
耐力学社越野跑体感一致配速表 Skills · Even-effort trail running pace charts with checkpoint splits and SVG export.
耐力学社越野跑体感一致配速表 Skills · Even-effort trail running pace charts with checkpoint splits and SVG export.
·
基于耐力学社体感一致配速思路的社区独立实现。赛前,将 GPX、KML 或 FIT 路线转换成按检查点(CP)分段的多目标配速表;赛后,将 FIT 活动与方案对照,查看累计差距、相邻站耗时和地形差异。可通过 AI 助手调用 even-effort-pace-chart,也可直接使用命令行。
思路参考耐力学社 / Pili(表哥)的《耐力科学|体感一致配速表全面指南》。本项目独立实现等效距离与疲劳曲线,并非 RunArt.Net 官方工具或输出;详见来源与版权。
| 示例与说明 | 配速表 | 活动对比 |
|---|---|---|
| 徽州古城 100K:GPX 制表与 FIT 赛后复盘 | GPX 方案 / FIT 路线方案 | 按赛前 GPX / 按实际 FIT |
| 大境门 DGW100K:公开 KML 可复现 | 10–24 小时 / 15 小时方案 | — |
| 大境门 MGW50K:使用公开的海拔补全副本生成配速表,含赛前 GPX 与实际 FIT 两版赛后对比 | 5–12.5 小时 / 6:15 单列 / FIT 路线方案 | 按赛前 GPX / 按实际 FIT |
各示例说明包含输入来源、配置、复现所需文件、命令和结果口径。
所有方式都需要 Python 3.10+。GPX/KML 配速表仅使用标准库;FIT 输入和活动对比需要可选依赖。
有两种方式,按需选择:
npx(推荐):需要 Node.js、npm 和 Git。在项目目录执行:
npx skills add yihouzenmeban/trail-running-pace --skill even-effort-pace-chart按提示选择 AI 助手。默认安装到当前项目;加 -g 安装到用户级技能目录,此时可在任意目录执行。
手动安装:不需要 Node.js。从 GitHub Releases 下载带版本号的 ZIP,解压后得到 even-effort-pace-chart/;如果已克隆仓库,也可以直接复制 skills/even-effort-pace-chart/。将 even-effort-pace-chart/ 整个目录放入助手的技能目录即可。技能目录已包含运行所需文件,不依赖仓库示例或来源文章。
WorkBuddy:如果你使用 WorkBuddy,用分享页安装,不需要执行上面的 npx 或手动复制:
OpenClaw:使用已安装的 OpenClaw,从 ClawHub 安装:
openclaw skills install @yihouzenmeban/even-effort-pace-chart默认安装到当前选定的工作区;使用 --global 可安装到本机共享技能目录,代理的可见性仍受其配置限制。也可通过独立 ClawHub CLI 安装,或查看 ClawHub 页面。
安装完成后,准备一份 GPX、KML 或 FIT 轨迹(也可以先用公开示例),向助手提供轨迹路径和目标时间。
Claude Code:用斜杠命令调用:
/even-effort-pace-chart
用 race.gpx 生成体感一致配速表,目标完赛时间 14 小时,输出到 output/my-race/。其他助手:在支持 $名称 调用的助手中用 $even-effort-pace-chart;也可以在自然语言请求中直接指定 even-effort-pace-chart,让助手自行加载。
默认行为:
默认水量按等效距离计算,仅供赛段比较,并非个人饮水建议。需要结合天气和个人情况规划携水时,直接告诉助手;它会按需询问比赛日期与出发时间、饮水经验、携水容量和站点供水情况,确认个人饮水速率后按赛段耗时计算。天气只用于辅助确认速率,程序不会自动调整。详见携水与天气。
不需要安装 Skill。先克隆仓库:
git clone https://github.com/yihouzenmeban/trail-running-pace.git
cd trail-running-pace以下命令在仓库根目录执行。将下面内容保存为 race.json:
{
"name": "我的比赛",
"target": "14:00"
}target 是完赛用时(这里为 14 小时),不是出发钟点。
先用 inspect 检查公开示例轨迹,再生成配速表:
python3 skills/even-effort-pace-chart/scripts/pace_chart.py inspect \
'examples/huizhou-gucheng-100k/徽州古城100K.gpx'
python3 skills/even-effort-pace-chart/scripts/pace_chart.py generate \
'examples/huizhou-gucheng-100k/徽州古城100K.gpx' \
--config race.json --output-dir output/my-race生成 13:00、13:30、14:00、14:30、15:00 五组完赛目标(均为完赛用时),结果为 output/my-race/pace-chart.svg。output/ 已被 Git 忽略;替换已有结果时使用 --overwrite。
inspect 只输出检查结果,不写文件;generate 会重新读取轨迹。换成自己的轨迹时,先对该文件运行 inspect,处理完路线与 CP 歧义后再运行 generate。
两种方式共用同一套配置。配速表的所有配置项、默认值和取值说明见完整参数表,包括目标、站点、爬升处理、输出格式、携水和天气。可以用自然语言向助手指定,也可以写入 race.json;活动对比的命令参数见活动对比文档。
上图截取基于实际 FIT 路线的 16 小时方案;完整对比图包含 15、16、17 小时方案及各段爬升、下降。大境门 MGW50K 的示例说明同时提供赛前 GPX 与实际 FIT 两版对比,可对照路线输入带来的差异。
有两种方式:
在 AI 助手中使用:向助手提供比赛轨迹、配速配置和活动 FIT,例如:
用 even-effort-pace-chart 将 activity.fit 与 race.gpx、race.json 对比,
参照目标为 15、16、17 小时,包含每两个站之间的耗时,输出到 output/comparison/。使用命令行:先安装 FIT 依赖,再离线检查并生成(以下命令在克隆后的仓库根目录执行):
python3 -m pip install -r skills/even-effort-pace-chart/scripts/requirements-comparison.txt
python3 skills/even-effort-pace-chart/scripts/compare_activity.py inspect race.gpx \
--config race.json --fit activity.fit \
--targets 15:00 16:00 17:00
python3 skills/even-effort-pace-chart/scripts/compare_activity.py generate race.gpx \
--config race.json --fit activity.fit \
--targets 15:00 16:00 17:00 --output-dir output/comparison默认输出 garmin-comparison.svg,支持 FIT 或单活动 FIT ZIP,无需在线凭据。inspect 只输出活动汇总、站点匹配和诊断信息,不写文件;CP 匹配有歧义时按提示核对后再运行 generate。替换已有结果时使用 --overwrite。读图、平台汇总、按实际 FIT 重算路线及可选佳明下载,见活动对比文档。
| 需要了解什么 | 文档 |
|---|---|
| 配速表完整参数、默认值和取值说明 | 完整参数表 |
| 目标列表、人工 CP、停留、关门和导出格式 | 配置与命令行 |
| 携水量、个人速率和天气预报 | 携水与天气 |
| KML 高度、FIT 设备距离与 CP 要求 | KML 输入 / FIT 路线输入 |
| 活动对比、差值方向、CP 匹配和佳明读取 | 活动对比 |
| 等效距离、疲劳曲线、距离与海拔处理 | 模型与限制 |
| 为什么默认不平滑+10 米阈值,如何切换 | 爬升方案与历史实验 |
| AI 助手的执行流程 | SKILL.md |
爬升统计和图示平滑各自独立;结果依赖输入海拔与处理参数,可能与赛事或其他平台统计不同。
在仓库根目录分别运行技能功能测试和发布流程测试:
python3 -m unittest discover -s skills/even-effort-pace-chart/tests -v
python3 -m unittest discover -s .github/tests -v技能测试覆盖路线处理、配速和活动对比。独立复制 Skills、未携带 examples/ 时,真实赛道测试会跳过。自然语言用例及人工复核步骤见行为评测指南;开发经历见投稿文章。
推送涉及 skills/even-effort-pace-chart/ 的提交到 main 后,发布工作流会运行发布测试、递增补丁版本并同步两个版本字段,再向 main 写入版本提交、创建标签和 GitHub Release,上传仅包含技能目录的 ZIP。技能参考文档的修改也会触发该流程;继续开发前请同步自动生成的版本提交。
项目代码和技能包采用 MIT 许可。ClawHub 发布规则规定通过该平台发布的技能使用 MIT-0,与本项目声明的 MIT 不同;再次向 ClawHub 发布或更新前,需核实平台规则和相关授权。
参考文章及配图归档保留原文来源与版权声明,权利归原权利人所有,使用条件以原文声明为准。比赛轨迹与活动对比的来源见各示例说明。
Paste this prompt into your agent. It reads this page and does the setup for you.
Read https://aiagentslisting.com/mcp/skills-3 to learn what the "体感一致配速表 Skills" MCP server does and how to install it. Add it to my coding agent's MCP configuration as documented on that page, then confirm the server connects and list the tools it exposes.Agents can also browse this directory over MCP at https://aiagentslisting.com/api/mcp
npx skills add yihouzenmeban/trail-running-pace --skill even-effort-pace-chartThis server runs locally, so we can't read its tool list over the web yet.
We could not run this server: it ships no npx package for our sandbox and no public endpoint. The four checks that need a live server are left out, and the grade tops out at B until one exists.
Maintain this server? Claiming proves you own the listing and earns the last 4 points.
Claim this listingPaste this line near the top of your repository's README. The badge always renders the current score.
[](https://aiagentslisting.com/mcp/skills-3)Nothing comparable is listed yet.
v1.0.6Release notesv1.0.5Release notesv1.0.4Release notesv1.0.3Release notesv1.0.2Release notesv1.0.1Release notesv1.0.0Release notesConnect to the AI Agents Listing MCP server at https://aiagentslisting.com/api/mcp using the HTTP transport and complete the sign-in when it asks. Then call the submit_review tool for the listing "skills-3" with a rating from 1 to 5 and a short note on what worked and what did not.No reviews yet
Be the first to share your experience with this tool.
One email a week. New agents, MCP servers and skills, and what is actually getting traction.