ChatGPT能帮你写训练计划吗？研究是这样说的

发布于 2026年10月11日

拼贴画：一名男子在健身房里看手机，旁边的私人教练抱着双臂站着，标题为“AI Workout Plans”

ChatGPT可以写出看起来合理的训练计划。在2025年的一项研究中，10位经验丰富的教练给AI编写的训练方案打分，总体质量为中等，强度目标常常缺失，渐进建议也比较笼统。其他专家评审同样发现，这些计划切合实际，但需要修改，也缺少针对个人的细节。把AI计划当作初稿，用一份简短的清单检查，再根据你自己的训练记录来调整。

本文属于一般性科普，不构成医疗建议。如果你有伤病或疾病，正在服用会影响运动的药物，处于孕期或产后，或者未满18岁，那么在执行任何计划之前（无论是否由AI编写），请先咨询合格的临床医生或教练。

这些研究实际测试了什么

大部分证据针对的是较早的聊天机器人版本、假设情景或单个案例，以及小规模的专家小组。新闻标题常常把两个不同的问题混为一谈：聊天机器人能不能回答运动方面的问题，以及它能不能编出适合你的训练方案。下面是每篇论文各自做了什么。

回答常见问题。在2026年发表于Journal of Sports Science and Medicine（JSSM）的一项研究（D'hoe等人）中，研究者把9位私人教练对常见问题的回答，与ChatGPT-3.5的回答做了对比。27位评分者（9位科学专家和18位教练）起初并不知道有ChatGPT参与，他们对回答的正确性、易懂性和可操作性打分。ChatGPT的总体平均分在9个问题中的6个上更高，作者报告没有任何一位教练的回答在任何问题或指标上得分更高。不过请看看这些问题：5个是关于减脂的，其余涉及训练频率、动力、带着疼痛训练以及一天中的训练时间。这属于回答问题，而不是为个人编排训练，作者也指出ChatGPT可能缺乏个性化。
12周力量方案。Washif等人（Biology of Sport，2024）让GPT-3.5和GPT-4为假想的20岁人群生成12周方案，5位作者都有力量与体能训练的经验，他们把这些方案与NSCA的指南及其他文献做了对比。结果发现输出内容切合实际，但可能需要修改。GPT-3.5在目标不同的各个阶段都使用相同的90至120秒休息时间，男性和女性的方案客观上很相似，聊天机器人也无法根据反馈或进展实时调整或修订。
多个聊天机器人的教练评分。Havers等人（Biology of Sport，2025）请10位教练为一位虚构的高级训练者，对GPT-3.5（通过ChatGPT和Copilot）以及Google Gemini生成的计划打分，评分采用27项标准、1到5分的量表。总体质量为中等，各模型只在少数几项标准上有差异。教练之间的一致性很低（Fleiss' kappa接近零），所以同一份计划的评分差别很大。
较新的模型版本。Genç等人（BMC Sports Science, Medicine and Rehabilitation，2025）在7位专家（每位都有至少10年经验）的参与下设计了7个提示词，然后比较了ChatGPT-3.5、4o和4.1为一位假想的健康年轻男性生成的12周抗阻训练计划。4.1版本更详细，内部更一致，也更有文献支持，但作者仍然得出结论：要保证安全和个体化，合格的人类专业知识不可或缺。
有健康问题的人群。Dergaa等人（Biology of Sport，2024）请专家评审了GPT-4为5类健康状况编写的30天方案。这些方案总体上有安全意识，但缺乏针对具体个人状况和目标的细节，而且往往过度强调安全。作者的结论是，AI可以作为辅助工具，但目前还不建议用它来替代专业人员开具运动处方。
一个人，三位教练。Li等人（BMC Public Health，2025）把GPT-4与三位教练，针对一位24岁女性的16周计划做了比较。GPT-4在个性化方面得分更高（12.80对11.53），教练则在有效性、安全性和全面性上得分略高，所有差异均未达到统计学显著性。只有一个人的案例研究，无论支持哪一方，证据都很单薄。

这些研究都有两点局限。被测试的模型，比你今天能打开的版本已经落后了一代或更多，JSSM研究的作者也预计新版本会表现得更好。另外，这里提到的研究里，没有一项让人按AI计划训练数月，去测量力量或肌肉的增长；打分的是专家，打分的对象是文档。

AI编写的计划通常差在哪里

同样的弱点在多篇论文中反复出现。在Havers的研究中，作者把缺少详细的强度参数（例如接近力竭的程度和重量安排）列为所有模型共有的局限。有一份增肌计划退回到听从身体感受之类的建议上，它的渐进建议也很笼统，大意是每一到两周增加重量、次数或组数。有一份增肌计划安排了一个力量风格的训练日，3到5组，每组3到5次，作者认为这会引发对目标是否一致的担忧；还有一份力量计划把深蹲、卧推和硬拉每周只练一次。作者还形容这些计划偏保守，很可能把安全放在训练效果之前，这对已经训练多年的人来说，可能意味着刺激太少。

一致性是另一个问题。2026年arXiv上的一篇预印本（Lee；作为预印本，发布时未经同行评审）让Gemini 2.5 Flash在6种情景下各生成同一份运动处方20次，并把温度参数设为1.0以暴露其变异性。文字表述大体相近（平均语义相似度0.879至0.939），但数字会漂移：变异性出现在量化部分，尤其是运动强度；在抗阻训练处方中，10%至25%的输出里，强度的表述无法归类。作者的结论是，可靠性在很大程度上取决于提示词的结构。该研究只用了一个模型，归类工作由AI评判者完成，且没有用专家判断进行验证，6种情景中有4种是临床病例，所以它只能间接说明健康训练者的计划。把它当作一个信号，而不是定论。

实际的解读是：计划中最重要的部分，也就是练多狠、练多少、怎样渐进，恰恰是聊天机器人最容易含糊带过的部分。你的提示词必须逼它把这些摆到明面上。

Google和Apple正把AI教练做进健康类应用

AI编写训练计划，正从聊天机器人的小把戏，变成应用里的内置功能。TechCrunch在2026年5月报道，Google基于Gemini的健康教练将于5月19日结束预览，登陆更名后的Google Health应用（前身是Fitbit应用），价格为每月9.99美元或每年99美元，会根据目标、日常安排、可用器材和伤病情况给出指导。它将先面向部分Fitbit和Pixel Watch用户开放，其他设备随后跟进。Apple的计划则更不明朗：9to5Mac援引Bloomberg的Mark Gurman，在2026年5月报道称，Apple的教练功能已被缩减，预计要到iOS 27周期的后段才会推出。这只是一则报道，并非Apple的官方公告，所以请以Apple自己的公告为准，了解最新状态。

上面的研究测试的是通用聊天机器人，而不是这些产品，所以它们并不能说明品牌化教练的表现如何。包装再精美，也改变不了下面这份清单。想了解更大的背景，也就是哪些潮流卖得好、哪些经得起检验，请看健身风潮与真相。

能得到更好初稿的提示词

结合这些论文，目标是把聊天机器人缺少的信息喂给它，并要求它写出它容易略过的细节。把下面这些内容放进同一条消息里：

目标和时间范围：例如，在12周内增肌，并在其中安排一个较轻的周。
训练经历和当前数据：已经举铁几个月，再加上最近的正式组，比如深蹲60kg做8、8、7次，卧推40kg做8、8、6次。
日程：每周几天，每次多少分钟，以及哪几天可以训练。
器材：你的健身房有什么，没有什么。
伤病和禁忌：会引起疼痛的动作，并注明任何疼痛都应先听取专业意见，而不是想办法绕开。
要求的输出：每个动作都要给出组数、次数范围、余力次数目标、休息时间，以及一句话的渐进规则。再加上每个肌群每周的高强度总组数、连续缺练两次后该怎么做的规则，以及减载规则。
自我批评：最后加上一句：列出这份计划对我这样经历的人来说最大的三个弱点，以及你所做的假设。

余力次数的内容见RPE和RIR详解。不要把能识别身份的信息或病历贴进聊天机器人；对训练计划来说，大致的描述就够了。

审查任何AI计划的安全清单

第一次训练前，把计划逐行过一遍。五项检查就能覆盖上面提到的大多数问题。

1. 训练量

数一数每个肌群每周的高强度组数，并与你现在的做法对比。2017年的一项Meta分析（Schoenfeld、Ogborn和Krieger，Journal of Sports Sciences；15项研究、34个受试组）发现，每周组数与肌肉增长之间存在梯度关系：在研究所涉及的范围内，每周组数越多，增长越多；但它并没有说明你可以多快、多安全地加量。如果一份计划把你目前的组数翻倍，那就是一个警示信号；请要求它采用循序渐进的加量方式。还要算一算时间：25组，每组约40秒做功、150秒休息，大约是79分钟，放不进60分钟的时段。每周组数背后的数据，请看你到底需要做多少组。

2. 渐进

计划应该明确说明什么时候加重量。一个具体的例子是双重渐进：当每一组都达到次数范围的上限时，就加上能加的最小重量。像逐步增加这样含糊的说法不算规则。渐进超负荷讲解了各种做法。

3. 动作选择

检查每个动作是否与你的器材、技术水平和目标相匹配。每个主要动作模式（深蹲或髋铰链、推、拉）都应该出现，而不是同一个动作来五个版本。以每组3到5次为主的增肌计划值得质疑，因为那是力量风格的安排。如果某个动作对你来说是新的，在加重量之前，先读一读它的动作页面上的技术要点，比如杠铃深蹲。

4. 伤病和疼痛

聊天机器人无法给你做检查。Dergaa等人发现，针对健康状况的方案有安全意识，但很笼统，这样的方案看上去让人放心，却可能漏掉真正适用于你的内容。某个动作在特定伤病下是否禁止，应由临床医生判断，而不是由模型决定。

5. 休息和恢复

对照目标检查组间休息，因为Washif团队批评过某个模型在每个阶段都用同样的休息时间。检查同一块肌肉是否在没有理由的情况下连续几天被高强度训练，以及这个训练阶段里是否在某处安排了较轻的一周。

谁不该依赖AI计划

患有心脏、肺、肾或代谢疾病，或血压没有控制好的人，在临床医生说明什么运动合适之前，都不应依赖。
正在从手术或伤病中恢复的人，或疼痛是新出现的、尖锐的或在加重的人。
孕期或产后的人，以及未满18岁的人。
有饮食失调或强迫性运动史的人；聊天机器人无法判断多练对你来说是不是个好主意。

无论你的情况如何，出现胸痛或胸闷、昏厥、严重或异常的气短，或突发的剧烈疼痛时，都应停止训练并就医。没有任何训练计划值得你无视这些信号。

为什么你的记录能让任何计划都可调整

Washif的作者指出，聊天机器人无法根据反馈或进展实时调整。这个缺口其实不全是聊天机器人的错：它只知道你告诉它的内容，而很多人告诉它的很少。计划是对你能承受什么的一个假设，训练记录则是检验这个假设最直接的办法。没有记录，你就分不清第四周练得好不好，也分不清停滞是恢复问题还是编排问题，更不知道下一步该问什么。

一个可行的循环：记录每一组的重量和次数，并用你的记录工具允许的方式标注用力程度和任何疼痛。每两到四周，把一份简要总结贴回对话里，比如主要动作第一周和最后一周的数据、未完成的次数以及任何让你不舒服的地方，然后问它该调整什么。接着把它的回答再对照上面的清单过一遍。如果你遇到停滞，从训练记录诊断平台期会告诉你先看什么；为什么记录训练会带来更好的结果则讲了更广泛的情况。

Easy Reps没有AI，也不会生成或自动调整计划。它是一款免费的训练记录应用，支持iPhone、iPad、Mac、Apple Watch和Vision Pro，无需账号。这里相关的是历史记录：你可以随时打开任何一次过去的训练，按动作筛选，查看图表，并导出为CSV，这样你提供给聊天机器人、教练或自己的数据，来自你记录的每一组，而不是凭记忆。

常见错误

直接接受第一次的输出。预印本表明，同一个提示词在不同次运行中可能给出不同的数字。重新生成一次，比较强度和训练量。
提示词里只有一个目标。不给训练经历、器材和日程，得到的就是研究中描述的那种泛泛的计划。
不做记录。没有数据，计划就永远不会被调整，平庸的计划也就一直平庸。
相信笃定的措辞。流畅的文字不等于经过验证的文字。在Havers的研究中，教练给这些计划的总体评价仍然是中等。
让聊天机器人推翻临床医生的意见。如果专业人士让你避开某件事，聊天机器人没有资格说不用避开。
按计划的训练量开始，而不是按你自己的训练量。从接近你当前的训练量开始，再逐步加量。

如果你更想从常规的结构而不是提示词开始，新手力量训练计划讲了基础内容。

总结

对AI编写的训练方案的研究一致认为，仍然需要专家把关；在对多个聊天机器人的整体质量做评分的那项研究中，教练给出的是中等分。当你给聊天机器人真实的背景信息，并要求它写明组数、次数、用力程度、休息和渐进规则时，它是一个不错的起草工具。一旦涉及健康问题，它就很难替代临床医生。请对照训练量、渐进、动作选择、伤病和休息这几项检查初稿，从接近你当前的训练量开始，并坚持记录，让计划根据真实的结果来调整。