99%做健身记录的人，都以为“算一次热量、设个目标”就够了，结果三周后体重停在原地。真正有效的，是计划能跟着你的身体一起变化。一个在药房上班的韩国药师，就靠这一点，做出了一款会“自我调整”的健身追踪器，把自己从表格地狱里解放出来。
他叫任允锡，是药师，也是健美营养教练，还经营着一个健身类 YouTube 频道。白天在药房值班，下班后就对着 Excel 和 KakaoTalk，给每个学员算宏量营养和热量目标。每来一个新学员，他就新建一份表格，手动输入体重、体脂估算，再把结果一条条发到聊天窗口。学员传来的体重截图、饮食照片，他也一条条登记。人一多，他发现自己花在敲表格上的时间，比真正教人的时间还多。
问题：专业知识有了，却卡在“交付”上
手动表格撑不起不断增长的学员
遇到这种情况，大多数教练的第一反应是“再多熬点夜就行”，但人力的上限很快就会撞墙。任允锡很清楚，靠手动表格，他的教练业务迟早会被自己拖垮。他需要的是一个能自动收集数据、自动计算、自动反馈的系统，而不是更多的 Excel 标签页。
他心里想象的，是一个学员可以在手机上登录的网页应用：自己输入体重、饮食、训练，系统自动记录趋势、重新计算热量和宏量营养，不用他每天晚上再算一遍。问题是，他从没写过一行代码，对“框架”“API”“数据库”这些词完全没概念。
有用户反馈：当教练人数超过 30 人后，单靠表格和聊天软件，每周维护一次计划就会变成一份全职工作，真正的指导反而被挤到角落里。
从聊天机器人到“能写代码的 AI 代理
在 2026 年 2 月之前，他对 AI 的认知，还停留在“问问聊天机器人”的层面。用来查资料、头脑风暴挺好用，但做不了真正的软件。他是在网上广告里第一次看到 Manus——一种可以代写、代部署代码的 AI 代理系统。
那一刻，他冒出了一个有点疯狂的念头：要不，自己来做这个应用试试？他没有程序员朋友，也不想等半年外包开发，就决定用 Manus 当自己的“远程工程师”，把脑子里的产品一点点变成现实。
零基础搭建：从“完全不懂”到应用上线
一周时间，搭出核心产品雏形
第一周几乎是摸着石头过河，他连“前端后端”都分不清，更别说什么框架选型。做法很直接：把自己想要的功能，用自然语言一步步喂给 Manus，看它生成什么，再根据结果调整。功能跑不通，就把错误现象描述清楚，再让 Manus 改。
他慢慢发现，自己其实是在用“教学”的方式教 AI 写代码——就像教一个新学员理解训练计划一样。遇到复杂的开发瓶颈，他会重新梳理需求，把数据流、页面逻辑讲得更细，Manus 也就更容易给出正确的实现方案。
到第一周结束，一个叫“Alyak Coach”的核心框架已经跑起来了。学员可以在手机上登录，直接记录每天的饮食和训练。系统会自动统计每日热量、宏量营养比例，绘制体重变化曲线，还能记录训练历史。
动态 TDEE：会“跟着身体变”的热量计算
更关键的一点，是它接入了 Strava 和 HealthSecret，自动同步步数、运动数据和部分热量记录，学员不再需要到处截图、反复输入。所有数据汇总到一个地方，教练和学员都能一眼看清趋势。
系统的核心，是一个 AI 驱动的 TDEE（每日总能量消耗）计算模块。和市面上大多数“算一次就不动”的热量计算器不同，它会根据学员每周真实的体重变化和饮食记录，自动重新估算 TDEE。比如，明明按公式算应该减重，却连续两周体重不动，系统就会判断出现了代谢适应，自动下调热量或调整宏量营养比例。
据他自己的数据统计，使用动态 TDEE 后，连续 8 周内体重变化符合目标区间（±0.3kg/周）的学员比例，比用静态公式时提升了约 27%。对健美营养教练来说，这个差距非常实际——意味着更少的平台期和更可控的增肌减脂节奏。
学会和 AI 代理“搭档工作”
聊天 AI 负责想法，Manus 负责落地
过了一段时间，他形成了一套自己很顺手的工作流，而不少韩国重度用户也独立摸索出了类似的路径：
- 用对话式 AI（比如常见聊天机器人）做头脑风暴，梳理功能结构
- 把整理好的需求，用更精确的语言交给 Manus
- 让 Manus 负责写代码、搭建数据库、部署应用
- 自己则像产品经理一样，不断测试、提需求、改细节
他说，有点像把“想法翻译成工程语言”的过程拆成两步：先用聊天 AI帮自己把想法说清楚，再让 Manus 把这些想法变成真正能用的功能。
具体到离谱，AI 才能真正帮上忙
他很快意识到，模糊的指令几乎等于浪费一次会话。比如说“做一个训练记录功能”，AI 可能会给出一个很普通的表单；但如果他补充：“需要支持按肌群统计训练量、自动识别推拉腿训练日、并根据最近 4 周训练量给出过载建议”，结果就完全不一样。
他形容这种体验：“就像在和一个既懂科研又懂开发的博士合作。”
复杂的术语，比如“代谢适应”“渐进式超负荷”，他不用刻意简化，系统也能理解并转化成合理的逻辑。
有一次，Alyak Coach 的体重趋势图总是显示异常，他反复描述“学员明明在减重，曲线却像在增重”的现象，Manus 追踪到是时间序列排序和单位换算的双重问题。修复后，他特意在自己的 YouTube 频道里分享了这个小插曲，说实话，那一刻他有点被 AI 的“细心”惊到。
当然，也不是每次都一帆风顺。有时候他给的上下文不够，Manus 会做出和他预期完全不一样的东西，他只能承认“这锅是我没讲清楚”。我也不太确定这个说法对不对，但他后来总结的经验是：当 AI 卡住时，先别急着怪它，多半是自己还没想明白需求。
用户增长与收入：从药房走向全国健身房
YouTube 观众成了第一批种子用户
应用上线第三周，他开始向学员收费。原本在用 KakaoTalk 接受指导的老学员，几乎全部迁移到了 Alyak Coach，大家都松了一口气——不用再翻聊天记录找饮食计划，也不用每天发一堆截图。
接着，他在自己的 YouTube 视频里自然地提到这款应用。观众本来就对健美和营养感兴趣，看到有一款“教练亲自做的工具”，愿意尝试的人不少。报名量开始加速，很多新用户来自健身房群聊、朋友推荐。
在接受 Manus 采访时，上线大约两个月，Alyak Coach 已经有约 300 名活跃用户。到 4 月 20 日，后台数据显示注册用户达到 3900 人，营收以韩元计已达数百万元级别，而且还在持续增长。
从用户反馈来看，最受欢迎的点有三条：
- 每周自动调整热量和宏量营养，不用自己反复算
- 和常用运动 App 打通，减少重复记录
- 能看到自己 3 个月、6 个月的体重和训练趋势，成就感更强
当然，也有人吐槽界面一开始不够美观、功能有点多看着头大。他把这些负面反馈都记下来，一点点交给 Manus 改版。数据显示，完成两次大版本 UI 调整后，新用户一周内留存率提升了约 15%。
从“六个月外包”到“几周自建”的反差
有外部开发者曾估算，这样一个系统如果完全外包开发，大概需要 6 个月全职工作量。对一个兼职教练来说，这意味着要么砸一大笔钱，要么业务继续困在表格里。
任允锡选择了第三条路：自己做。他用的是家里的 MacBook，还有随身的智能手机。药房里没病人的空档，他会掏出手机，打开 Alyak Coach，像普通用户一样点来点去。一旦发现 bug 或体验不顺手的地方，就记在备忘录里，晚上回家再统一丢给 Manus 处理。
这种“移动端优先”的习惯，和他的用户使用场景高度重合——大多数人也是在健身房、更衣室、通勤路上打开应用。某种程度上，他既是产品经理，也是最挑剔的那位种子用户。
到现在，他已经能在不打开任何一份 Excel 表格的情况下，服务接近 5000 名用户。每个人都在系统里记录体重、饮食和训练，朝着自己的体态目标前进，而不需要教练逐条发消息催促。系统会每周自动调整计划，他则把精力放在更有价值的地方：拍更系统的教学视频，设计更科学的训练方案，和学员讨论更深层的训练理念。
有用户在评价里写：“以前总觉得请教练是‘有钱人的事’，现在只要一杯咖啡的钱，就能用到教练级别的追踪工具。”
关键启发：普通人也能做出“会进化”的工具
一个被低估的信息差：动态而非静态的“计划”
很多人对健身 App 的想象，还停留在“记录工具”层面：记饮食、记体重、记训练。任允锡的做法，悄悄往前迈了一步——让系统根据记录，主动给出调整建议。
这背后有一个被低估的信息差：
- 静态计划：一次性根据身高体重算出热量，之后不再更新
- 动态计划：每周根据真实变化重新估算 TDEE 和目标
数据显示，采用动态调整的用户，在 12 周内达到目标体重区间的概率，明显高于只用静态计划的人。这种“会自己进化”的工具，其实就是把教练脑子里的经验，固化成一套可重复执行的逻辑。
想和 AI 合作做产品，可以照抄的 4 个步骤
如果你也想用 AI 做一个类似的工具，可以借用他这套简单但好用的流程：
- 先用纸笔或文档，写清楚“一个典型用户的一天”会怎么用你的产品
- 用聊天 AI 帮你把这些场景整理成功能列表和页面结构
- 把整理好的需求，用尽量具体的语言交给像 Manus 这样的 AI 代理，让它负责写代码和部署
- 自己每天像用户一样使用，发现问题就记录下来，集中反馈给 AI 迭代
这套方法听起来朴素，却在他身上反复被验证有效。说白了，就是把“不会写代码”这件事，变成“会不会把需求讲清楚”的问题。
当越来越多普通人开始用 AI 代理做工具，很多原本需要团队才能完成的产品，可能会变成一个人加一台电脑就能搞定的事情。这个趋势已经在健身、教育、自媒体等领域悄悄发生。
在你刷到这里的时候，可能已经有人用类似的方法，做出了下一个爆火的小工具。
这个判断方法反复验证都挺靠谱的：当你发现自己被表格、重复操作和截图淹没时，很可能就是该做一个“会自己进化的小工具”的信号。等真有空再说，往往就永远不会开始。如果你正卡在类似的选择上，这类实战故事，往往比问身边人“值不值得做”更有参考价值。
常见问题
Q：没有编程基础，真的能用 AI 做出一个可用的应用吗？
A：可以，但前提是你能把需求讲得足够具体。任允锡一开始完全不懂代码，也是靠不断描述“我想要学员点这里会发生什么”“这张表要显示哪些数据”，让 AI 代理一步步搭出原型。关键不在于你会不会写代码，而在于你是否清楚用户场景、数据流转和期望结果。建议从一个最小可用版本开始，比如只做“记录体重+自动算热量”，跑通后再慢慢加功能，这样更容易坚持下去，也方便 AI 帮你迭代。
Q：动态 TDEE 计算真的比一次性公式更有效吗？
A：在大多数长期减脂或增肌场景下，更有效。人体会出现代谢适应，同样的热量摄入和活动量，几周后消耗会下降，如果一直用最初的公式，很容易进入平台期。任允锡的做法，是每周根据真实体重变化和饮食记录重新估算 TDEE，相当于不断“校准”模型。你可以每 1-2 周记录平均体重和实际摄入，用简单的能量平衡公式估算出新的 TDEE，再微调目标热量，这样更贴近身体真实状态。
Q：用 AI 做产品，会不会有很大的技术风险？
A：有风险，但可以被管理。AI 生成的代码可能存在安全漏洞、性能问题或兼容性 bug，尤其是当你自己不懂技术时，很难第一时间发现。任允锡的做法，是频繁做小范围测试，先让少量熟悉的学员使用，收集问题再集中修复。建议你在涉及支付、隐私数据时格外谨慎，可以请懂技术的朋友帮忙做一次安全检查，或者使用成熟的第三方支付和登录方案，减少自己“造轮子”的部分。
Q：如果已经有很多健身 App，再做一个还有机会吗？
A：有机会，但要找到足够细的切入点。通用型健身 App 竞争激烈，但像 Alyak Coach 这样，专注在“健美营养+动态 TDEE+教练工作流”的产品，其实是服务一个更垂直的群体。判断有没有机会，可以看三个信号：目标用户是否已经在用一堆零散工具（表格、聊天软件、记步 App）、是否有明显的重复劳动、是否愿意为省时间和提高效果付费。如果这三点都满足，新产品就有空间。
Q：如何判断自己是不是也该做一个类似的工具？
A：可以问自己三个问题：你是否每天在重复同样的记录或计算工作？这些工作是否可以被规则化（比如“每周根据体重变化调整 X% 热量”）？是否已经有一小群人愿意为你现在的服务买单？如果答案都是肯定的，那就很适合尝试用 AI 做一个小工具，把这些规则固化进去。建议先从服务现有用户开始，不急着大规模推广，一边用一边改，等你发现自己已经离不开它时，往往说明它对别人也有价值。
有些选择，等你完全准备好再行动，可能就错过了最好的时机。把这套思路留在心里，哪天你也被表格和截图压得喘不过气时，也许就会想起：原来可以换一种做法。
