Was macht xunji-progressive-fitness-coach?
Ein Codex-Skill, der personalisierte Fitnesspläne auf Basis autorisierter Xunji-Trainings-, Ernährungs- und Körperdaten erstellt und kontinuierlich anpasst.
Eine Codex-Fähigkeit, die personalisierte Fitnesspläne auf Basis autorisierter Xunji-Trainings-, Ernährungs- und Körperdaten erstellt und kontinuierlich anpasst.
Die Fähigkeit „liheyuting/xunji-progressive-fitness-coach“ ist ein spezialisierter Skill für Codex, der personalisierte Fitnesspläne dynamisch generiert und fortlaufend optimiert. Sie greift auf autorisierte Daten von Xunji zurück – darunter Trainingsleistungen, Ernährungsprotokolle und Körpermetriken – und nutzt diese, um maßgeschneiderte Trainings- und Ernährungsstrategien zu entwickeln. Der Skill passt sich mit jedem neuen Datenpunkt an den Fortschritt des Nutzers an und sorgt so für eine progressive Überlastung und optimierte Ergebnisse. Entwickelt für Entwickler und Power-User, die eine KI-gesteuerte, datengetriebene Fitnessberatung in ihre Workflows integrieren möchten, unterstützt dieser Skill die Plattform Codex und arbeitet nahtlos mit der Xunji-API zusammen. Die zugrunde liegende Logik berücksichtigt Metriken wie Trainingsvolumen, Ruheherzfrequenz, Schlafqualität und Makronährstoffverteilung, um adaptive Empfehlungen zu generieren, die Verletzungen vorbeugen und Plateaus durchbrechen. Kurz gesagt: Es ist wie ein persönlicher Trainer, der jede Wiederholung, jede Mahlzeit und jede Erholungsphase analysiert – nur ohne die laute Musik und das Schweißtuch.
npx skills add liheyuting/xunji-progressive-fitness-coachInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein Codex-Skill, der personalisierte Fitnesspläne auf Basis autorisierter Xunji-Trainings-, Ernährungs- und Körperdaten erstellt und kontinuierlich anpasst.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.