为研究运动的人而生
我们最常听到的三类用户。
运动科研人员
在不同 session 与运动员之间运行可复现分析，并以 markdown / JSON 导出，便于论文与报告。
体育院校
为学生群体提供标准化动作统计 — 数据质量标记、关节幅度、挥拍次数。
表现分析师
运动专属规则评估（目前为羽毛球，后续支持更多项目）、批量处理、CI 友好的 JSON 输出。
核心能力
界面统一、可插拔的分析工具。
动作统计
帧率、抖动比例、关节幅度、数据质量评估。
挥拍检测
多特征：速度峰值、肩部参与、方向一致性、手臂参与过滤。
能量分析
峰值能量检测与可配置时间窗口的速度分布。
运动专属规则
目前覆盖羽毛球，后续支持更多项目。可使用自定义规则集。
AI 对话（MCP）
pose chat 启动 Claude Code 并预加载所有分析工具，支持交互式探索。
能力缺口登记
众包能力请求；遇到未覆盖的分析时自动生成临时实现。
架构
熟悉的 Python 技术栈，围绕可插拔的 MCP 工具构建。
- FastAPI REST API，适用于批处理与 CI 流程
- MCP Server 与可插拔的分析工具
- PostgreSQL 存储 session 元数据、反馈与能力缺口
- Docker 部署在 Railway（staging 与 prod），本地开发
localhost:8000 - 与 PoseCoach 共享同一套 JointData3D 数据格式
数据格式
沿用我们的 13 列 CSV 即可使用 Pose CLI 分析你的数据。
timestamp, joint, wx, wy, wz, mx, my, mz, ldx, ldy, ldz, oreason, jitter
PoseCoach 导出的 .bin 二进制文件原生支持。可输出 Markdown 报告或 CI 友好的 JSON。