Que fait strava-claude-skill ?
Une compétence Claude qui transforme vos données Strava en conseils d'entraînement - analyse vos courses, sorties vélo, natations, charge d'entraînement et zones via le Strava MCP.
Une compétence Claude qui transforme vos données Strava en conseils d'entraînement - analyse vos courses, sorties vélo, natations, charge d'entraînement et zones via le Strava MCP.
Cette compétence pour Claude vous permet d'exploiter vos données Strava pour obtenir des analyses et des perspectives d'entraînement directement depuis votre assistant IA. Elle se connecte au Strava MCP (Model Context Protocol) pour récupérer vos activités (courses, cyclisme, natation) et les analyser en termes de charge d'entraînement, de zones de fréquence cardiaque, de tendances de performance et de métriques de récupération. Utile pour les athlètes amateurs comme pour les coachs, elle transforme des données brutes (comme l'élévation, la vitesse, la durée) en recommandations exploitables : ajustement de l'intensité, détection de surentraînement, planification de séances. Compatible avec Claude Desktop et l'API Claude, elle s'appuie sur l'intégration Strava officielle via MCP pour garantir l'authentification sécurisée et l'accès en temps réel à vos activités. Son fonctionnement repose sur la lecture de votre profil et de vos activités récentes, puis l'application de règles d'entraînement (seuils de zones, calculs de charge aiguë/chronique) pour générer des conseils contextualisés.
npx skills add srothgan/strava-claude-skillInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Une compétence Claude qui transforme vos données Strava en conseils d'entraînement - analyse vos courses, sorties vélo, natations, charge d'entraînement et zones via le Strava MCP.
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.