关于 fitness-nutrition
面向健身者的运动与营养技能,结合 wger 和 USDA 食物数据查询,以及无需联网的身体指标与训练计算器。
主要功能
- 01按肌群、器械或名称查找动作
- 02查询食物营养成分
- 03计算 BMI、TDEE 和体脂率
- 04估算一次最大重复重量与宏量营养素
适用场景
- 01按训练器械筛选可做动作
- 02查询食物每 100 克的营养数据
- 03估算热量需求或体脂率
- 04规划宏量营养素比例
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ nousresearch/ hermes-agent --skill fitness-nutrition安装后在 Claude Code 中输入/fitness-nutrition确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
references/FORMULAS.mdscripts/body_calc.pynutrition_search.py详细介绍
健身与营养
健身教练与运动营养专家技能。包含两个数据源 和离线计算器——健身爱好者所需的一切,尽在一处。
数据源(全部免费,无需 pip 依赖):
- wger(https://wger.de/api/v2/)——开放的运动数据库,收录 690 多种运动,包含肌肉、器械和图片。公共端点无需身份验证。
- USDA FoodData Central(https://api.nal.usda.gov/fdc/v1/)——美国政府营养数据库,收录 380,000 多种食物。
DEMO_KEY可立即使用;免费注册可获得更高的调用限额。
离线计算器(纯 Python 标准库):
- BMI、TDEE(Mifflin-St Jeor)、单次最大重量(Epley/Brzycki/Lombardi)、宏量营养素比例、体脂率(美国海军方法)
使用场景
当用户询问以下内容时,使用此技能:
- 运动、训练、健身房训练计划、肌群、训练分化
- 食物宏量营养素、热量、蛋白质含量、膳食计划、热量计算
- 身体成分:BMI、体脂率、TDEE、热量盈余/缺口
- 单次最大重量估算、训练百分比、渐进超负荷
- 减脂、增肌或维持体重时的宏量营养素比例
流程
查询运动(wger API)
所有 wger 公共端点均返回 JSON,且无需身份验证。查询运动时始终添加
format=json 和 language=2(英语)。
步骤 1 — 确定用户的需求:
- 按肌肉查询 → 使用
/api/v2/exercise/?muscles={id}&language=2&status=2&format=json - 按类别查询 → 使用
/api/v2/exercise/?category={id}&language=2&status=2&format=json - 按器械查询 → 使用
/api/v2/exercise/?equipment={id}&language=2&status=2&format=json - 按名称查询 → 使用
/api/v2/exercise/search/?term={query}&language=english&format=json - 查询完整详情 → 使用
/api/v2/exerciseinfo/{exercise_id}/?format=json
步骤 2 — 参考 ID(无需额外调用 API):
运动类别:
| ID | 类别 |
|---|---|
| 8 | 手臂 |
| 9 | 腿部 |
| 10 | 腹部 |
| 11 | 胸部 |
| 12 | 背部 |
| 13 | 肩部 |
| 14 | 小腿 |
| 15 | 有氧运动 |
肌肉:
| ID | 肌肉 | ID | 肌肉 |
|---|---|---|---|
| 1 | 肱二头肌 | 2 | 三角肌前束 |
| 3 | 前锯肌 | 4 | 胸大肌 |
| 5 | 腹外斜肌 | 6 | 腓肠肌 |
| 7 | 腹直肌 | 8 | 臀大肌 |
| 9 | 斜方肌 | 10 | 股四头肌 |
| 11 | 股二头肌 | 12 | 背阔肌 |
| 13 | 肱肌 | 14 | 肱三头肌 |
| 15 | 比目鱼肌 |
器械:
| ID | 器械 |
|---|---|
| 1 | 杠铃 |
| 3 | 哑铃 |
| 4 | 健身垫 |
| 5 | 瑞士球 |
| 6 | 引体向上杆 |
| 7 | 无(自重) |
| 8 | 长凳 |
| 9 | 上斜凳 |
| 10 | 壶铃 |
步骤 3 — 获取并展示结果:
# Search exercises by name
QUERY="$1"
ENCODED=$(python -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" \
| python -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" \
| python -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" \
| python -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',[])}\")
"
查询营养信息(USDA FoodData Central)
如果设置了 USDA_API_KEY 环境变量,则使用该密钥;否则回退到 DEMO_KEY。
DEMO_KEY = 每小时 30 次请求。免费注册获得的密钥 = 每小时 1,000 次请求。
# Search foods by name
FOOD="$1"
API_KEY="${USDA_API_KEY:-DEMO_KEY}"
ENCODED=$(python -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$FOOD")
curl -s "https://api.nal.usda.gov/fdc/v1/foods/search?api_key=${API_KEY}&query=${ENCODED}&pageSize=5&dataType=Foundation,SR%20Legacy" \
| python -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}" \
| python -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','')}\")
"
离线计算器
批量操作请使用 scripts/ 中的辅助脚本,
单次计算则可直接运行:
python scripts/body_calc.py bmi <weight_kg> <height_cm>python scripts/body_calc.py tdee <weight_kg> <height_cm> <age> <M|F> <activity 1-5>python scripts/body_calc.py 1rm <weight> <reps>python scripts/body_calc.py macros <tdee_kcal> <cut|maintain|bulk>python scripts/body_calc.py bodyfat <M|F> <neck_cm> <waist_cm> [hip_cm] <height_cm>
各公式的科学依据请参阅 references/FORMULAS.md。
注意事项
- wger 运动端点默认返回所有语言的结果 — 英文查询时务必添加
language=2 - wger 包含未经验证的用户提交内容 — 添加
status=2,仅获取已批准的运动 - USDA
DEMO_KEY每小时限 30 次请求 — 批量请求之间添加sleep 2,或申请免费密钥 - USDA 数据按 每 100g 计算 — 提醒用户根据实际食用份量换算
- BMI 无法区分肌肉和脂肪 — 肌肉发达的人 BMI 偏高并不一定意味着不健康
- 体脂率公式是估算值(±3-5%)— 若需精确结果,建议进行 DEXA 扫描
- 1RM 公式在超过 10 次重复时准确度会下降 — 使用 3-5 次一组可获得最佳估算结果
- wger 的
exercise/search端点使用term而不是query作为参数名称
验证
运行运动搜索后:确认结果包含运动名称、肌群和器材。 查询营养信息后:确认返回每 100g 的营养素数据,包括 kcal、蛋白质、脂肪和碳水化合物。 运行计算器后:检查输出是否合理(例如,大多数成年人的 TDEE 应为 1500-3500)。
快速参考
| 任务 | 来源 | 端点 |
|---|---|---|
| 按名称搜索运动 | wger | GET /api/v2/exercise/search/?term=&language=english |
| 运动详情 | wger | GET /api/v2/exerciseinfo/{id}/ |
| 按肌肉筛选 | wger | GET /api/v2/exercise/?muscles={id}&language=2&status=2 |
| 按器材筛选 | wger | GET /api/v2/exercise/?equipment={id}&language=2&status=2 |
| 列出类别 | wger | GET /api/v2/exercisecategory/ |
| 列出肌肉 | wger | GET /api/v2/muscle/ |
| 搜索食物 | USDA | GET /fdc/v1/foods/search?query=&dataType=Foundation,SR Legacy |
| 食物详情 | USDA | GET /fdc/v1/food/{fdcId} |
| BMI / TDEE / 1RM / 营养素 | 离线 | python scripts/body_calc.py |
评论
支持 Markdown