训练计划从3天缩到3分钟 - 一个健身应用的AI生成方案复盘

我朋友小团队做健身App,三个后端、一个产品，没有算法工程师。他们最早版本的“个性化训练计划”是写死的——十几套模板，按用户目标(减脂/增肌/塑形)粗分，用户填完问卷后匹配一套，前后矛盾不说，用户第二周流失率就很高。后来他们决定用大模型动态生成计划，第一个月踩了不少坑，我参与了架构调整，把效率账和方案整理出来，给同样想快速落地的独立开发者参考。

一、业务痛点：人工方案的成本算不过来

先看他们的真实运营数据(脱敏后的内部测算，非客户数据)：

• 人工教练写计划：一份合格的四周计划，教练平均花40-60分钟，教练人力成本按月算，只能覆盖付费用户的8%左右；
• 模板匹配方案：开发耗时3周，但匹配精度差，问卷里“膝盖有旧伤、每周只能练3次、家里只有哑铃”这类约束条件根本处理不了；
• 用户侧体验：计划不贴合 → 执行率低 → 续费率低，形成恶性循环。

核心矛盾是：个性化程度和边际成本不可兼得。大模型恰好能打破这个矛盾——个性化内容的边际成本趋近于零，但前提是工程上把三件事做好：结构化输入、稳定输出、可控成本。

二、架构设计

整体架构分四层，关键点是把“模型调用”收敛到一处：

用户问卷/体测数据/训练反馈
        │
        ▼
┌─────────────────────┐
│  意图与约束解析层      │  ← 抽取:目标/伤病史/器械/时间/水平
└─────────────────────┘
        │  结构化 JSON
        ▼
┌─────────────────────┐
│  计划生成编排层        │  ← Prompt模板 + RAG(动作库/安全规则)
└─────────────────────┘
        │
        ▼
┌─────────────────────┐
│  统一AI API网关       │  ← 多模型路由/降级/重试/用量统计
└─────────────────────┘
        │
        ▼
┌─────────────────────┐
│  校验与落库层          │  ← Schema校验/安全规则过滤/存DB
└─────────────────────┘

为什么强调统一AI API网关

他们最初直接在各业务代码里调用某一家模型SDK,一个月后问题集中爆发：模型一次升级导致输出格式变化，三个模块跟着改；想换更便宜的模型做夜间批量任务，又是一轮改造。统一网关的价值就在这里：

1. 一处升级，全局生效：模型切换、参数调整、Prompt版本管理都在网关层做，业务代码只面对一个稳定接口，维护点从N个收敛到1个；
2. 自动重试与降级：主模型超时自动切备用模型，用户端无感知，半夜不用爬起来切Key;
3. 用量和成本透明：每次调用的token、耗时、费用按功能模块打标签，成本优化有数据依据，而不是等月底账单吓一跳；
4. Key统一管理：避免密钥散落在代码和配置里，安全和轮换都省心。

对小团队来说，这相当于用配置换掉了本来要写好几天的中间件代码。

三、关键实现步骤与效果对比

1. 输入结构化

不要把原始问卷文本直接丢给模型。先解析成固定Schema:

{
  "goal": "fat_loss",
  "experience": "beginner",
  "weekly_sessions": 3,
  "session_minutes": 45,
  "equipment": ["dumbbell", "yoga_mat"],
  "injuries": ["left_knee"],
  "constraints": ["no_running"]
}

2. Prompt模板 + 动作库RAG

Prompt分三段：角色设定(专业教练+运动康复常识)、用户结构化数据、动作库中检索出的适配动作集合(带器械标签和禁忌标签)。禁止模型凭空编造动作名，防止生成不存在的训练。

3. 强制JSON输出 + 校验

用JSON Schema约束输出，落库前跑两层校验：格式校验(字段齐全、组数次数在合理区间)+ 安全校验(伤病史与动作禁忌冲突检测)。不合格自动重试，最多3次后降级到模板方案兜底。

4. 成本分层路由

• 新用户首次生成：用高能力模型，保证体验；
• 计划微调、反馈后修订：用轻量模型，成本约为前者的1/10;
• 夜间批量预生成：走最便宜的通道。

效果对比(上线前后，团队内部统计)

最直观的一笔账：教练人力从“写计划”转为“抽查审核”，同样人力的覆盖范围扩大了约10倍，而用户拿到的计划从“千人一面”变成真正贴合自身条件。

四、给独立开发者的三条建议

1. 先做约束，再谈智能：Schema、校验、安全规则这些“笨办法”决定了产品能不能上线，模型聪明不聪明反而其次；
2. 把降级路径当一等公民：AI生成失败时回退到模板，比白屏报错好一万倍；
3. 第一天就接统一网关：不要等调用分散到五六个模块后再补，重构的成本是初期接入的数倍。

如果你的项目也在从“调通一个API”走向“稳定服务一批用户”，可以看看统一AI API网关的方案，注册入口在这里：https://api.thistoken.ai/register

---

想直接跑通示例？访问 https://api.thistoken.ai/register 注册 ThisToken.AI，获取 API Key 后即可开始。