AI-Асистент для вибору тренувань у мобільних застосунках
Рекомендації тренувань залежать від персоналізації на основі даних тіла, цілей, доступного обладнання та історії тренувань. Без цього контексту AI генерує загальний план—«3x10 приседань»—який ігнорує травму коліна, тренування вдома без інвентаря й вчорашній день ніг.
Збір даних для персоналізації
Якість рекомендацій напрямо залежить від повноти профілю. Мінімальний набір:
- Мета: схуднення, набір мас, витривалість, реабілітація
- Рівень: новачок, середній, продвинутий
- Доступне обладнання (мультивибір: штанга, гантелі, турнік, TRX, тільки вага тіла)
- Обмеження/травми: конкретні ділянки (поясниця, коліна, плечі)
- Доступний час на тренування
- Частота занять на тиждень
- Історія тренувань: що роблено останні 7 днів
З нативних джерел додайте дані HealthKit (iOS) або Health Connect (Android 14+):
// iOS: завантаження тренувань за останній тиждень із HealthKit
func fetchRecentWorkouts() async throws -> [HKWorkout] {
let workoutType = HKObjectType.workoutType()
let predicate = HKQuery.predicateForSamples(
withStart: Calendar.current.date(byAdding: .day, value: -7, to: Date())!,
end: Date()
)
let sortDescriptor = NSSortDescriptor(key: HKSampleSortIdentifierStartDate, ascending: false)
return try await withCheckedThrowingContinuation { continuation in
let query = HKSampleQuery(
sampleType: workoutType,
predicate: predicate,
limit: 20,
sortDescriptors: [sortDescriptor]
) { _, samples, error in
if let error { continuation.resume(throwing: error); return }
continuation.resume(returning: (samples as? [HKWorkout]) ?? [])
}
healthStore.execute(query)
}
}
Генерація плану тренування
Запит із повним контекстом:
func buildWorkoutPrompt(profile: UserProfile, recentWorkouts: [WorkoutSummary]) -> String {
let workoutHistory = recentWorkouts.map {
"\($0.date.formatted()): \($0.type), \($0.duration) min, \($0.muscleGroups.joined(separator: "+"))"
}.joined(separator: "; ")
return """
Create a workout plan for today.
User profile:
- Goal: \(profile.goal)
- Level: \(profile.level)
- Available time: \(profile.availableMinutes) minutes
- Equipment: \(profile.equipment.joined(separator: ", "))
- Limitations: \(profile.limitations.isEmpty ? "none" : profile.limitations.joined(separator: ", "))
Recent workouts (last 7 days): \(workoutHistory.isEmpty ? "none" : workoutHistory)
Rules:
- Avoid muscle groups trained in last 48 hours
- If limitation mentions specific area (knee, back), exclude exercises for that area
- Balance push/pull if goal is hypertrophy
Return JSON: {
name, totalMinutes, exercises: [{
name, sets, reps, restSeconds, muscleGroups: [], notes, videoSearchQuery
}]
}
"""
}
videoSearchQuery—ключове поле. Використовуйте його для генерації запитів пошуку для YouTube/Vimeo, щоб показати демонстрації вправ прямо в карточці.
Адаптація в реальному часі
Асистент не повинен мовчати після видачі плану. Три тригери адаптації:
- Користувач натискає «Занадто важко» → LLM замінює вправу на легшу альтернативу
- Минуло більше часу, ніж запланвано → пропонує скоротити решту сетів
- Усі вправи виконані на 15 хвилин раніше → додає бонусний блок
// Android - адаптація вправи
suspend fun substituteExercise(
exercise: Exercise,
reason: SubstitutionReason,
availableEquipment: List<String>
): Exercise {
val prompt = """
The user cannot do "${exercise.name}".
Reason: ${reason.description}
Available equipment: ${availableEquipment.joinToString(", ")}
Target muscles: ${exercise.muscleGroups.joinToString(", ")}
Suggest ONE simpler/alternative exercise that targets the same muscles.
Return JSON: {name, sets, reps, restSeconds, muscleGroups: [], notes}
"""
val response = openAIClient.chat(
model = "gpt-4o-mini",
messages = listOf(Message("user", prompt)),
responseFormat = ResponseFormat.JsonObject
)
return json.decodeFromString(response.content)
}
Відпочинок і відновлення
AI-асистент повинен рекомендувати не тренуватися, коли це необхідно. Якщо HealthKit показує зниження HKQuantityType.heartRateVariability або Sleep Analysis < 6 годин, змініть план на розтяжку або активний відпочинок.
func shouldRecommendRestDay(healthData: HealthSnapshot) -> Bool {
return healthData.sleepHours < 6.0 ||
healthData.restingHeartRate > healthData.averageRestingHR * 1.1 ||
healthData.hrvTrend == .declining
}
Це не AI-запит—проста евристика на нативних даних. LLM не потрібен.
Орієнтири за часом
Базовий генератор плану без HealthKit—3–5 днів. Повноцінний асистент з HealthKit/Health Connect, адаптацією в реальному часі, таймерами відпочинку та історією тренувань—4–6 тижнів.