O que skill-strava-coach faz?
Skill OpenClaw: Strava Coach - Análise diária de treinos e coaching personalizado
Skill OpenClaw: Strava Coach - Análise diária de treinos e coaching personalizado
Este skill permite que um agente AI (como Claude Code ou Cursor) se conecte à API do Strava e analise suas atividades de treino diárias. Ele é ideal para atletas e corredores que querem um resumo inteligente de desempenho, incluindo métricas como distância, pace, frequência cardíaca e elevação. O agente interpreta esses dados e oferece recomendações de treino adaptadas ao seu histórico, ajudando a evitar overtraining ou sugerindo ajustes de intensidade. Suportado por plataformas como OpenClaw, o skill usa variáveis de ambiente para autenticação e pode gerar relatórios personalizados diretamente no chat. Com ele, o usuário obtém coaching contínuo sem precisar consultar manualmente o Strava, economizando tempo e otimizando a preparação física.
npx skills add vmontesinos/skill-strava-coachInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Skill OpenClaw: Strava Coach - Análise diária de treinos e coaching personalizado
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.