ScribbleFit：AI驱动的自然语言健身记录应用

ScribbleFit 是一款跨平台健身追踪应用，通过 AI 将自由文本记录转换为结构化训练数据，采用离线优先的极简设计，支持 Android 和 iOS 原生开发。

• 原作者/维护者：illutic
• 来源平台：github
• 原始标题：scribblefit
• 原始链接：https://github.com/illutic/scribblefit
• 来源发布时间/更新时间：2026-06-14T11:11:38Z

原作者与来源

• 原作者/维护者：illutic
• 来源平台：github
• 原始标题：scribblefit
• 原始链接：https://github.com/illutic/scribblefit
• 来源发布时间/更新时间：2026-06-14T11:11:38Z 原作者与来源\n\n- 原作者/维护者: illutic\n- 来源平台: GitHub\n- 原项目标题: scribblefit\n- 原始链接: https://github.com/illutic/scribblefit\n- 发布时间: 2026年6月14日\n\n---\n\n项目概述\n\nScribbleFit 重新定义了健身记录的方式，将日记的简单性与人工智能的强大功能相结合。用户不再需要填写繁琐的表单、浏览令人困惑的菜单或浪费时间。只需随手写下训练内容，剩下的交给 AI 处理。\n\n这是一款跨平台的健身追踪应用，专为 Android 和 iOS 原生构建，采用离线优先的编辑极简主义设计理念。项目的核心创新在于使用大语言模型（LLM）将自然语言文本解析为结构化的训练数据，让记录健身变得像写日记一样简单。\n\n---\n\n核心功能特性\n\n画布（Canvas）：自由输入界面\n\n主屏幕提供自由文本输入区域，用户可以用自然语言随手记录训练内容，例如"卧推 3组x10次 80公斤"。AI 会自动将文本解析为结构化的运动项目、组数和次数，无需任何表单或下拉菜单。界面设计追求高端实体训练日志的质感。\n\n账本（Ledger）：训练历史回顾\n\n可滚动的训练历史界面，按日期汇总展示每次训练的摘要和详细运动信息。用户可以轻松回顾过往的训练记录，追踪自己的健身历程。\n\n洞察（Insights）：AI驱动的分析\n\n提供 AI 驱动的数据分析功能，包括训练容量追踪和个性化的训练反馈。系统能够识别训练模式，提供改进建议，帮助用户更科学地规划训练。\n\n离线优先架构\n\n所有数据首先存储在本地，确保即使没有网络连接也能获得流畅的使用体验。这一设计特别适合在健身房等网络信号不稳定的环境中使用。\n\n隐私优先设计\n\n采用最小化数据收集策略，并提供完全本地 LLM 处理的选项。用户的训练数据可以完全不离开设备，充分保护隐私。\n\n---\n\n技术架构\n\nModel-View-Intent (MVI) 架构\n\n项目在双平台上都严格遵循 MVI 架构模式，确保关注点分离和响应式数据流。这种架构模式使代码更易于测试和维护。\n\n分层设计\n\n- Domain 层: 业务模型和用例，不依赖任何外部库\n- Data 层: 仓库实现、持久化存储（Room/SwiftData）和 AI 集成\n- UI 层: Android 使用 Jetpack Compose，iOS 使用 SwiftUI\n\nAI 集成\n\nScribbleFit 使用 Google 的 Gemini 模型（Flash/Pro）进行高速、准确的自然语言解析，将随手记录转换为标准的项目数据模式。Gemini 模型在速度和准确性之间取得了良好平衡，适合实时解析用户输入。\n\n---\n\n项目结构\n\n\n.\n├── apps/\n│ ├── android/ Jetpack Compose Android 应用\n│ └── ios/ SwiftUI iOS 应用\n├── guidelines/ 共享工程标准\n├── specs/ 功能规格文档\n└── GEMINI.md 面向 AI 代理的项目概述\n\n\n---\n\n开发环境配置\n\nAndroid 端\n\n1. 在 Android Studio 中打开 apps/android\n2. 在 local.properties 中添加 Gemini API 密钥：GEMINI_API_KEY=your_key\n3. 构建并运行\n\niOS 端\n\n1. 在 Xcode 15+ 中打开 apps/ios/ScribbleFit\n2. 配置开发团队签名\n3. 在 LocalPackages/Core/Config/Data/Resources/Secrets.plist 中添加 Gemini API 密钥\n4. 构建并运行\n\n---\n\n设计理念与用户体验\n\nScribbleFit 的设计哲学是"像写日记一样记录健身"。传统健身应用往往要求用户在复杂的表单中逐项填写，而 ScribbleFit 让用户可以用最自然的方式——文字——来记录训练。\n\n这种设计带来的优势包括：\n\n- 降低使用门槛: 新用户无需学习复杂的界面操作\n- 提高记录效率: 熟练用户可以快速输入，不受界面限制\n- 保持记录习惯: 类似日记的体验更容易养成长期习惯\n- 表达灵活性: 可以添加备注、感受等非结构化信息\n\n---\n\n应用场景与价值\n\n对健身爱好者的价值\n\n- 快速记录: 组间休息时快速记录，不中断训练节奏\n- 历史追踪: 轻松查看进步曲线，调整训练计划\n- 数据洞察: AI 分析帮助发现训练模式和改进空间\n\n对开发者的启示\n\n- 跨平台架构: 展示了如何在双平台上保持架构一致性\n- AI 集成模式: 提供了 LLM 与移动应用集成的实践参考\n- 离线优先: 演示了现代移动应用的数据同步策略\n\n---\n\n总结与展望\n\nScribbleFit 代表了移动健身应用的新方向——将 AI 的自然语言理解能力与简洁的用户体验相结合。它证明了技术应该服务于用户需求，而不是增加复杂性。\n\n项目采用 MIT 开源协议，为希望构建类似应用的开发者提供了完整的参考实现。无论是作为健身工具使用，还是作为学习跨平台开发和 AI 集成的案例，ScribbleFit 都具有很高的价值。\n\n随着大语言模型能力的持续提升，可以预见类似"自然语言优先"的设计理念将在更多应用领域得到应用，ScribbleFit 无疑是这一趋势的早期探索者。