Реализация AI-ассистента для подбора тренировок в мобильном приложении

Реализация AI-ассистента для подбора тренировок в мобильном приложении

Подбор тренировок — это персонализация на основе данных о теле, цели, доступном оборудовании и истории занятий. Без этих данных AI даст стандартный план «3x10 приседаний», который не учитывает травму колена, тренировки дома без инвентаря и то, что вчера была ногодень.

Сбор данных для персонализации

Качество рекомендаций напрямую зависит от полноты профиля. Минимальный набор:

• Цель: похудение, набор массы, выносливость, реабилитация
• Уровень: начинающий, средний, продвинутый
• Доступное оборудование (мультивыбор: штанга, гантели, турник, TRX, только вес тела)
• Ограничения/травмы: конкретные зоны (поясница, колени, плечи)
• Доступное время на тренировку
• Частота занятий в неделю
• История тренировок: что делал последние 7 дней

Из нативных источников добавляем данные HealthKit (iOS) или Health Connect (Android 14+):

// iOS: загрузка тренировок за последнюю неделю из HealthKit
func fetchRecentWorkouts() async throws -> [HKWorkout] {
    let workoutType = HKObjectType.workoutType()
    let predicate = HKQuery.predicateForSamples(
        withStart: Calendar.current.date(byAdding: .day, value: -7, to: Date())!,
        end: Date()
    )
    let sortDescriptor = NSSortDescriptor(key: HKSampleSortIdentifierStartDate, ascending: false)

    return try await withCheckedThrowingContinuation { continuation in
        let query = HKSampleQuery(
            sampleType: workoutType,
            predicate: predicate,
            limit: 20,
            sortDescriptors: [sortDescriptor]
        ) { _, samples, error in
            if let error { continuation.resume(throwing: error); return }
            continuation.resume(returning: (samples as? [HKWorkout]) ?? [])
        }
        healthStore.execute(query)
    }
}

Генерация тренировочного плана

Промпт с полным контекстом:

func buildWorkoutPrompt(profile: UserProfile, recentWorkouts: [WorkoutSummary]) -> String {
    let workoutHistory = recentWorkouts.map {
        "\($0.date.formatted()): \($0.type), \($0.duration) min, \($0.muscleGroups.joined(separator: "+"))"
    }.joined(separator: "; ")

    return """
    Create a workout plan for today.

    User profile:
    - Goal: \(profile.goal)
    - Level: \(profile.level)
    - Available time: \(profile.availableMinutes) minutes
    - Equipment: \(profile.equipment.joined(separator: ", "))
    - Limitations: \(profile.limitations.isEmpty ? "none" : profile.limitations.joined(separator: ", "))

    Recent workouts (last 7 days): \(workoutHistory.isEmpty ? "none" : workoutHistory)

    Rules:
    - Avoid muscle groups trained in last 48 hours
    - If limitation mentions specific area (knee, back), exclude exercises for that area
    - Balance push/pull if goal is hypertrophy

    Return JSON: {
      name, totalMinutes, exercises: [{
        name, sets, reps, restSeconds, muscleGroups: [], notes, videoSearchQuery
      }]
    }
    """
}

videoSearchQuery — ключевое поле. Им формируем поисковый запрос для YouTube/Vimeo, чтобы показать демо упражнения прямо в карточке.

Адаптация по ходу тренировки

Ассистент не должен молчать после выдачи плана. Три триггера для адаптации:

1. Пользователь нажал «Слишком тяжело» → LLM заменяет упражнение на более лёгкое
2. Прошло времени больше запланированного → предлагает сократить оставшиеся сеты
3. Все упражнения выполнены за 15 минут раньше → добавляет бонусный блок

// Android - адаптация упражнения
suspend fun substituteExercise(
    exercise: Exercise,
    reason: SubstitutionReason,
    availableEquipment: List<String>
): Exercise {
    val prompt = """
    The user cannot do "${exercise.name}".
    Reason: ${reason.description}
    Available equipment: ${availableEquipment.joinToString(", ")}
    Target muscles: ${exercise.muscleGroups.joinToString(", ")}

    Suggest ONE simpler/alternative exercise that targets the same muscles.
    Return JSON: {name, sets, reps, restSeconds, muscleGroups: [], notes}
    """

    val response = openAIClient.chat(
        model = "gpt-4o-mini",
        messages = listOf(Message("user", prompt)),
        responseFormat = ResponseFormat.JsonObject
    )
    return json.decodeFromString(response.content)
}

Отдых и восстановление

AI-ассистент должен рекомендовать не тренироваться, когда это нужно. Если HealthKit показывает высокий HKQuantityType.heartRateVariability снижение или Sleep Analysis меньше 6 часов — план меняется на растяжку или активный отдых.

func shouldRecommendRestDay(healthData: HealthSnapshot) -> Bool {
    return healthData.sleepHours < 6.0 ||
           healthData.restingHeartRate > healthData.averageRestingHR * 1.1 ||
           healthData.hrvTrend == .declining
}

Это не AI-запрос — простая эвристика по нативным данным. LLM здесь не нужен.

Ориентиры по срокам

Базовый генератор плана без HealthKit — 3–5 дней. Полноценный ассистент с HealthKit/Health Connect, адаптацией по ходу тренировки, таймером отдыха и историей занятий — 4–6 недель.