跳到主要內容

健身營養

健身房訓練計劃器和營養追蹤器。通過 wger 按肌肉、器械或類別搜索 690+ 種練習。通過 USDA FoodData Central 查詢 380,000+ 種食物的宏量營養素和卡路里。計算 BMI、TDEE、單次最大重量（1RM）、宏量營養素分配比例和體脂率——純 Python 實現，無需 pip 安裝。專為追求增肌、減重或只是希望吃得更健康的人士打造。

技能元數據​

來源可選 — 使用 hermes skills install official/health/fitness-nutrition 安裝
路徑optional-skills/health/fitness-nutrition
版本1.0.0
許可證MIT
標籤health, fitness, nutrition, gym, workout, diet, exercise

參考：完整 SKILL.md​

信息

以下是 Hermes 在觸發此技能時加載的完整技能定義。這是技能激活時代理看到的指令。

健身與營養

專家級健身教練和運動營養師技能。兩個數據源加上離線計算器——將健身人士所需的一切整合於一處。

數據源（全部免費，無 pip 依賴）：

  • wger (https://wger.de/api/v2/) — 開放練習數據庫，包含 690+ 種練習，涵蓋肌肉、器械和圖片。公共端點無需身份驗證。
  • USDA FoodData Central (https://api.nal.usda.gov/fdc/v1/) — 美國政府營養數據庫，包含 380,000+ 種食物。DEMO_KEY 可立即使用；免費註冊可獲得更高限額。

離線計算器（純 Python 標準庫）：

  • BMI、TDEE（Mifflin-St Jeor 公式）、單次最大重量（Epley/Brzycki/Lombardi 公式）、宏量營養素分配比例、體脂率百分比（美國海軍方法）

何時使用​

當用戶詢問以下內容時觸發此技能：

  • 練習、訓練、健身房常規、肌群、訓練分化
  • 食物宏量營養素、卡路里、蛋白質含量、膳食計劃、卡路里計數
  • 身體成分：BMI、體脂率、TDEE、熱量盈餘/赤字
  • 單次最大重量估算、訓練百分比、漸進超負荷
  • 用於減脂、增肌或維持的宏量營養素比例

流程​

練習查詢（wger API）​

所有 wger 公共端點均返回 JSON 且無需身份驗證。始終在練習查詢中添加 format=json 和 language=2（英語）。

步驟 1 — 確定用戶需求：

  • 按肌肉 → 使用 /api/v2/exercise/?muscles={id}&language=2&status=2&format=json
  • 按類別 → 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
  • 按名稱 → 使用 /api/v2/exercise/search/?term={query}&language=english&format=json
  • 完整詳情 → 使用 /api/v2/exerciseinfo/{exercise_id}/?format=json

步驟 2 — 參考 ID（因此無需額外的 API 調用）：

練習類別：

ID類別
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肱二頭肌2三角肌前束
3前鋸肌4胸大肌
5腹外斜肌6腓腸肌
7腹直肌8臀大肌
9斜方肌10股四頭肌
11股二頭肌12背闊肌
13肱肌14肱三頭肌
15比目魚肌

器械：

ID器械
1槓鈴
3啞鈴
4健身墊
5瑞士球
6引體向上杆
7無（自重）
8長凳
9上斜凳
10壺鈴

步驟 3 — 獲取並展示結果：

# 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',[])}\")
"

營養查詢（USDA FoodData Central）​

如果設置了 USDA_API_KEY 環境變量則使用它，否則回退到 DEMO_KEY。 DEMO_KEY = 30 次請求/小時。免費註冊密鑰 = 1,000 次請求/小時。

# 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','')}\")
"

離線計算器​

使用 scripts/ 中的輔助腳本進行批量操作， 或運行內聯命令進行單次計算：

  • 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>

請參閱 references/FORMULAS.md 瞭解每個公式背後的科學原理。

常見陷阱​

  • wger 運動端點默認返回所有語言——始終添加 language=2 以獲取英語內容
  • wger 包含未驗證的用戶提交內容——添加 status=2 以僅獲取已審核的運動項目
  • USDA DEMO_KEY 的限制為每小時 30 次請求——在批量請求之間添加 sleep 2，或申請免費密鑰
  • USDA 數據基於每 100 克——提醒用戶根據實際份量進行換算
  • BMI 無法區分肌肉和脂肪——肌肉發達的人的高 BMI 不一定表示不健康
  • 體脂公式僅為估算值（誤差 ±3-5%）——如需精確結果，建議進行 DEXA 掃描
  • 1RM 公式在超過 10 次重複時準確性下降——使用 3-5 次的組數以獲得最佳估算
  • wger 的 exercise/search 端點使用 term 而非 query 作為參數名

驗證​

運行運動搜索後：確認結果包含運動名稱、肌群和器械。 查詢營養信息後：確認返回每 100 克的宏量營養素，包括熱量（kcal）、蛋白質、脂肪和碳水化合物。 運行計算器後：對輸出進行合理性檢查（例如，大多數成年人的 TDEE 應在 1500-3500 之間）。

快速參考​

任務來源端點
按名稱搜索運動wgerGET /api/v2/exercise/search/?term=&language=english
運動詳情wgerGET /api/v2/exerciseinfo/{id}/
按肌群篩選wgerGET /api/v2/exercise/?muscles={id}&language=2&status=2
按器械篩選wgerGET /api/v2/exercise/?equipment={id}&language=2&status=2
列出分類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
食物詳情USDAGET /fdc/v1/food/{fdcId}
BMI / TDEE / 1RM / 宏量營養素離線python3 scripts/body_calc.py