展示 HN：我的铁人三项教练（不是人类）现在会通过 iMessage 给我发短信
Show HN: My triathlon coach (not a human) now texts me on iMessage
我们发现了什么
2025 年初，在备战 70.3 IRONMAN 世界锦标赛时，我认为 AI 终于能解决我最大的痛点：根据我的活动数据自动调整我的训练区间和计划。大多数“AI 教练”隔着老远就能闻出 AI 垃圾味（而且往往只是用 lovable 设计的 ChatGPT 套壳）。
- 来源：Hacker News（发现于 2026-07-17）
- 证据等级：C · 存在定价或订阅线索；有收费设计不等于已有收入。
- 商业模式：Subscription SaaS
- 主题：独立产品
- 初筛评分：14/100 · 收录 1 次
证据，比故事更重要。
规则清洗与初筛，未经人工商业核验。原文语境、实际客户和付费情况仍需自行验证。
引用与数字披露
来源类型（原作者自述／第三方测算／媒体转引）需采集端标注，本版尚未落字段。
- 作者
- 未标注
- 抓取日期
- 来源类型
- 未标注
- 币种
- 未标注
- 口径
- 未标注
- 披露主体
- 未标注
- 披露日期
- 未标注
中文辅助译文（全文）
2018 年我开始接触铁人三项时，我的 "训练计划" 就是在 Apple Notes 里记下自己做了什么，再看看 YouTube 上的建议。后来，为了备战我的第一个全程 IRONMAN，我以每月 130 欧元的费用聘请了一位教练，目标是自己尽早学会，以便日后可以自我指导。当我切换到静态计划时（买了一份 40 周的计划并重复使用），我开始每周日花 20-30 分钟根据工作、旅行和私人事务重新调整训练安排。
2025 年初，在备战 70.3 IRONMAN 世锦赛时，我认为 AI 终于可以解决我最大的痛点：根据我的活动数据自动调整训练区间和计划。但市面上没有任何产品能做到，而我又不愿意自己去构建（我当时决心专注于 B2B 方向）。一年后，随着大语言模型的巨大进步，我把周日规划交给了 Claude，效果远好于我的预期。朋友们也想试用，于是我开始把产品交付给他们。经过数百次提交后，我相信最重要的还是数据层。大多数 "AI 教练" 一眼就能闻出 AI 凑数的味道（多半只是一个用 lovable 设计的 ChatGPT 套壳）。不是说我们的着陆页就检测不出是由 Claude 生成的，但核心一直是对可穿戴设备和应用数据（Garmin、Whoop、Hevy、Zwift……）的合理集成——我们的核心产品本质上就是一个 MCP 服务器。
此外，我们并不认为未来的应用是为数百万用户（n=∞）而打造的，而是定制的（n=1）或对话式产品。因此，我们现在同时满足两种需求：直接 MCP 访问，方便你在自己偏好的工具中构建自己的仪表板；以及一位 iMessage 上的教练，它会根据你的活动和恢复数据（读取 20 多种可穿戴设备和应用）以及你的偏好，主动撰写并调整你的计划。
给创业者的小提示：连接你的日历，这样它就能自动识别你的差旅和事务安排。作为一家自力更生的消费级初创公司，我们面临的最大挑战是定价问题（我们采用按年/月订阅收费）：消费者仍然期望统一的订阅价格，但我们的边际成本是按每条消息的推理来计算的。很好奇在订阅这种旧习惯仍然盛行的大环境下，其他人是如何处理变动成本的。也想听听你对应用未来趋势的看法！！
译文由上游机器翻译生成，可能有误；判断请以英文原文为准。
英文原文（来源本站未改写）
When I started triathlon in 2018, my “training plan” was writing down what I did in Apple Notes and watching YouTube for advice.Later, training for my first full-distance IRONMAN, I paid a coach 130eur/month with the goal to learn early so I could self-coach later.When I switched to a static plan (bought a 40-week one I’d reuse), I started spending 20-30min every Sunday reshuffling sessions around work, travel and private commitments.In early 2025, training for the 70.3 IRONMAN World Championship, I figured AI would finally fix my biggest pain point: automatically adapting my zones and plan from my activity data.
But nothing out there did, and I was reluctant to build it myself (I was determined to build in B2B).A year later, once LLMs had improved a lot, I handed my Sunday planning to Claude, and it worked far better than I expected.Friends wanted to try, so I started shipping it to them.Hundreds of commits later, I believe the thing that matters most is the data layer.Most “AI coaches” smell like AI slop from a mile away (more often than not, just a ChatGPT wrapper designed in lovable).
Not saying our landing page isn’t detectable as Claude-generated, but the core has always been proper integration of wearable and app data (Garmin, Whoop, Hevy, Zwift…) - our core product is essentially an MCP server.Also, we don’t think the future is apps built for millions (n=∞), but custom (n=1) or conversational products.So we now solve for both: direct MCP access so you can build your own dashboards in your preferred tools, and a coach on iMessage that proactively writes and adapts your plan from your activity and recovery data (it reads 20+ wearables and apps) plus your preferences.Founder tip: connect your calendar, so it picks up travel/commitments automatically.
As a bootstrapped consumer startup, our biggest challenge is pricing (we charge yearly/monthly subscription): consumsers still expect a flat subscription, but our marginal cost is per-message inference.Curious to hear how others handle variable costs in an environment where old (subscription) habits prevail.And what your thoughts are on the future of apps!!
这条还缺什么证据？
下面每条都由本条已有字段推出（等级、理由、商业模式、来源次数、是否演示）， 本站不生成推测性结论；通用验证方法放在方法论页。
- 可核验的收入或付费证据查官网定价页与付费口径；第三方数据源（如 GetLatka）只作旁证，需标注来源与时点。
- 只有单一来源找一手站点或其他渠道是否重复出现同一产品；社区热帖数量不等于商业进展。
通用验证清单（谁有这个问题／谁愿意付费／一个人能交付哪一小步）见我们的筛选方法。