AI Cycling Coach AI 사이클링 코치
AI-powered personalized cycling training — generates structured workouts matched to your FTP, TSB, and daily readiness, and exports Zwift-compatible ZWO files instantly. AI 기반 개인 맞춤 사이클링 트레이닝 — FTP, TSB, 당일 컨디션에 맞춘 구조화된 운동을 생성하고 Zwift 호환 ZWO 파일을 즉시 내보냅니다.
View Live Demo 라이브 데모 보기Overview 개요
AI Cycling Coach is a full-stack platform that solves the core problem of generic, one-size-fits-all training plans for cyclists. Using the Omakase pattern — curated AI selection from pre-validated coaching modules — it produces personalized, scientifically sound workouts based on each athlete's real-time physiological metrics.
AI Cycling Coach는 사이클리스트를 위한 획일적인 훈련 계획 문제를 해결하는 풀스택 플랫폼입니다. 사전 검증된 코칭 모듈에서 AI가 큐레이션하는 오마카세 패턴을 활용해, 각 선수의 실시간 생리적 데이터를 기반으로 개인화된 운동을 생성합니다.
Problem 문제
Three interconnected gaps prevent cyclists from training optimally without a professional coach.
세 가지 연결된 문제가 전문 코치 없이 최적으로 훈련하는 것을 방해합니다.
Off-the-shelf training plans ignore individual fitness levels, recovery status, and personal goals. Athletes follow cookie-cutter programs that don't adapt to their actual performance data or daily readiness.
기성 훈련 계획은 개인의 체력 수준, 회복 상태, 개인 목표를 무시합니다. 실제 퍼포먼스 데이터나 당일 컨디션에 적응하지 않는 천편일률적인 프로그램을 따릅니다.
Most cyclists train without understanding their power zones, leading to inefficient workouts that either undertrain or overtrain specific energy systems. Without zone-based insights, training stimulus is suboptimal.
대부분의 사이클리스트가 파워 존을 이해하지 못한 채 훈련하여 특정 에너지 시스템을 과소 또는 과대 훈련하는 비효율적인 운동을 합니다.
Creating structured workouts with proper intervals, rest periods, and progressive overload requires deep coaching knowledge. Athletes spend hours designing workouts that a coach could prescribe in minutes.
적절한 인터벌, 휴식 기간, 점진적 과부하가 포함된 구조화된 운동을 만들려면 깊은 코칭 지식이 필요합니다. 코치가 몇 분이면 처방할 수 있는 운동을 설계하는 데 수시간이 소요됩니다.
Approach 접근법
Instead of generating workouts from scratch — which risks producing physiologically unsound sessions — the system uses an Omakase pattern. Pre-validated workout modules designed by coaching science are stored in a library, and the AI selects and assembles the optimal combination based on your current TSB (Training Stress Balance), FTP, weight, and wellness score.
운동을 처음부터 생성하는 대신, 코칭 과학으로 설계된 사전 검증 운동 모듈이 라이브러리에 저장되고, AI가 현재 TSB, FTP, 체중, 컨디션 점수를 바탕으로 최적의 조합을 선택·조합합니다.
This ensures every workout is both scientifically valid and personally optimized. The output is a Zwift-compatible ZWO file you can ride immediately.
이를 통해 모든 운동이 과학적으로 유효하면서도 개인에게 최적화됩니다. 출력은 바로 라이딩 가능한 Zwift 호환 ZWO 파일입니다.
Why not generate from scratch? 왜 처음부터 생성하지 않나요?
LLMs are good at selection and assembly but can produce physiologically dangerous intervals (e.g., 20-minute VO2max blocks). Pre-validated modules act as guardrails — the AI operates within a safe search space while still personalizing based on athlete data.
LLM은 선택과 조합에는 능하지만 생리학적으로 위험한 인터벌을 출력할 수 있습니다. 사전 검증된 모듈은 안전 가드레일 역할을 하며, AI는 선수 데이터 기반 개인화를 유지하면서 안전한 검색 공간 내에서 작동합니다.
Features 기능
Select your training goal and available time — the AI assembles a structured workout from pre-validated modules. Matches workout intensity to current fatigue level (TSB) and training phase, outputting a ride-ready ZWO file.
훈련 목표와 가용 시간을 선택하면 AI가 사전 검증된 모듈로 구조화된 운동을 조합합니다. 현재 피로도(TSB)와 훈련 단계에 맞는 운동 강도를 매칭하고, 즉시 라이딩 가능한 ZWO 파일을 출력합니다.
Automatically calculates and visualizes 7 power zones based on FTP. Shows time-in-zone distribution, identifies training gaps, and recommends zone-specific sessions to build a balanced fitness profile.
FTP 기반 7개 파워 존을 자동 계산하고 시각화합니다. 존 내 시간 분포, 훈련 갭 식별, 균형 잡힌 체력 프로필 구축을 위한 존별 세션 추천을 제공합니다.
Weekly periodization view showing planned vs. completed workouts, TSS targets, and rest day recommendations. Syncs with Intervals.icu for automatic training data import and progress tracking.
계획 대비 완료된 운동, TSS 목표, 휴식일 추천을 보여주는 주간 주기화 뷰입니다. Intervals.icu와 동기화하여 자동 훈련 데이터 가져오기 및 진행 추적을 제공합니다.
Long-term performance trends with FTP progression, CTL/ATL/TSB charts, and power curve analysis. Tracks improvements across training blocks and provides data-driven insights for peak performance timing.
FTP 진행 추이, CTL/ATL/TSB 차트, 파워 커브 분석을 포함한 장기 퍼포먼스 트렌드입니다. 훈련 블록 전반의 향상을 추적하고 피크 퍼포먼스 타이밍에 대한 인사이트를 제공합니다.
Architecture 아키텍처
Two-tier architecture: Next.js SPA on the frontend, Python FastAPI on the backend. The AI layer (Claude API) is isolated behind the backend — never called directly from the client.
2계층 아키텍처: 프론트엔드는 Next.js SPA, 백엔드는 Python FastAPI. AI 레이어(Claude API)는 백엔드 뒤에 격리되어 클라이언트에서 직접 호출하지 않습니다.
Key Metrics 핵심 메트릭
Before / After
The transformation from manual, generic training to AI-personalized coaching.
수동적이고 획일적인 훈련에서 AI 개인화 코칭으로의 전환.
| Before이전 | After이후 |
|---|---|
| Generic training plans from blogs and YouTube videos블로그와 YouTube 영상의 획일적인 훈련 계획 | AI-generated workouts personalized to your FTP, TSB, and daily readinessFTP, TSB, 당일 컨디션에 맞춤화된 AI 생성 운동 |
| Manual conversion of workout ideas to Zwift-compatible format운동 아이디어를 Zwift 호환 형식으로 수동 변환 | Instant ZWO file export — ride the AI-designed workout immediately on Zwift즉시 ZWO 파일 내보내기 — AI가 설계한 운동을 Zwift에서 바로 라이딩 |
| Guessing training intensity without objective data analysis객관적 데이터 분석 없이 훈련 강도를 추측 | TSB-based intensity filtering ensures optimal training stimulus every sessionTSB 기반 강도 필터링으로 매 세션 최적의 훈련 자극 보장 |