AI Gym Trainer Multi Agent Workout Planner

🏋️‍♂️ AI多智能体训练管道

完全自动化 6-agent人工智能锻炼生成系统 使用 谷歌代理开发工具包（ADK）.\ 此管道收集用户锻炼意图，生成锻炼计划，验证安全性，选择设备，保存内存，并输出最终汇总摘要。

______________________________________________________________________

🚀 特性

✅ 1.多代理架构（7个链接代理）

• 解码器代理 → 摘录：肌肉、目标、训练风格、经验水平
• 规划师代理 → 打造个性化的6-8运动训练
• 设备代理 → 建议所需设备和替代设备
• 验证器代理 → 检查安全性、音量和难度
• 内存代理 → 保存锻炼历史记录（JSON）
• 推荐代理 → 康复、营养、次日小贴士
• 聚合代理 → 为用户生成最终的干净摘要

______________________________________________________________________

🔄 管道流量

User Input
   ↓
Workout Decoder
   ↓
[Planner + Equipment Agents] (Parallel)
   ↓
Validator
   ↓
Memory Agent
   ↓
Recommender
   ↓
Aggregator → Final Output

______________________________________________________________________

🧠 记忆意识训练创建

系统会自动读取您的最后一次 3项训练 并避免重复练习：

• 防止过度使用损伤
• 增加变化
• 感觉就像一个真正的私人教练在学习你的模式

______________________________________________________________________

🧰 设备选择器（自定义工具）

系统加载JSON设备数据库：

muscle → required_equipment + alternatives

如果没有找到匹配项，则提供后备选项（哑铃、带子、体重、家居用品）。

______________________________________________________________________

📁 项目结构

project/
│
├── agents.py
├── data/
│   └── equipments_db.json
├── memory/
│   └── workout_history.json
├── logs/
│   └── run_log.txt
└── README.md

Logs and Memory folder are not uploaded!

______________________________________________________________________

📝 如何使用

1.安装依赖项

pip install google-adk

2.运行管道

adk run agents.py

系统将首先显示所需的输入格式。

然后，您可以提供任何随意的输入，例如：

chest workout, muscle growth, supersets, intermediate

______________________________________________________________________

📥 示例输出

FINAL WORKOUT SUMMARY
- Muscle: chest
- Goal: muscle growth
- Experience: intermediate

WORKOUT:
- Barbell Bench Press — 4×8 — 90s
- Incline DB Press — 3×10 — 75s
...

EQUIPMENT:
- Primary: bench, dumbbells, barbell
- Alternatives: resistance bands, push‑up variations

RECOMMENDATIONS:
- Increase protein intake post‑workout
- Stretch chest + triceps 10 minutes
...

______________________________________________________________________

📌 为什么这个系统很特别

• 完整的多代理管道
• 并行代理执行
• 基于记忆的计划创建
• 调试日志
• 干净的模块化架构
• 可扩展到移动应用程序/web UI/API

______________________________________________________________________

📌 未来改进

• 添加每周分期试剂
• 使用计算机视觉添加形状矫正剂
• 添加强度跟踪记忆
• 添加用户配置文件系统

______________________________________________________________________

🤝 贡献

欢迎拉取请求！

📄 许可证

MIT许可证