Skip to content
Merged
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
81 changes: 65 additions & 16 deletions docs/i18n/README.de.md
Original file line number Diff line number Diff line change
Expand Up @@ -272,8 +272,8 @@ Mitwirkende.
flowchart TB
U[Du] <--> H[Dein Agenten-CLI<br/>Claude Code · Gemini CLI · Codex<br/>= der Coach: spricht, denkt, passt an]
H <-->|MCP| S[performance-agent-Server]
H -.folgt.-> SK[Coaching-Skills<br/>Onboarding · Bedarfsanalyse · Recherche ·
Planung · Optimierung · Ernährung · Kontrolle · Check-ins · Anpassung]
H -.folgt.-> SK[Coaching-Skills<br/>Onboarding · Bedarfsanalyse · Tiefenrecherche ·
Planung · Optimierung · Ernährung · Review · Check-ins · Trainingstag · Anpassung]
S --> E[Sportwissenschafts-Engine<br/>deterministisch · property-getestet · null LLM]
S --> EV[(Evidenzkorpus<br/>bewertete Studien, SQLite FTS5)]
S --> M[(Athletenverzeichnis<br/>Profil · Programme · Protokolle — einfache Dateien)]
Expand All @@ -290,25 +290,74 @@ Session-RPE-Last & ACWR, Monotonie/Strain, Form-Ermüdung CTL/ATL/TSB,
Readiness-Einstufung, Budgetierung externer Last, Zielmachbarkeit,
Periodisierungswellen, rückwärts geplante Saison aus einem datierten Kalender,
Sitzungs-Autoregulation am Tag selbst (Readiness-basierte Anpassung, Zeitkompression,
Übungssubstitution), Sequenzierung innerhalb der Woche & Interferenzschutz,
individualisierte Rekalibrierung aus den Logs des Athleten (gemessene
Progressionsrate ehrlich über n, Soll-Ist-Compliance, Volumentoleranz, versioniertes
Antwortprofil), die die Machbarkeit neu berechnet, datengestützte
Entlastungsempfehlungen und eine schrittweise Rückkehr zur Last nach einer Pause,
proaktives Follow-up, das Fälliges hervorhebt, und eine deterministische
End-to-End-Simulation (ohne LLM); 1270 Tests inkl. property-based) · 93 MCP-Werkzeuge ·
dateibasiertes Athletengedächtnis mit Saisonkalender, Readiness-Logs, versionierten
maschinenlesbaren Programmen, Tages-Anpassungsprotokoll, versioniertem Antwortprofil
und Anpassungs-Audit-Protokoll · Import von Aktivitätsdateien (.fit/.tcx/.gpx/CSV) ·
Übungssubstitution), Sequenzierung innerhalb der Woche & Interferenzschutz (Abstand
schwerer Muster, HIIT-vor-Unterkörper-Interferenz, Regeln für aufeinanderfolgende harte
Tage und Match-Fenster), individualisierte Rekalibrierung aus den Logs des Athleten
(gemessene Progressionsrate ehrlich über n, Soll-Ist-Compliance,
Volumen-Toleranz-Assoziation, versioniertes Antwortprofil), die die Zielmachbarkeit
gegen die gemessene Rate neu berechnet, datengestützte Entlastungsempfehlungen
(Monotonie/Strain, TSB- und Readiness-Trends gegen den geplanten Zähler) und eine
gestufte Rückkehr zur Last nach einer Pause (freigabe-gesteuert), proaktives Follow-up,
das Fälliges hervorhebt (überfälliger Check-in, bevorstehender Wettkampf, verpasste
Sitzungen, Readiness-Lücken, veraltetes Antwortprofil) nach Schweregrad geordnet, damit
der Coach zuerst spricht, und eine deterministische End-to-End-Simulation (ohne LLM),
die die echte Engine + den Speicher über synthetische Athleten treibt — inklusive einer
NICHT VORBEREITETEN Sportart (Kajak-Sprint), deren handgeschriebenes Modell die gesamte
Pipeline genau wie ein vorbereitetes durchläuft und beweist, dass die Maschine
sportunabhängig ist — um zu beweisen, dass sich die ganze Schleife zusammensetzt, ein
sportagnostisches PerformanceModel (die recherchierte, versionierte Antwort auf „was
bestimmt die Leistung in dieser Disziplin" — trainierbare Qualitäten mit normalisierten
Gewichten, KPIs mit Niveau-Benchmarks, Verletzungsrisiken und Energiesystem-Aufteilung,
jeder Wert nach Herkunft gekennzeichnet: zitiert/a priori/Einschätzung), das die
Lückenanalyse antreibt (gemessene KPIs vs. Benchmarks, Trainingsprioritäten je
Qualität, Ungemessenes bleibt ungemessen) und eine datierte Testbatterie, die als
Experimente um den Kalender herum geplant wird, initialisiert mit vier Referenzmodellen
(Sprint, 10 km, Powerlifting, Fußball), die Beispiele und keine Voraussetzung sind, und
eine strukturierte Übungs-Ontologie (~120 Basisübungen attribuiert nach
Bewegungsmuster, Kraftvektor, Kontraktionsregime, kinetischer Kette, Ausrüstung,
Spezifitätsniveau und trainierten Qualitäten — filterbar und erweiterbar mit eigenen
Ergänzungen des Athleten) mit deterministischer bewerteter Übungsauswahl
(Qualitätsübereinstimmung × phasengerechte Spezifität × Ausrüstungs-Machbarkeit ×
Kontraindikations-Sperre × Neuheit, gerankt mit einer Begründung je Attribut),
Reiz-Äquivalenz-Substitution und einem Mesozyklus-Spezifitätsmix-Schutz, plus
optionaler hochauflösender Datenaufnahme (Velocity-Based-Training-CSV-Importe als
strukturierte Sätze, .fit/.tcx-Einheiten liefern Leistung/normalisierte
Leistung/Kadenz/Runden-Splits, und Sprung-/Sprint-Messungen landen im KPI-Log — jede
hochauflösende Eingabe optional, fehlende Daten senken die angegebene Auflösung, statt
zu blockieren), Last-Geschwindigkeits-Profiling (eine je Übung angepasste
Geschwindigkeits-Last-Linie mit geschätztem 1RM, ehrlich abgesichert und abgelehnt,
wenn die Lasten zu wenige oder zu eng sind), das Tages-Geschwindigkeits-basierte
Last-Vorschläge speist (begrenzt, gekennzeichnet, nie automatisch angewandt), und ein
je Athlet angepasstes zweikomponentiges Banister-Impuls-Antwort-Modell
(deterministischer Pure-Python-Gitter-Fit der Form-/Ermüdungs-Zeitkonstanten und
Gewinne, ehrlich abgesichert — abgelehnt ohne ≥8 Wochen Last und ≥5 verteilte
Leistungspunkte oder bei fixierten/unplausiblen Werten — das die eigenen Zeitkonstanten
des Athleten in den Form-Ermüdungs-Trend einspeist), individuelle Taper-Antwort
(erkennt vergangene Taper im Last-Log, paart jeden mit seinem ereignisgebundenen
Ergebnis und empfiehlt Dauer/Reduktion aus dem besten Taper des Athleten selbst, wenn
≥2 vorhanden — sonst die gekennzeichnete Populationsregel) und Progressionsraten je
Qualität, die über die Modell-KPIs verschlüsselt sind, plus mehrjährige
Makrozyklus-Planung (ein 1–4-Jahres-Plan rückwärts vom Hauptevent typisiert mit
jährlichen Qualitäts-Schwerpunkt-Budgets, die aus den Lückenprioritäten abgeleitet sind
und die Saison speisen) und ein Trainingsresiduen-Schutz (warnt, wo eine gehaltene
Qualität ohne Auffrischung über ihr Issurin-Retentionsfenster hinaus abfallen würde);
1397 Tests inkl. property-based) · 102 MCP-Werkzeuge · dateibasiertes Athletengedächtnis
mit Saisonkalender, Readiness-Logs vor der Sitzung, versionierten maschinenlesbaren
Programmen (strukturierter Plan + gerendertes Markdown), Tages-Anpassungsprotokoll mit
Eskalationssignalen, versioniertem individuellem Antwortprofil, versionierten
Performance-Modellen, datiertem KPI-Ergebnis-Log und Anpassungs-Audit-Protokoll ·
Import von Aktivitätsdateien (.fit/.tcx/.gpx/CSV, inkl. Leistung/Kadenz/Splits und
VBT-Exporte), der eine Sitzung vorschlägt, die der Athlet vor dem Loggen bestätigt ·
DOI/PMID/ISBN-verifizierter Evidenzkorpus mit Anti-Fabrikations-Zitatprüfung ·
Live-Evidenzsuche (PubMed, OpenAlex, Crossref, Semantic Scholar) hinter doppelter
Verifikation · zwölf Coaching-Skills inkl. verpflichtendem Liefer-Gate mit
Verifikation · fünfzehn Coaching-Skills inkl. verpflichtendem Liefer-Gate mit
adversarialer Zweitmeinung · Typst-PDF-Berichte (en/fr/es) hinter einer harten
Zitatsperre.

**Roadmap:** Korpusausbau auf ~200 Studien · Ergebnissimulation (Banister +
Monte Carlo) · weitere Sport-Vertikalen (Hyrox-spezifische Engine-Werkzeuge, Fußball,
Tennis) · optionales Web-Frontend auf demselben MCP-Server.
**Roadmap:** Umgebung & Fein-Peaking (Höhe/Hypoxie, Hitzeakklimatisation,
Jetlag-Protokolle, Wettkampfstunden-Planung) — die bewusste nächste Iteration ·
Korpusausbau auf ~200 Studien · Ergebnissimulation (Monte Carlo auf dem angepassten
Banister-Modell) · optionales Web-Frontend auf demselben MCP-Server.

## Designprinzipien

Expand Down
95 changes: 73 additions & 22 deletions docs/i18n/README.es.md
Original file line number Diff line number Diff line change
Expand Up @@ -266,8 +266,8 @@ Cualquier otra herramienta compatible con servidores MCP funciona con el mismo c
flowchart TB
U[Tú] <--> H[Tu agente CLI<br/>Claude Code · Gemini CLI · Codex<br/>= el coach: conversa, razona, adapta]
H <-->|MCP| S[servidor performance-agent]
H -.sigue.-> SK[Habilidades de coaching<br/>onboarding · análisis de necesidades · investigación ·
planificación · optimización · nutrición · control · revisiones · adaptación]
H -.sigue.-> SK[Habilidades de coaching<br/>onboarding · análisis de necesidades · investigación profunda ·
planificación · optimización · nutrición · revisión · check-ins · día de sesión · adaptación]
S --> E[Motor de ciencias del deporte<br/>determinista · testeado por propiedades · cero LLM]
S --> EV[(Corpus de evidencia<br/>estudios graduados, SQLite FTS5)]
S --> M[(Directorio del atleta<br/>perfil · programas · registros — archivos simples)]
Expand All @@ -285,26 +285,77 @@ clasificación de readiness, presupuesto de carga externa, viabilidad de objetiv
ondas de periodización, planificación de temporada hacia atrás desde un calendario con
fechas, autorregulación de la sesión el mismo día (ajuste según la readiness,
compresión del tiempo, sustitución de ejercicios), secuenciación intrasemanal y
salvaguarda de interferencia, recalibración individualizada a partir de los registros
del atleta (ritmo de progresión medido honesto sobre n, cumplimiento prescrito-vs-real,
tolerancia al volumen, perfil de respuesta versionado) que recalcula la viabilidad,
recomendaciones de descarga basadas en datos y rampa progresiva de retorno a la carga
tras una pausa, seguimiento proactivo que hace aflorar lo que toca, y una simulación
determinista de extremo a extremo (sin LLM); 1270 tests, incl. basados en propiedades)
· 93 herramientas MCP · memoria del atleta en archivos con calendario de temporada,
registros de readiness, programas versionados legibles por máquina, registro de ajustes
del día, perfil de respuesta versionado e historial de auditoría de adaptaciones ·
importación de archivos de actividad (.fit/.tcx/.gpx/CSV) · corpus de evidencia
verificada por DOI/PMID/ISBN con control anti-fabricación de citas · búsqueda de
evidencia en vivo (PubMed, OpenAlex, Crossref, Semantic Scholar) tras una doble
verificación · doce habilidades de coaching, incl. una puerta de entrega obligatoria
con segunda opinión adversarial · informes PDF Typst (en/fr/es) tras un bloqueo
estricto de citas.

**Hoja de ruta:** ampliación del corpus hacia ~200 estudios · simulación de resultados
(Banister + Monte Carlo) · más verticales deportivas (herramientas de motor
específicas de Hyrox, fútbol, tenis) · front-end web opcional reutilizando el mismo
servidor MCP.
salvaguarda de interferencia (espaciado de patrones pesados, interferencia
HIIT-antes-de-tren-inferior, reglas de días fuertes consecutivos y de ventana de
partido), recalibración individualizada a partir de los registros del atleta (ritmo de
progresión medido honesto sobre n, cumplimiento prescrito-vs-real, asociación
tolerancia-volumen, perfil de respuesta versionado) que recalcula la viabilidad del
objetivo frente al ritmo medido, recomendaciones de descarga basadas en datos
(monotonía/tensión, tendencias de TSB y readiness frente al contador planificado) y
rampa progresiva de retorno a la carga tras una pausa (condicionada a un visto bueno),
seguimiento proactivo que hace aflorar lo que toca (check-in atrasado, carrera
inminente, sesiones perdidas, brechas de readiness, perfil de respuesta caducado)
ordenado por gravedad para que el coach hable primero, y una simulación determinista de
extremo a extremo (sin LLM) que impulsa el motor real + el almacén sobre atletas
sintéticos — incluido un deporte SIN PRECARGAR (kayak sprint) cuyo modelo escrito a
mano recorre toda la cadena exactamente como uno precargado, demostrando que la máquina
es independiente del deporte — para probar que todo el bucle se ensambla, un
PerformanceModel agnóstico al deporte (la respuesta investigada y versionada a «qué
determina el rendimiento en esta prueba» — cualidades entrenables con pesos
normalizados, KPI con referencias por nivel, riesgos de lesión y reparto de sistemas
energéticos, cada valor etiquetado por procedencia: citado/a priori/juicio) que impulsa
el análisis de brechas (KPI medidos vs referencias, prioridades de entrenamiento por
cualidad, lo no medido sigue sin medir) y una batería de pruebas con fechas planificada
como experimentos alrededor del calendario, inicializada con cuatro modelos de
referencia (sprint, 10 km, powerlifting, fútbol) que son ejemplos y no un requisito, y
una ontología de ejercicios estructurada (~120 ejercicios base atribuidos por patrón de
movimiento, vector de fuerza, régimen de contracción, cadena cinética, equipamiento,
nivel de especificidad y cualidades entrenadas — filtrables y extensibles con las
adiciones del atleta) con selección de ejercicios puntuada determinista
(correspondencia de cualidad × especificidad apropiada a la fase × viabilidad de
equipamiento × bloqueo por contraindicación × novedad, clasificada con una
justificación por atributo), sustitución por equivalencia de estímulo y salvaguarda de
mezcla de especificidad en el mesociclo, además de una ingesta opcional de datos de
alta resolución (importaciones CSV de entrenamiento basado en velocidad como series
estructuradas, salidas .fit/.tcx que dan potencia/potencia normalizada/cadencia/
parciales, y mediciones de salto/sprint que van al registro de KPI — cada entrada de
alta resolución opcional, un dato faltante baja la resolución declarada en vez de
bloquear), perfilado carga-velocidad (una recta velocidad-carga ajustada por ejercicio
con un 1RM estimado, controlada honestamente y rechazada cuando las cargas son
demasiado pocas o demasiado estrechas) que alimenta sugerencias de carga basadas en
velocidad el mismo día (acotadas, etiquetadas, nunca aplicadas automáticamente), y un
modelo de respuesta al impulso de Banister de dos componentes ajustado por atleta
(ajuste por rejilla en Python puro de las constantes de tiempo forma/fatiga y las
ganancias, controlado honestamente — rechazado sin ≥8 semanas de carga y ≥5 puntos de
rendimiento espaciados, o cuando están fijados/inverosímiles — inyectando las propias
constantes de tiempo del atleta en la tendencia forma-fatiga), respuesta individual al
afinamiento (detecta afinamientos pasados en el registro de carga, empareja cada uno
con su resultado ligado a un evento, y recomienda duración/reducción desde el mejor
afinamiento del propio atleta cuando hay ≥2 — si no, la regla poblacional etiquetada) y
ritmos de progresión por cualidad indexados a los KPI del modelo, además de
planificación de macrociclo plurianual (un plan de 1 a 4 años tipado hacia atrás desde
el evento principal con presupuestos de énfasis por cualidad y año derivados de las
prioridades de brecha, alimentando la temporada) y una salvaguarda de residuos de
entrenamiento (avisa donde una cualidad mantenida decaería más allá de su ventana de
retención de Issurin sin un refresco); 1397 tests, incl. basados en propiedades) · 102
herramientas MCP · memoria del atleta en archivos con calendario de temporada,
registros de readiness previos a la sesión, programas versionados legibles por máquina
(plan estructurado + markdown renderizado), registro de ajustes del día con señales de
escalada, perfil de respuesta individual versionado, modelos de rendimiento
versionados, registro de resultados de KPI con fechas e historial de auditoría de
adaptaciones · importación de archivos de actividad (.fit/.tcx/.gpx/CSV, incl.
potencia/cadencia/parciales y exportaciones VBT) que propone una sesión para que el
atleta la confirme antes de registrarla · corpus de evidencia verificada por
DOI/PMID/ISBN con control anti-fabricación de citas · búsqueda de evidencia en vivo
(PubMed, OpenAlex, Crossref, Semantic Scholar) tras una doble verificación · quince
habilidades de coaching, incl. una puerta de entrega obligatoria con segunda opinión
adversarial · informes PDF Typst (en/fr/es) tras un bloqueo estricto de citas.

**Hoja de ruta:** entorno y afinado del pico de forma (altitud/hipoxia, aclimatación al
calor, protocolos de desfase horario, planificación según la hora de competición) — la
siguiente iteración deliberada · ampliación del corpus hacia ~200 estudios · simulación
de resultados (Monte Carlo sobre el modelo de Banister ajustado) · front-end web
opcional reutilizando el mismo servidor MCP.

## Principios de diseño

Expand Down
Loading