练了三个月的玩家出差两周回来，打开训练，虚拟教练照旧安排出差前那套强度，第一组就明显吃力。另一种情况也常见：玩家每次打开都被问一遍“你的训练目标是什么”，好像教练从来没见过他。两种体验说明的是同一件事——虚拟教练要么没有记忆，要么只记住了最后一次。真正有用的长期记忆，既要记得几个月的变化，也要知道哪些东西不该一直记着。
历史从哪里来：先分清“发生过什么”和“说明了什么”
虚拟教练的记忆起点是原始训练历史，也就是每次训练客观发生了什么：几点开始、做了哪些动作、每组多少有效次数、哪几次被判为无效、在哪里中断。这一层只记录事实，不下结论。结论属于上面一层，需要把许多次训练放在一起比较才能得出。把这两层混在一起，教练就会把一次偶然的失误当成性格，把一次超常发挥当成新的常态。
“记住”不是保存聊天记录，而是维护一份不断修订的训练档案
大模型可以在一次对话里记住上下文，但几个月的训练不可能全部塞进上下文窗口，也没有必要。更合理的做法是把长期记忆整理成结构化档案，每次训练结束后更新，下次开始时由模型读取。这份档案围绕六个字段组织：
- Training History：每次训练的动作、有效次数、各阶段质量指标、中断原因。
- Strength：长期表现稳定的能力，例如深蹲深度一直达标、平板支撑保持时间持续较长。
- Weakness：反复出现的问题，例如起身时左膝内扣、跳跃落地后站稳时间偏长。
- Fatigue Pattern：疲劳通常在第几组、以什么形式出现，比如是速度先下降还是幅度先变小。
- Improvement：哪些指标在变好，变化速度如何。
- Goal：玩家自己设定的目标，以及目标是否被修改过。
从动作数据到档案：弱点必须“反复出现”才算数
记忆的来源是动作数据。一次训练里左膝内扣三次，可能只是那天没睡好；连续多周都在最后几组出现，才应该写进 Weakness。在示例设定中，系统可以要求某个问题在最近若干次训练里的出现比例超过一定门槛，才从“当天观察”升级为“长期弱点”。同样，关键点置信度偏低的片段不参与这类统计——摄像头拍不清的动作，不能成为给玩家贴标签的依据。
长期模型和当天状态必须分开存
这是虚拟教练最容易做错的地方。当天状态包括今天的完成率、组内速度衰减、玩家自述的疲劳程度；长期模型包括能力等级、稳定的强项和弱项、进步趋势。两者的更新速度完全不同。
| 类型 | 例子 | 更新方式 |
|---|---|---|
| 当天状态 | 第三组起动作速度明显下降 | 只影响本次训练的后续安排 |
| 近期趋势 | 最近两周疲劳出现越来越早 | 影响未来几天的强度建议 |
| 长期能力 | 三个月内深蹲深度的稳定性提高 | 缓慢修正，需要多次证据 |
回到开头出差两周的例子：长期能力没有消失，但近期记录出现了空白，教练应该识别“间隔过长”，先安排一次强度较低的回归训练，观察动作质量再逐步恢复，而不是直接套用旧计划。
模型怎么用这份记忆给出“像认识你”的反馈
有了档案，虚拟教练说的话才会有针对性。例如：“你上个月最后两组经常出现起身借力，这周已经少了很多，今天继续保持慢速起身。”这句话同时用到了 Weakness、Improvement 和 Fatigue Pattern。九游体育的做法是让语言模型只负责组织表达，具体数字和判断来自训练档案与动作识别结果，避免模型凭空“回忆”出没有发生过的训练。
Training History → Motion Data → 长期档案 → 教练反馈 → 档案修订
记忆也要会遗忘：旧弱点和旧目标该慢慢退场
几个月前的弱点如果已经连续很久没出现，就应该从当前提醒里移除，只保留在历史里；玩家换了目标，比如从“提高深蹲深度”改为“提升跳跃落地稳定性”，旧目标相关的提醒也要降低优先级。一个什么都不忘的教练，会不停翻旧账，让人不想打开。
遗忘不是删除，而是降低权重。历史数据仍然保存，供玩家回看自己的成长曲线，只是在生成今天的建议时，最近几周的表现比几个月前的表现更有分量。
玩家能看到、能改、能删
长期记忆涉及个人训练数据，所以必须透明。在九游体育App里，玩家可以查看教练记录的强项、弱项和目标，发现不准确时手动修正，例如标注“那几天是因为场地太小才没蹲到位”；也可以删除某段训练记录，或清空整个长期档案重新开始。删除之后，教练的后续建议会基于剩余数据重新计算，不会偷偷保留一份。
几个月之后，变化应该被看见
长期记忆最终服务的是长期变化：玩家能清楚看到三个月前的弱点现在是什么样子，教练的安排也随着能力提升而调整。九游体育希望虚拟教练像一个一直在场的陪练，而不是每次见面都重新认识。训练难度如何根据这些信息动态变化，可以参考AI怎么判断继续训练还是降低难度；支撑这些判断的模型能力，在动作识别大模型栏目中有更多说明。
