硬件交互 · 动作帧 MotionFrame —— 让任何人获得专业级羽毛球指导
（如果你想快速了解欢迎访问网页版https://correction.xin/story/）
一、关于我
我叫 Kyle，也可以叫我重构者。高二，vibe coding 三个月。
做这个东西的起点很具体：我自己打球时的困惑——和高手的差距肉眼可见，但到底差在哪？教练说的「不转体」「击球点太低」我点头，下场还是老样子。因为我看不到自己。
我不是科班出身。我的开发方式是把想法拆清楚，让 AI 写代码，我来做产品判断、技术选型和真机验证。这三个月里我在探索 AI 能做的一切——生图、生视频、数据分析，也在尝试做 up 主，把踩过的坑讲给同样想动手的人听。
动作帧是我第一个真正上架 App Store 的作品，也是我第一次把 iPhone、Apple Watch 和 AirPods 串成一套东西。
性格标签：想到就做、对「能真正被用起来」有执念、宁可砍功能也不糊弄。停在 Demo 阶段的东西，对我来说等于没做完。
团队两个人
| 成员 | 分工 |
|---|---|
| Kyle（重构者） | iOS / watchOS 开发、基地与俱乐部合作、用户调研、视频后期 |
| 小粥 | 真机体验、功能测评、视频拍摄。第一个真实用户，也是最挑剔的那个 |
二、产品简介（复赛版）
是什么
一个装在手机里的羽毛球私人教练，加一个羽毛球社区。
业余球友有三个真问题：看不见自己的动作、看不懂问题出在哪、不知道接下来该练什么。请教练一小时两三百，不是谁都请得起。动作帧把这三件事接成一条线——手机往场边一放，剩下的它来。
面向谁
- 想进步但请不起、或请不到教练的业余球友
- 有教练但训练时间有限，希望课后自己也能练对的人
- 想知道自己到底几级、想看到自己在变好的人
典型场景：一个人到球馆练球，把手机架在场边，戴上手表，练完就有一份逐拍的报告和下一节课。
完整功能
① 教你 —— 按你的身体条件排一套课
不是通用教程。性别、持拍手、身高体重、每周能打几次，都会改变课程安排。
- 3 阶段 12 课，每课约 60 分钟，从握拍架拍重塑一路到攻防衔接
- 100 套训练方法 · 110 种常见错误，每条都配图，错误还有「错 / 对」对照
- 30 讲知识库 · 12 张战术卡
② 看你 —— 每一拍都被量化
录完自动跑骨架分析，把每一次挥拍对齐到视频时间轴。
- 逐拍测肘角、击球点高度、挥拍速度、节奏密度
- 中羽 1–7 级定级——把球友争了多年的「你几级」变成可复算的分数
- 趋势页看方向：动作稳定性（肘角波动，10° 定型线）、动作质量（击球点过肩率 / 手臂伸展达标率）、训练节奏、AI 定级曲线
③ 陪你练 —— 真人声全程带练
报动作、讲要领、计时、组间休息、倒数鼓点，全部预录真人配音，离线也能用。
- 练组时前置镜头随机录几秒，端上算幅度与节奏，组间给一句针对性反馈
- 手表读心率：热身没上来提醒加大幅度，过高了让你稳住呼吸
- 说不准就沉默——反馈全部来自语料库，宁可不说也不瞎点评
④ 一起玩 —— 球友圈
- 晒战报、求指点、约球
- 球馆五维点评：地胶、灯光、净高、风、人流
- 每日收藏卡：金 / 银 / 限定三档，训练获得的才是金卡
完整用户路径
下载 → 引导三幕（性别 / 持拍手 / 目标）→ 生成专属课程
↓
球馆：手机架场边 + 戴表 → 按录制 → 打球
↓
后台自动分析（Vision 骨架 + 手表 IMU 对齐）→ 推送通知
↓
报告：骨架回放 / 逐拍指标 / AI 点评 / 中羽定级
↓
毛病自动排进下一节课 → 戴耳机带练 → 组间反馈
↓
趋势页看长期变化 · 球友圈晒战报 · 收藏卡打卡
硬件联动（硬件交互赛道）
不用买任何专业器材，三个你本来就有的设备凑成一套训练系统：
| 设备 | 角色 |
|---|---|
| iPhone | 场边的眼睛。录像 + Vision 骨架识别，逐帧算肘角、击球点、挥拍速度，全部在本机完成，视频不上传 |
| Apple Watch | 手腕上的传感器。100Hz 采集角速度，实时识别每一次挥拍并震动反馈，同步记录整场心率 |
| AirPods | 组间的那句话。休息的 30 秒里，把刚才那一组的问题说给你听，不用低头看屏幕 |
这里最难的不是调 API，是对时。 手表和手机是两块独立的芯片，各自跑着自己的时钟。要让「手表记的第七拍」和「视频里的第 214 帧」对上，必须先做时钟换算；信号断了手表先存着，连上自动补传，一拍都不能丢。这是单设备产品不会遇到的问题。
相比初赛 Demo 的升级
| 初赛 Demo | 复赛完整作品 | |
|---|---|---|
| 功能 | 只有挥拍识别 + 一段指导建议 | 教 / 看 / 练 / 玩四条完整链路 |
| 内容 | 无内容库 | 100 套训练方法 + 110 种错误 + 30 讲知识 + 12 张战术卡 |
| 标准来源 | AI 网上调研 | 真人教练现场采集的 27 条标准 / 错误原片 |
| 硬件 | 手表 + 手机 | 手表 + 手机 + 耳机三端闭环 |
| 交付形态 | 可演示 | App Store 已上架，陌生人可直接下载 |
| 合规 | 无 | ICP 备案已下发，Apple 审核通过 |
三、产品演示视频
2.87 复制打开抖音，看看【重构者的作品】一个高中生，做了个能上架app store的软件？… https://v.douyin.com/FV0pBmwmn4o/ 04/28 y@g.bN :7pm qEh:/
四、产品创作历程
帧 01 · 7 月 11 日晚：一个念头，当晚建了工程
起点就是我自己的困惑：我看不到自己。
帧 02 · 初赛：一个只有「分析」的 Demo
能识别挥拍、能给一段指导建议。足够拿去演示，但我很清楚——它帮不到任何一个真的想进步的人。
帧 03 · 复赛初期：差点把项目做废的那几天
过了初赛我想把它做大：多机位专业版卖给机构，3 台手机模拟三维重建，用高斯泼溅提高稳定性。写了几天，效果并不好。
更要命的是我后来才发现——一个教练本来就能同时盯 4 个场的球员。我在花大力气解决一个不存在的问题。
这段代码全部封存。多机位、三维重建、教练端，一行都没进上架版本。留在仓库里当留档，提醒我别再犯。
帧 04 · 7 月 23–25 日：三天，泡在市羽毛球基地
我不是去演示的，是去被质疑的。连着三天和教练、球员待在一起，拍了大量数据来验证分析到底准不准，一条一条对。
带回来的不是一张功能清单，是一个定位：个人私教 + 羽球社区。
帧 05 · 想明白了
不是要做多厉害的作品，而是要做一个有用的作品。
帧 06 · 7 月 26 – 8 月 3 日：检查代码、修 bug、加功能
最难的其实是 UI。每一次让 AI 改界面都是惊喜和惊吓参半——你永远不知道这次回来的是精致还是灾难。
帧 07 · 导师反馈：「用户凭什么相信 AI 的判断？」
这句话戳中了要害。如果没有一个标准示例摆在旁边，AI 说你「抬肘不足」，用户根本没有参照物——分析再准也没人信。
帧 08 · 8 月 6 日晚：连夜找专业教练，拍标准动作
当晚紧急联系本地羽毛球俱乐部的专业教练，开展标准动作样本采集，同时把常见错误动作也一并拍下来。
在这之前，软件的核心参数是 AI 从网上调研来的；从这天起，是我们自己一帧一帧测出来的。 它同时也成了课程里的真实示例。
帧 09 · 7 月底 → 8 月 5 日：ICP 备案下发
在 TRAE 的提醒下，7 月底就把备案提交了——这一步很多人会漏，而它要排很久。8 月 5 日拿到号。
帧 10 · 8 月 5–7 日：Apple 连着退了我三次
三天里被打回三次，前后修了数十个问题：登录失败静默、权限说明、合规标识、崩溃路径……第三次提交之后，它通过了。
这个过程逼着我把「能跑」和「稳定可靠」之间的差距补完。
比赛规则其实不要求备案，也不要求上架。但我想要的不是一个能演示的作品，是一个陌生人可以直接下载、并且不会崩的产品。
帧 11 · 上架
从 7 月 11 日晚上的一个念头，到一个陌生人可以下载并真的用起来的产品。这是我第一次把想法送到真实用户手里。
完整图文版创作历程（含现场照片、开发记录）： 动作帧 MotionFrame · 30 天,一格一格
五、TRAE 实践过程
开发流程
全程是我在对话框里描述需求 → TRAE 写代码 → 我在 iPhone 和 Apple Watch 真机上验证 → 把问题反馈回去让它修。
分工其实很清楚：
- 我的角色：定方向、做取舍、真机验证
- TRAE 的角色：把想清楚的东西变成代码
- 硬约束：每一条修复都要能在真机上复现验证，不接受「应该没问题」
AI 不会替你思考「要做什么、为什么这么做」。去基地、被教练质疑、砍掉做不扎实的功能、决定产品定位——这部分只能自己扛。但一旦想清楚了，它能把实现速度提到以前不敢想的程度。
三个真实片段
① 上百张配图，几个小时全部生成
软件里要用上百张配图。我一开始以为得一张一张对话生成，后来问清楚之后，把火山方舟的 API Key 交给它——几个小时，上百张配图全部生成完，配图问题一次解决。
② 9 个问题，2 小时 54 分交回逐条对账
我提了 9 个实测发现的问题，TRAE 在 2 小时 54 分后拿回全部修复 + 编译 + 门禁验证的逐条对账表。
③ UI 改造：惊喜与惊吓
界面调整是整个项目里最不可预测的部分，也是我学会怎么把需求描述清楚的地方。
关键截图
研究复赛方向：2785489203770856:2c33e5fba6270b470394557b0160f774_6a7326dae147bdde56ef4bbb.6a733e93e147bdde56ef4c6a.6a733e93e147bdde56ef4c68:TraeWork CN.0.1.47.no_sid.no_ppe.T(2026/8/5 21:45:55)
市里交流回来与trae沟通：2785489203770856:d689956d34b76f575c93671261478364_6a5202b0ef662c9616526dbd.6a6a4b9aa58086dbffd7274e.6a6a4b9aa58086dbffd7274c:TraeWork CN.0.1.47.no_sid.no_ppe.T(2026/7/30 02:51:06)
总结前段时间的开发，自定复赛开发路径：2785489203770856:382dbb192076bd4029c33bcea62560fd_6a5202b0ef662c9616526dbd.6a6aeebda58086dbffd75051.6a6aeebda58086dbffd7504f:TraeWork CN.0.1.47.no_sid.no_ppe.T(2026/7/30 14:27:09)
导师锐评，来改方向：2785489203770856:5d7fe2c3d54ea296bdd0794b96031d1d_6a7326dae147bdde56ef4bbb.6a734b69e147bdde56ef5286.6a734b69e147bdde56ef5284:TraeWork CN.0.1.47.no_sid.no_ppe.T(2026/8/5 22:40:41)
参考图片生成：有apikey就不上传id了
最后的微调：2785489203770856:41a4e7a6c9e7a4335e982f0388d15578_6a761c35f7386b9759b966ca.6a762d9ef7386b9759b96775.6a762d9ef7386b9759b96773:TraeWork CN.0.1.47.no_sid.no_ppe.T(2026/8/8 03:10:22)
补充：我今天才发现我把一个对话框不知道是不是删除了（还是没有找到），有版本开发的重要信息，如果老师需要补充更多细节，欢迎联系，实在没有时间继续截图了。。。
六、技术方案分享
四层架构
Apple Watch → CoreMotion 100Hz 采集 + 心率 + 震动反馈
↓ WatchConnectivity 双通道（实时消息 + 断连补传）
iPhone → Vision 逐帧姿态检测 → 挥拍切分 → 逐拍指标
↓
AI 层 → 点评生成 + 中羽定级
↓
本地内容库 → 训练方法 / 错误库 / 知识讲堂 / 战术卡
姿态计算全部在端上完成，服务端只处理登录、社区与云备份。这带来两个结果：视频不出设备，隐私上更干净；服务端压力极低，2 核 2G 就能跑。
AI 可靠性：四道锁
用户凭什么信 AI 的判定？我们做了四层校验：
- 关键帧门禁——抽不到关键帧，直接拒绝生成，不允许没看图就点评
- 索引约束——AI 只能从内容库的编号里挑，不能自己编动作
- 回查过滤——展示前再查一次，查不到的直接丢弃
- 覆盖声明——定级必须说明本段覆盖了什么、没覆盖什么，级别名以本地表为准
离线评测管线
我们自己搭了一条离线评测管线，直接编译 App 的生产代码来跑，保证离线算出来的和线上跑出来的逐位一致。下面那些数字就是这么来的。
七、诚实的部分：它还不完美，而这些我们都量过
知道差距在哪，比假装没有差距重要。
| 问题 | 现状 |
|---|---|
| 挥拍误检率 29.2% | 严口径下 20.8%，漏检率 19%。已量化，未解决——需要补带干扰（捡球、擦汗、路人）的实战素材 |
| AI 定级波动 ±7 分 | 同一段素材连跑 4 次，分数最多差 7 分。已改成多次取截尾均值缓解，但单次结果仍不该当权威 |
| 双打会跟错人 | 画面里两个人以上时可能跟丢目标。App 内有明确提示，但双打场景分析结果不可信 |
| 实时陪练封存 | 边打边纠还有 3 个音频会话架构问题没解决，入口直接关掉——不做没把握的功能 |
主动砍掉的功能：
- 球轨迹追踪——实测检出率侧面 24% / 左后 7%，一半以上的球看不见。下线后包体从 51.7MB 降到 32.6MB
- 击球种类自动分类——单人单场地素材训不出能用的分类器。自信地判错比不判更糟
- 多机位 / 教练端——转向大众版后主动收缩，代码留档
八、社会价值与迭代规划
社会价值
2026 年 7 月 22 日，经国务院批复同意，国家体育总局印发《体育强国建设「十五五」规划》——首个以「体育强国」为主题的国家级专项规划。规划锚定 2030 年目标，设定了 5 项主要发展指标，其中一项是：经常参加体育锻炼人数比例达到 40% 左右；全文围绕全民健身等方面提出 38 项重点任务。
要让更多人真正「练起来」，在场地和赛事之外还有一个绕不开的环节：科学健身指导。
羽毛球是国内参与人数最多的运动之一，但专业指导始终是稀缺资源——教练贵、排不上、城市之间差距大。大多数业余球友的真实状态是：想练，但没人告诉他哪里不对；练了很久，也不知道自己有没有变好。
动作帧把「有人看着你打、告诉你哪里不对」这件事的门槛，从一小时两三百降到一部手机加一块手表。 它不替代教练——它填的是教练覆盖不到的那些时间：一个人加练的晚上、下课之后的那两小时、没有教练的小城市球馆。
中羽定级的意义也在这里：把一个长期靠主观争论的问题，变成可复算、可追溯的分数。有了客观标尺，普通人才知道自己站在哪、该往哪走。
而每日收藏卡、连续打卡、球友圈这些看起来「不技术」的设计，指向的是同一件事——让人练下去。指导解决「练得对不对」，社区和正反馈解决「还练不练」。后者才是全民健身真正的难点。
下一步
- 与专业教练持续合作扩充样本库，做练前练后的阶段性对比报告
- 补带干扰的实战素材，把 29.2% 的误检率压下去
- 趋势维度继续扩展，加入更多可量化指标
- 青少年方向：探索监护人数据报告与身心健康评估，并针对未成年人重新设计社区的社交边界——我自己就是高中生，这件事我有真实的视角
动作帧 MotionFrame · 让任何人获得专业级羽毛球指导
从 7 月 11 日晚上的一个念头，到今天。30 天，一格一格。