Dados de treinos concluídos

O STAS recebe atividades concluídas do Intervals.icu e as salva como registros de treino. Esses registros alimentam o site, relatórios, condição, revisão de estratégia e chats com IA.

Um treino planejado diz o que deveria acontecer. Um treino concluído diz o que aconteceu de verdade. O STAS compara plano e fato quando a atividade real chega.

A lista de treinos fica em /trainings e cada item abre uma página como /trainings/[id] com métricas, intervalos, zonas, wellness e editor de relatório.

No app do relógio e no Intervals.icu, você vê os dados originais da atividade: rota, tempo, distância, frequência cardíaca, ritmo, potência, zonas e outros campos enviados pelo dispositivo ou pela plataforma.

No STAS, o treino aparece no perfil e no histórico como um cartão preparado: detalhes da sessão, intervalos e métricas quando existem, além de um campo ou botão para o relatório pós-treino.

Depois que o STAS processa o treino, ele envia automaticamente uma mensagem no Telegram. A partir dela, você pode escrever rapidamente o relatório sem abrir a interface web detalhada.

Esse relatório é salvo no treino do STAS e na descrição da atividade no Intervals.icu. O Telegram não substitui a página do treino; ele é um jeito rápido de adicionar seu comentário logo após a sessão.

O STAS salva os campos centrais, remove ruído, normaliza métricas e mantém a atividade original do Intervals como fonte por trás do registro preparado.

O STAS também prepara a camada de treino: não só guarda números, ele dá sentido a esses números para a análise.

Essa camada ajuda ChatGPT e Claude a entenderem o treino como uma sessão, não apenas como uma lista de valores.

• tipo de sessão: corridas são marcadas como Easy, Threshold, Interval, Long, Recovery ou Unclassified quando os dados não bastam; ciclismo, natação e musculação normalmente mantêm o tipo esportivo da atividade;
• segmentos de trabalho: por exemplo, 4 x 8 minutos no limiar ou 5 x 1000 m, com ritmo, frequência cardíaca, potência e recuperação quando esses dados existem;
• splits e zonas: quilômetros por ritmo, tempo em zonas de frequência cardíaca e, no ciclismo, zonas de potência;
• relatório do atleta: o que aconteceu de verdade, como a carga foi sentida e por que o treino saiu do plano;
• ligação com a atividade original do Intervals.icu: o STAS mantém a fonte por trás do registro, mas expõe o registro preparado em vez de todo o conjunto interno de dados.

Esse é o objetivo do STAS: transformar a atividade em fatos claros antes do chat, para que a IA analise o treino em vez de usar a resposta para decifrar dados.

• salvar os campos úteis do treino;
• limpar e normalizar valores para comparação;
• marcar segmentos de trabalho e intervalos relevantes quando os dados sustentam isso;
• anexar o relatório do usuário ao mesmo treino;
• criar resumos curtos de semanas, meses, tendências, carga e sessões-chave.

A resposta contém id, data, tipo de atividade, tipo de sessão, métricas, zonas, splits, relatório do atleta e sportMetrics preparados. Quando a chamada usa full=1, o STAS também adiciona intervalos.

{
  "id": "trn_2026_04_06_run_threshold",
  "date": "2026-04-06T07:12:00.000Z",
  "workoutType": "Run",
  "sessionType": "Threshold",
  "activityName": "Morning threshold run",
  "distance": 12.4,
  "movingTime": 3660,
  "pace": 4.92,
  "avgHr": 151,
  "maxHr": 174,
  "fitness": 52.1,
  "fatigue": 61.4,
  "form": -9.3,
  "load": 84,
  "intensity": "moderate",
  "elevationGain": 86,
  "hrZoneTimes": [
    320,
    1180,
    1470,
    610,
    80
  ],
  "splitsKm": [
    {
      "km": 1,
      "pace": "5:10/km"
    },
    {
      "km": 2,
      "pace": "5:05/km"
    }
  ],
  "intervalSummary": {
    "work": "4 x 8 min",
    "recovery": "3 min jog"
  },
  "userReport": "Completed as planned. Last two reps felt hard but controlled.",
  "sportMetrics": {
    "gradedPace": 4.86,
    "cadence": 176,
    "verticalOscillation": 8.4
  },
  "intervals": [
    {
      "name": "Work 1",
      "moving_time": 480,
      "distance": 1640,
      "avg_hr": 164
    },
    {
      "name": "Work 2",
      "moving_time": 480,
      "distance": 1660,
      "avg_hr": 168
    }
  ]
}

O registro base continua o mesmo, mas sportMetrics depende do tipo de atividade: corrida tem um conjunto de campos, ciclismo adiciona potência e FTP, natação tem seus próprios detalhes, e musculação pode não ter sportMetrics.

{
  "Run": {
    "workoutType": "Run",
    "sessionType": "Interval",
    "sportMetrics": {
      "gradedPace": 4.18,
      "cadence": 180,
      "verticalOscillation": 8.1
    }
  },
  "Ride": {
    "workoutType": "Ride",
    "sessionType": "Ride",
    "sportMetrics": {
      "avgWatts": 188,
      "normalizedPower": 215,
      "ftp": 260,
      "intensityFactor": 0.83,
      "tss": 96,
      "powerZoneTimes": [
        780,
        2200,
        1800,
        900,
        240,
        0,
        0
      ],
      "cadence": 84,
      "decoupling": 3.2
    }
  },
  "Swim": {
    "workoutType": "Swim",
    "sessionType": "Swim",
    "pace": 1.82,
    "sportMetrics": {
      "swimCadenceSpm": 31
    }
  },
  "WeightTraining": {
    "workoutType": "WeightTraining",
    "sessionType": "WeightTraining",
    "movingTime": 2700,
    "load": 31,
    "sportMetrics": null
  }
}

No ChatGPT, isso é uma chamada ao endpoint de Actions do STAS. Uma revisão real de treinos usa uma janela de datas e full=1.

GET /trainings?oldest=2026-04-01&newest=2026-04-08&limit=30&full=1

No Claude, a mesma ação passa pela ferramenta MCP get_trainings.

{
  "name": "get_trainings",
  "arguments": {
    "oldest": "2026-04-01",
    "newest": "2026-04-08",
    "limit": 30,
    "full": true
  }
}

As instruções do STAS fazem a IA trabalhar com dados frescos, não só com a memória do chat.

• carregar primeiro user_summary para entender perfil, objetivos, regras, condição e histórico compacto;
• para analisar treinos específicos, carregar treinos completos diretamente porque recentTrainings é apenas uma prévia curta;
• para análises normais e exportações, usar full=1 para incluir intervalos e dividir a janela de datas se a resposta ficar grande demais;
• comparar plano e fato só depois de ler os eventos planejados do mesmo período.

Quando o usuário pede uma revisão da sessão, ChatGPT ou Claude olham os fatos daquele treino e comparam com o contexto:

• o que foi feito de verdade: duração, distância, tipo de atividade e tipo de sessão;
• como foi a carga: ritmo ou velocidade, frequência cardíaca, potência, zonas e carga de treino;
• quais partes mais importaram: intervalos, segmentos de trabalho, recuperação e splits;
• o que o atleta adicionou no relatório e o que os dados do dia mostram;
• como esse treino se encaixa no plano, na condição atual e no histórico recente.

ChatGPT ou Claude não precisam decifrar todas as camadas de dados da atividade em cada resposta. O STAS já preparou o contexto útil.

Uma mensagem comum no ChatGPT ou Claude não é salva como relatório. Relatórios são salvos por fluxos do STAS, como Telegram ou a página do treino.

São a base factual. O STAS conecta os dados do relógio à análise por IA, e treinos concluídos fornecem os fatos necessários para revisar a preparação e planejar.

Não. O STAS recebe dados completos, depois salva e prepara um registro. A IA recebe contexto preparado: campos úteis, intervalos, relatório, métricas e resumos de histórico.

O registro guarda a identidade da atividade, data, nome, tipo de atividade, tipo de sessão, distância, tempo, ritmo ou velocidade, campos de frequência cardíaca, carga, Fitness/Fatigue/Form e campo de relatório. Valores individuais ficam vazios se a fonte não enviou.

Potência, cadência, zonas de potência, campos de natação, wellness, intervalos e parte da evidência dependem do que o Intervals.icu recebeu do dispositivo ou da plataforma.

O STAS cria resumos compactos de treinos recentes, semanas, meses, tendências, carga, mistura de esportes e sessões-chave. Isso dá contexto além de uma atividade.

Não. O STAS ajuda a ver sinais de treino e contexto ausente, mas não faz diagnóstico médico nem substitui um profissional.