dev.to #ai产品
Ritmo Claro：一个开源的 AI 跑步进度追踪器
Ritmo Claro 是一款面向跑者的开源应用，允许用户设定目标并记录跑步数据。该应用能计算配速、距离、心率、感知运动强度及出勤频率，并以图表形式展示这些指标随时间的变化趋势。设计初衷是供跑后回顾使用，而非运动中实时查看，也不包含路线规划或训练计划功能。
这是 Hacktoberfest 开源 AI 挑战赛第 1 周“Touch Grass”的参赛作品。
我做了什么
Ritmo Claro 是一款跑步后的进度追踪器。用户设定目标并记录跑步数据；应用会计算配速、距离、心率、主观疲劳程度和出勤频率，然后展示这些指标随时间的变化。
户外部分是跑步本身。Ritmo Claro 旨在用于跑后简短回顾，而非运动中观看。它不规划路线或训练计划，也无法独自促使人们外出跑步。我在本次挑战周内构建并部署了该应用。
演示
代码
我是如何构建它的
界面由纯 JavaScript、HTML 和 CSS 构成，AI 请求由 Cloudflare Worker 处理。应用的所有指标均在代码中计算；模型仅解释提供的结果。默认情况下，它通过 Cloudflare Workers AI 使用开源权重的 Qwen 3.8 27B 模型。
AI 解读由用户触发。Worker 接收计算出的分析和最近的跑步笔记，然后返回一条简短的全局解读。如果模型不可用或超出配额，应用会有本地计算的备用方案。Google 登录将跑步者的目标和跑步记录存储在一个 Drive 文件中；访客模式使用明显虚构的示例跑步数据。
为什么开放创新很重要？
使用开源权重模型为本项目提供了一条在不移交指标计算的情况下更换模型或提供商的路径。数字和比较保留在可读的应用程序代码中，因此模型可以解释分析内容，而无需决定什么算作进步。
部署版本仍然向 Cloudflare Workers AI 发送 AI 请求，Google 用户将其记录保存在 Drive 中。这并非离线推理，也不是隐私声明。此处开放模型的价值在于，该项目可以保持解释层的可替换性，同时其计算保持可检查且独立于任何单一模型提供商。
奖项类别
我只参加整体挑战；我不申报合作伙伴类别。