Scattered records
评测、训练重量与日常感受分散记录，难以从单次数据理解长期变化。
RECOVERY X
Fitness assessment and training progress tracking system.
健身评估与训练追踪数字产品把身体感受、训练记录与历史变化放到同一条反馈路径中。
- 我的工作
- 负责产品概念、信息架构与界面交互设计，组织评估、记录、历史和反馈之间的关系。
- 已有成果
- 已完成晨起、训练前与训练后评估框架，以及训练记录、恢复状态和历史界面。
当前展示产品原型与示例数据。评分权重和阈值属于待验证的设计规则，不能据此判断实际训练效果或提供医学诊断。
查看核心界面
RecoveryX
把当下的身体感受放回训练历史中。
RecoveryX 围绕晨起、训练前和训练后三个时间点组织身体感受，再通过训练记录与历史界面保留变化。项目重点是评估信息如何进入记录、如何被回看，以及界面如何解释评分和单项异常。当前展示评估规则与产品界面原型。
THE PROBLEM
More data isn’t always clarity.
From a number to a trend
用户需要知道同一个动作、同一指标随时间如何变化。
一次循环，五步走完。
这五屏不是五张截图，是同一个人在一天里经过的五个时刻。 右侧的设备在滚动过程中不移动位置，切换的只是屏幕本身—— 这样「评估、训练、记录、恢复、历史」是一条线，而不是五个并列的功能。
ASSESSTraining home / 训练首页 
TRAINSession detail / 训练详情 
LOGAdd movement / 添加动作 
REVIEWRecovery center / 恢复中心 
TRACKTraining history / 训练历史
晨起、训练前与训练后。
RecoveryX 不把一次主观感受直接当作结论，而是通过晨起恢复、 训练前准备度与训练后反馈三个阶段，将分散的身体感受组织成可以重复记录、 比较和反馈的结构化信息。
晨起恢复评估
观察睡眠、身体恢复、精神状态、营养支持与健康不适，建立当天的基础恢复状态。
本阶段展示的真实题目
- MRI-1Sleep quality
- MRI-7Joint comfort
QUESTION COVERAGE
问卷覆盖哪些状态
单一指标很难描述训练状态，因此评估同时观察恢复、动作表现、 心理准备与风险信号。不同阶段的问题并非重复，而是在不同时间点回答不同的问题。
Recovery state
基础恢复睡眠质量、睡眠时长、醒后恢复感与全身疲劳共同描述当天的基础状态。
Movement quality
动作表现热身重量感受、动作速度、稳定性与技术信心帮助判断状态能否转化为实际训练表现。
Mental readiness
心理准备精力、专注、训练意愿与主观信心补充单纯身体指标无法表达的信息。
Safety signals
风险信号关节不适、异常疼痛、头晕恶心等指标不会只作为普通平均分的一部分处理。
Explore the assessment logic.
问卷、权重、总分区间与安全覆盖曾经是五段从上到下的说明。 现在它们是一条链路：选一题，看它带什么权重；选一个回答， 看这个权重在公式里变成多大的加权项；再看分数落到哪一档， 以及一个安全信号能不能把这一档整个覆盖掉。
01 / QUESTION EXPLORER
用具体描述解释各档分值
完整系统包含 55 个输入项。这里选取几个关键问题， 展示问题如何从日常语言转化为评分锚点、权重与风险规则。
3×Core signal
对当前恢复或训练准备度影响更直接的核心指标。
2×Supporting signal
用于补充整体状态判断的辅助指标。
1×Context signal
影响较低，但仍为长期趋势提供上下文的信息。
02 / SCORING DIAGRAM
权重在公式里到底做了什么
当前原型使用启发式权重区分核心指标与辅助指标，再统一换算到 10–100 分。下面代入一道真实的题，看同一个回答在不同权重下变成多大的加权项。
01 / QUESTIONMRI-1Morning Recovery · Sleep quality
02 / WEIGHT3×Core signal — 对当前恢复或训练准备度影响更直接的核心指标。
03 / RESPONSE
04 / SCORE TERM
7 × 3 = 21满分项 10 × 3 = 30
05 / STATE整体正常该回答按 MRI-1 的锚点落在这一档；题目标记为 NORMAL，标记决定它是否参与 安全覆盖，而不只是参与平均。
演示只代入上面这一道题。完整总分需要 55 个输入项全部作答， 因此这里不给出整体分数，也不使用示例数据代替真实作答。
03 / SCORE → FEEDBACK
从分数区间到状态提示
得分本身不是最终输出。系统将连续分数映射为可理解的状态， 并在训练前进一步转换为训练调整建议。
TOTAL SCORE< 55
- Morning recovery
- Very poor
- Training readiness
- Avoid high-quality training
连续分数先落进这一档，再翻译成两个可以被读懂的结论： 当天的恢复状态，以及此刻该用什么强度训练。
06 / SAFETY OVERRIDE
OVERALL SCORE96.6otherwise excellent responses
+ABNORMAL PAIN1 / 10hard-risk signal
→FINAL STATUSRISK覆盖普通评分结果
普通平均分会把这个异常稀释掉：总分仍然落在最高一档， 但只要关键安全题回答 ≤ 2，最终状态就不再由分数决定。 这正是低权重题可以比高权重题更重要的原因。
被标记的问题回答 ≤ 3 时，即使总分仍然较高，也会进入谨慎状态。
关键关节承受、异常疼痛或头晕恶心等项目 ≤ 2 时，直接覆盖普通评分结果。
The current model is a rule-based, self-reported readiness prototype. Weights and thresholds are heuristic rather than clinically validated, and the result is not intended as a medical diagnosis.
From isolated records to visible patterns.
- 组织身体评测、训练记录与历史追踪的产品流程。
- 完成晨起恢复、训练前准备度与训练后反馈的问卷和评分呈现。
- 完成训练记录、身体状态评估、恢复状态与历史界面，展示从输入到回看的产品路径。
- 三阶段问卷结构与 55 个输入项的划分。
- 启发式权重、评分锚点与总分区间的映射规则。
- 安全覆盖机制：让低权重的高风险项压过普通平均分。
下一阶段先检查用户能否理解题目和分值描述、能否找到过去的记录， 再依据试用反馈调整流程。评分权重与阈值还需要验证。当前示例数据用于说明界面组织， 不代表真实用户效果，也不构成训练处方。
