他把健身教练塞进浏览器，但不给动作打分

Qian Jiang在X上发了一段演示：在家跟练视频，摄像头对着人，屏幕上实时标出关节，给出动作提示。项目叫Form Mirror，页面署名Local Movement Lab原型。左侧是教程视频，右侧是用户画面，关节被打点，屏幕上一行字：Continuous cloud coaching is on.

居家跟练的痛点很具体。视频里的教练动作标准，但镜头外的你，肩膀有没有耸、手肘有没有锁死，自己很难看见。有网友Sophie Bennett在回复里说，实时反馈能让居家锻炼更有目的性，尤其动作对不对很难自己判断的时候。这句话把需求说清楚了。

Qian Jiang自己补充，AI生成的动作解释和叠在视频截图上的肌肉示意图很有用。

图上标了“肌群示意·非实际发力检测”，还给了43%的完成度。这个细节比“AI教练”四个字更有信息量：它知道自己在做什么，也知道自己不能做什么。

试用页面把功能摊开了。你可以用页面自带的示例锻炼，也可以贴YouTube链接，或者上传视频文件。跟着视频做动作时，浏览器调用摄像头，估计左右肘角度、手臂抬升角度。页面提示摄像头放在胸部高度，手臂动作要露出肩膀、肘和手腕，面朝摄像头，别让强光从背后打过来。角度是2D估计，侧视角、遮挡和透视都会影响结果。页面不提供form score，还写着时间线和真实准确性未验证。

不评分是个聪明的克制。健身应用很容易滑向打分、排名、连续打卡，最后变成另一种焦虑。Form Mirror只给提示，把“动作对不对”拆成关节角度和语音反馈。页面还写明，动作插图和注释来自原研究，AI辅助生成，不是肌肉激活测量，未经专业解剖审查。这种主动暴露局限的做法，比假装专业更可信。

回复区有人问底层是不是MediaPipe，作者没接这个话茬，只回了句ship。有人调侃，终于有个AI让人类去干重活了。有人问这是什么视频模型。还有人说，自己刚做了完全一样的东西。The Archer提到，HackTN26黑客松第一名用了类似方案。这些反应说明一件事：用浏览器摄像头加姿态估计做动作反馈，技术门槛已经降到个人开发者能快速拼原型。难点不在“能不能识别关节”，在动作分段、延迟、视角鲁棒性，以及反馈话术别让人烦。

Qian Jiang给了试用链接：ai-workout-companion-phi.vercel.app。在Vercel上，打开就能试。

回复里还有一条值得做健康AI的人留意。Quentin Caron贴了Open Health Sync的GitHub链接，Qian Jiang回了感谢。Open Health Sync是一个开源自托管的健康数据聚合层，支持Apple Health、Withings、Oura、WHOOP、Fitbit、Health Connect、Dexcom、OMRON等18个来源，一个Go二进制加Postgres，能跑在树莓派上。输出包括REST API、FHIR R4、只读MCP服务器，给AI agent读数据用。换句话说，Form Mirror这类产品解决“动作反馈”的前端，Open Health Sync补的是“健康数据从哪来、怎么归一化、怎么安全地给模型读”的后端。两个东西不在一个层面，但放在同一条时间线上看，居家健身的AI工具正在从demo变成能拼起来的零件。

项目链接：Open Health Sync

Form Mirror还不是成熟产品。页面自己说了，原型，时间线和准确性未验证。但它把一件事做对了：先让摄像头看见动作，再让反馈发生。不评分，不吹牛，把限制写在用户看得见的地方。对在家练动作的人来说，这比一个热闹的AI教练更实用。