充分利用训练日志：LiftShift 使用指南
如果你去健身房并在 Hevy、Strong 或 Lyfta 中认真记录每一组，你可能已经注意到一件事。移动追踪器擅长收集原始数据，但几乎从不帮助你理解数据。最多，应用会显示一个月内某个练习的图表，并祝贺你达成新的单次最大重量。真正的问题在于，你很难看出哪些肌群一直训练不足、在哪里遇到了真正的瓶颈需要改变方法，以及什么是第三组后正常的疲劳感。
我最近发现了开源项目 LiftShift。这是一个直接在浏览器中运行、无需注册的训练日志深度分析网页工具。
项目功能
核心概念很简单：向应用提供你的导出数据或连接账户，它会从运动周期化的角度整理你的训练记录。
探索仪表板时，以下功能立刻脱颖而出：
- 肌群热力图。交互式人体模型展示每个肌群的训练容量负荷。点击特定肌群可查看产生该刺激的练习。算法会根据训练经验调整容量区间（MEV 和 MRV 阈值），并给出 0 到 100 的增肌评分。
- 瓶颈检测。工具不仅显示简单的重量趋势，还会为练习分配明确的状态：增长、平台期或下降。系统区分死胡同式瓶颈（重量和次数完全停滞）和波浪式波动，然后给出建议：增加一次、减载周降低训练重量，或改变次数范围。
- 每组分解。你可以打开任何过去的训练课查看组别评估。系统识别正常疲劳、过于突然的重量增加、完美的递减组或力竭组（AMRAP）。每组都会获得标签和针对下次训练的直接建议。
- 合并不同应用的数据。如果你使用 Strong 多年后转向 Hevy，历史记录通常会断裂。该项目可以匹配同一练习的不同名称、去除重复项，并将所有内容整合成一条时间线。
- 导出供神经网络使用。如果内置图表不够用，数据可以导出为结构化格式，用于向 ChatGPT 或 Claude 发送提示。还有现成的模块：垃圾容量审计、侧向平衡检查或关节负荷评估。
- GitHub 风格日历热力图。你可以清楚地看到连续训练天数、遗漏的周数和整年的一致性。
技术实现
项目架构以隐私为中心。所有计算、CSV 解析和图表渲染都在客户端进行。
前端采用现代技术栈：React 19、TypeScript、Vite、Tailwind CSS 和 Recharts 图表库。配合 Express 和 Puppeteer 的轻量级 Node.js 后端仅作为代理，处理追踪器（如 Hevy 和 Lyfta）的 API 调用，因为这些需要浏览器 CORS 限制或授权。训练日志最终不会存储在服务器上。
对于 Strong，支持导入 CSV 文件，包含分号分隔符、引号和标题中的重量单位后缀。
本地运行方法
如果你想在本地部署项目或编写自定义解析器，只需几个命令。需要 Node.js 22 或更高版本。
git clone https://github.com/aree6/LiftShift.git
cd LiftShift
npm install
npm run dev
启动后，本地服务器将在 Vite 的标准端口上运行。
如果使用项目网站上的公开版本，只需选择平台、上传 CSV 或粘贴 API 密钥、指定单位（公斤或磅），然后进入仪表板。
一个细节：从 Hevy 导出时，应用有时会抱怨日期格式。这是由于源应用使用了非英语语言环境。只需暂时将导出语言切换为英语：
适用人群
LiftShift 完美填补了简单健身笔记和复杂 Excel 教练表格之间的空白。如果你懒得手动计算每个肌群的训练量并寻找不平衡之处，网页客户端只需几秒就能完成。
项目采用 AGPL-3.0 许可证分发。代码库整洁，采用严格的 TypeScript 编写，因此如果你想为喜欢的健身追踪器添加支持或实现新的周期化指标，在这里贡献代码是相当愉快的体验。
相关项目