的真實資料。

我也可以進到 AI 教練頁，請它協助解讀近期狀態，或產生本週課表草稿。這裡的 AI 不是直接替我決定，而是把資料整理成比較容易討論的建議。

AI 教練頁可以根據近期訓練資料、HRV、VDOT 與訓練負荷，協助解讀目前狀態，並把課表草稿整理成可以存入本週訓練的格式。

如果課表確認沒問題，再由計畫頁接住，必要時推送到 Garmin 手錶。這一步我刻意做成需要確認後才執行，因為寫入 Garmin 帳號是對外動作，不應該讓 AI 自動亂推。

現在的具體成果

目前 running-app 已經是一個我自己會打開看的本機工具，不只是展示用 demo。

它現在可以做到：

• 整合 Garmin 跑步紀錄、HRV、心率區間與歷史 workouts CSV。
• 用圖表追蹤跑力趨勢、心率配速、訓練負荷和強度分布。
• 用準備度頁輔助判斷今天該照課表、降量或休息。
• 用訓練工具箱整合 VDOT、HRV、ACWR、環境配速、賽前準備等工具。
• 用 AI 協助解讀近期訓練狀態與規劃課表。
• 課表確認後，可以推送到 Garmin 手錶執行。

訓練負荷頁用 CTL、ATL、TSB 與週負荷變化，輔助判斷最近是訓練不足、穩定累積，還是需要降量。

心率與配速頁把不同訓練強度下的心率、配速與環境資料放在一起，幫我觀察有氧效率和狀態變化。

設計時做過哪些取捨與調整

第一個取捨是本機優先。跑步紀錄、HRV 和健康資料都很私人，所以我沒有先做成公開網站，而是先讓它在自己的電腦上穩定運作。

第二個取捨是AI 只輔助判斷。這個工具可以幫我整理資料、解讀趨勢、產生課表草稿，但它不取代專業教練，也不取代醫療建議。

第三個取捨是推送前一定要確認。只要會寫入 Garmin 帳號或手錶課表，就不能讓 AI 自動執行；必須先預覽、確認，再推送。

第四個取捨是資料來源要標註。像 VDOT、Karvonen、HRV-guided training、ACWR、WBGT 這些方法，各自有不同的使用限制。工具裡會盡量把來源和信心程度寫清楚，避免把經驗法則講成絕對答案。

上課後最大的改變

以前我比較容易把 AI 當成更好用的 Google：拿來問答案、查資料，或請它幫我寫一小段內容。這次做 running-app，我更明顯感覺到 AI Agent 可以參與一整個長期迭代流程。

它不只是幫我寫前端或後端，也幫我整理資料來源、檢查數據口徑、追 bug、拆頁面、整理截圖和作品投稿內容。

其中一次很代表性的經驗是：趨勢頁整頁空白，表面看起來像前端圖表壞掉，但最後追到根因是 FastAPI 裝飾器掛錯函式，API 回傳了錯的資料。這件事讓我更確定，AI Agent 的價值不只是產生程式碼，而是陪我建立診斷流程。

輸出一個自己真的會用的工具，比看完一堂課更能留下學習痕跡。

下一步想優化什麼

下一步我想把 AI 教練的課表產生流程再結構化，讓每個建議都能追溯到它依據了哪些資料，例如近期跑量、HRV、訓練負荷或目標賽事。