跳到主要内容

健身营养

健身房训练计划器和营养追踪器。通过 wger 按肌肉、器械或类别搜索 690+ 种练习。通过 USDA FoodData Central 查询 380,000+ 种食物的宏量营养素和卡路里。计算 BMI、TDEE、单次最大重量（1RM）、宏量营养素分配比例和体脂率——纯 Python 实现，无需 pip 安装。专为追求增肌、减重或只是希望吃得更健康的人士打造。

技能元数据​

来源可选 — 使用 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
标签health, fitness, nutrition, gym, workout, diet, exercise

参考：完整 SKILL.md​

信息

以下是 Hermes 在触发此技能时加载的完整技能定义。这是技能激活时代理看到的指令。

健身与营养

专家级健身教练和运动营养师技能。两个数据源加上离线计算器——将健身人士所需的一切整合于一处。

数据源（全部免费，无 pip 依赖）：

  • wger (https://wger.de/api/v2/) — 开放练习数据库，包含 690+ 种练习，涵盖肌肉、器械和图片。公共端点无需身份验证。
  • USDA FoodData Central (https://api.nal.usda.gov/fdc/v1/) — 美国政府营养数据库，包含 380,000+ 种食物。DEMO_KEY 可立即使用；免费注册可获得更高限额。

离线计算器（纯 Python 标准库）：

  • BMI、TDEE（Mifflin-St Jeor 公式）、单次最大重量（Epley/Brzycki/Lombardi 公式）、宏量营养素分配比例、体脂率百分比（美国海军方法）

何时使用​

当用户询问以下内容时触发此技能：

  • 练习、训练、健身房常规、肌群、训练分化
  • 食物宏量营养素、卡路里、蛋白质含量、膳食计划、卡路里计数
  • 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
  • 用于减脂、增肌或维持的宏量营养素比例

流程​

练习查询（wger API）​

所有 wger 公共端点均返回 JSON 且无需身份验证。始终在练习查询中添加 format=json 和 language=2（英语）。

步骤 1 — 确定用户需求：

  • 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

步骤 2 — 参考 ID（因此无需额外的 API 调用）：

练习类别：

ID类别
8手臂
9腿部
10腹部
11胸部
12背部
13肩部
14小腿
15有氧

肌肉：

ID肌肉ID肌肉
1肱二头肌2三角肌前束
3前锯肌4胸大肌
5腹外斜肌6腓肠肌
7腹直肌8臀大肌
9斜方肌10股四头肌
11股二头肌12背阔肌
13肱肌14肱三头肌
15比目鱼肌

器械：

ID器械
1杠铃
3哑铃
4健身垫
5瑞士球
6引体向上杆
7无（自重）
8长凳
9上斜凳
10壶铃

步骤 3 — 获取并展示结果：

# 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')}\")
"
# 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','')}\")
"
# 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）​

如果设置了 USDA_API_KEY 环境变量则使用它，否则回退到 DEMO_KEY。 DEMO_KEY = 30 次请求/小时。免费注册密钥 = 1,000 次请求/小时。

# 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()
"
# 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​

使用 scripts/ 中的辅助脚本进行批量操作， 或运行内联命令进行单次计算：

  • python3 scripts/body_calc.py bmi <weight_kg> <height_cm>
  • python3 scripts/body_calc.py tdee <weight_kg> <height_cm> <age> <M|F> <activity 1-5>
  • python3 scripts/body_calc.py 1rm <weight> <reps>
  • python3 scripts/body_calc.py macros <tdee_kcal> <cut|maintain|bulk>
  • python3 scripts/body_calc.py bodyfat <M|F> <neck_cm> <waist_cm> [hip_cm] <height_cm>

请参阅 references/FORMULAS.md 了解每个公式背后的科学原理。

常见陷阱​

  • wger 运动端点默认返回所有语言——始终添加 language=2 以获取英语内容
  • wger 包含未验证的用户提交内容——添加 status=2 以仅获取已审核的运动项目
  • USDA DEMO_KEY 的限制为每小时 30 次请求——在批量请求之间添加 sleep 2，或申请免费密钥
  • USDA 数据基于每 100 克——提醒用户根据实际份量进行换算
  • BMI 无法区分肌肉和脂肪——肌肉发达的人的高 BMI 不一定表示不健康
  • 体脂公式仅为估算值（误差 ±3-5%）——如需精确结果，建议进行 DEXA 扫描
  • 1RM 公式在超过 10 次重复时准确性下降——使用 3-5 次的组数以获得最佳估算
  • wger 的 exercise/search 端点使用 term 而非 query 作为参数名

验证​

运行运动搜索后：确认结果包含运动名称、肌群和器械。 查询营养信息后：确认返回每 100 克的宏量营养素，包括热量（kcal）、蛋白质、脂肪和碳水化合物。 运行计算器后：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​

任务来源端点
按名称搜索运动wgerGET /api/v2/exercise/search/?term=&language=english
运动详情wgerGET /api/v2/exerciseinfo/{id}/
按肌群筛选wgerGET /api/v2/exercise/?muscles={id}&language=2&status=2
按器械筛选wgerGET /api/v2/exercise/?equipment={id}&language=2&status=2
列出分类wgerGET /api/v2/exercisecategory/
列出肌群wgerGET /api/v2/muscle/
搜索食物USDAGET /fdc/v1/foods/search?query=&dataType=Foundation,SR Legacy
食物详情USDAGET /fdc/v1/food/{fdcId}
BMI / TDEE / 1RM / 宏量营养素离线python3 scripts/body_calc.py