两条同样是“8 公里”的建议

先看两条示意的训练建议，数字为模拟，并非真实用户数据。

第一条：“今天轻松跑 8 公里。”

第二条：“今天轻松跑 8 公里，配速比平时慢约 20 秒。原因：你过去七天累计跑量 46 公里，比前一周高出约两成；昨晚睡眠约 6 小时，恢复评估偏低；四周后有一场半程马拉松，现在更需要把质量课保护好，而不是多堆里程；今天预报 31 摄氏度，同样配速下心率会偏高，所以慢一点。如果你觉得腿很轻，可以延长到 10 公里，但不建议加速。”

两条建议的结论是一样的，可信度却完全不同。第一条像是抽签，第二条像有人在陪你看数据。当训练者第二天状态不好，第二条能让他知道是哪一步出了偏差：是上周量涨得太快，还是睡眠估错了；第一条则只能让他怀疑“这软件到底靠不靠谱”。

为什么一句话的教练不够

一句话的建议有三个具体的问题。

无法校正。训练者和系统之间没有共同的依据，就没法沟通。用户说“我今天不想跑那么慢”，系统也说不清为什么要慢。

无法学习。当你连建议的依据都不知道，就没办法培养对自己身体的理解。好的教练会让运动员逐渐学会读懂自己，而不是永远依赖一个黑盒。

无法追责。建议如果出了问题，比如受伤或者过度疲劳，没有理由链，就没法回溯是哪一步出了偏差，也就没法改进。

有关这个方向的公开讨论并不少。2025 年 Harvard Science Review 上就有文章讨论，如何让体育 AI 模型对教练和运动员更透明，核心观点是系统的价值不在于永远正确，而在于建议让人看得懂。这类文章属于科普与观点性质，并不是严格的对照实验结论，所以贝博体育官网在这里更多是一种设计立场，而不是在引用某个已被证明的效果。

再补一点现实的理由：训练建议往往要连续执行几周，用户是否照做，取决于他是否理解并认同。一条建议如果第三天就被无声地放弃，后面再准确的调整也无从谈起。让人愿意留在计划里，本身就是训练效果的一部分，而这一步，恰好要靠说得明白。

解释里应该有什么

我们给自己定了一个粗略的清单，每条建议至少回答四个问题：

  • 近一周负荷：这周练了多少，相对于你平时是高是低；
  • 恢复状态：睡眠、静息心率、近期训练间隔给出的恢复信号；
  • 目标赛事：离比赛多远，现阶段的重点是积累、强化还是减量；
  • 环境条件：天气、路线、时间段，对强度的影响。

这四项并不是随便列的，它们对应的是同一个训练问题的四条约束：过去做了什么，现在能承受什么，未来要去哪里，眼前的条件如何。

同时，解释的顺序也有讲究。先说结论，再说最主要的一两个理由，其余折叠。把所有输入一股脑倒出来，对用户来说等于没解释。

解释不能是事后编的故事

这是整件事里最容易出问题的地方。

大语言模型擅长写出流畅、听上去合理的话。如果让它在生成训练安排之后，再“解释一下为什么”，它完全可能写出一段逻辑通顺、却和真实计算无关的理由：安排是优化模型基于负荷算出来的，解释却是语言模型根据文字习惯圆出来的。看上去有理有据，实际上是空的。

所以贝博体育官网的设计里，解释的素材必须来自真正参与计算的输入和中间结果：

  • 优化模块在输出安排时，同时输出“影响最大的几个因素”及其方向；
  • 语言模型只负责把这些因素组织成人话，不得添加没有出现在输入里的理由；
  • 如果某项数据缺失，比如手表没戴、睡眠没记录，解释里要直接写“缺少这项数据，本条建议把握较低”，而不是悄悄略过。

这也对应了多模型分工的思路，理解目标的模型、分析数据的模型、生成计划的模型各司其职，分工与交接可以参考多模型协作里各自负责什么。

用户不同意的时候

解释的价值，有一半体现在被反驳之后。

假设用户看完上面那条建议，回复：“我上周涨量是因为出差前多跑了几次，这周会回落，今天不想慢。”系统应该怎么做？

  • 承认这是新信息，把“上周涨量的原因”记下来，这周的负荷估算可以据此修正；
  • 保留建议，但降低强度：可以按用户的意愿把配速提一点，同时提示天气仍偏热，心率超过某个范围时降速；
  • 事后回看：如果那天用户跑得舒服、恢复也正常，系统更新对这位用户的判断；如果状态很差，也不说“早就告诉你”，只是记录。

好的教练不是永远正确，而是能被说服，也能在必要时坚持。在恢复信号非常明确不利的情况下，系统可以温和地坚持，但不会替用户做最终的决定。

什么时候教练应该少说话

可解释并不意味着“多说”。有几种情形，简短反而更好。

  • 训练者正在训练中：此时不需要一大段原因，只需“心率偏高，建议降速”这类可以立刻执行的指令；
  • 数据很稳定、计划照常：不需要每天重复一遍理由，只在有变化时说明；
  • 用户明确表示不想看细节：提供“收起解释”的选项，需要时再展开。

另外，解释也要避免“伪精确”。系统可以说“今天热，心率预计偏高”，不适合说“心率会比平时高 11.3 次”，因为背后的误差远大于这个小数点。

它仍然会出错

即使解释做得再清楚，教练也可能是错的。

传感器数据可能不准，光电心率在手腕晃动时容易漂移；睡眠估算并不等同于真实睡眠；目标赛事阶段的划分是通用规则，不一定适合每个人；天气预报本身有误差。解释的作用，是让这些错误更容易被发现，而不是保证没有错误。

涉及心率、疲劳、恢复的提示，只属于训练安排层面，不替代医生或专业教练的意见。如果出现不寻常的胸闷、头晕或持续疲劳，请先停下来，咨询医生。

一个更朴素的标准

评价一位 AI 教练，可以用一个很朴素的标准：当它给出建议以后，你能不能问“为什么”，并得到一个有内容的回答；当你反驳的时候，它是不是会听。

贝博体育官网希望 AI 教练走这条路：安排训练是能力，解释训练是责任。长期记忆和个性化的方向，可以进一步参考训练Agent的长期记忆一文，那里谈的是教练如何越来越了解一个具体的人。而解释，是让这份了解被用户看得见、也能被用户纠正的方式。