参谋报告 · 羽毛球 AI 教练产品

羽球AI同行地图

两条链接 + 三十来个同类项目逐个拆开看：他们各自的亮点是什么、哪些能直接拿来用、所有人都在做什么、没人做好的是什么——最后落到一句话：咱们的护城河该押在哪。

2026-08-22盘点范围：健身姿势类 3 · 国内羽毛球 App 6 · 海外平台 4 · 开源仓库 12 · 学术/数据 5不发任务卡，只给判断

你的判断是对的："骨架识别 + 关节角 + 规则 + AI 写一段话 + 打个分"这一套，GitHub 上至少有十几个项目、大赛作品一个周末就能做出来，它已经不是壁垒，咱们也确实没必要再从零造。

但盘完发现三个空位没人占：①没有一家敢验证自己的指标（用户评论里骂的就是"指导不清晰"）；②所有羽毛球产品都是"打完上传看报告"，训练场上没有实时反馈；③大家都贪全（多运动、全场战术），没人把一个动作做深。

⚠️ 2026-08-23 更新：动作①②已跑完。动捕验证证明指标定义是对的（6 项方向正确，1 项反了已下线）；但视频误差实验是负面结果——拍摄条件差时，算出的肘角与教练评分负相关，会把动作标准的人判成"肘没伸直"。详见下一节。

护城河建议：押"高远球训练场上的可信陪练"——只做高远球，指标用分级数据和教练盲评验证过，多球训练时一球一评、跨次对比。算法层面跟别人一样用开源的，壁垒在可信度、训练闭环和攒下来的标注数据，不在模型。3D 白假人是加分项，场馆渠道是长期项。明确不碰：全场鹰眼战术、多运动通吃、硬件、总分。

补记 · 2026-08-23 · 建议动作①②已执行

跑完之后：仓库能借什么，指标经不经得起考验，视频测不测得出来

动作① · 三个 MIT 仓库在 Mac 跑通

能跑，可借的比 README 少

  • BST：复现论文（测试集 acc 0.838，高远球类 0.96–0.98）；但球轨迹+对手置零后掉到 0.235，代码无"无球"分支——单人多球训练视频不适用。
  • Ryan badminton-coach："拍面代理"未实现（全仓库 0 处代码）；受伤角度把整段求和成一个数；鞭打判定窗口 3 帧、恒为真。
  • sport-vision：像素级 if 规则，一记高远球判成 5 次反手；可借 WebSocket 逐帧推流脚手架。
结论："别人做过的"里值得搬的是零件，不是结论。
动作② 上半场 · 动捕分级验证（25 人 / 3,877 拍）

指标定义是对的：6 个方向正确，1 个反了

产品同一套代码、阈值零改动，跑在 CC0 动捕数据上。人级 AUC（新手 vs 高手）/ 与教练分相关：

  • 腕高过肩 0.97 · 击球高度 0.98 · 触球肘伸展 0.89（新手 109° → 高手 147°）· 3D 侧身 0.83
  • 弱：腕峰速 0.67、随挥幅 0.64——只能当描述不能当判据。
  • 反了：鞭打顺序（ρ = −0.45）→ 已下线该规则并提交。
这一半证明的是："我们想量的东西，量对了方向"。

⚠️ 动作② 下半场 · 视频误差实验：负面结果，而且失败方式很危险。把同一批人的视频走一遍产品管线（球员从 34px 裁剪放大到 344px），结果是——算出的触球肘角与教练评分负相关（ρ = −0.81），而真值是正相关（+0.81），方向被彻底反转。新手误差 ±4~37°，中级/高手被低估 43~89°（教练满分的 Sub11：真值 154°，视频只算出 65°）。

也就是说：在这种拍摄条件下，产品会对动作最标准的球友说"你的肘没伸直"。这比随机误差危险得多。

分层归因：两层都错，2D 是主因

  • 2D 姿态（RTMPose）直接算：平均绝对误差 35°，ρ = −0.55
  • 经 MotionBERT 3D 抬升：放大到 48°，ρ = −0.81
  • → 换掉 3D 抬升器救不回来；击球帧肩肘腕最低置信度中位仅 0.33–0.52（运动模糊）

逐一排除的假设（都不成立）

  • 裁剪切掉举起的手臂 → 腕点越界比例 0.000
  • 窗口选错、拍的不是高远球 → 目检见球拍与空中的球
  • 背后机位把手臂压缩到深度方向 → 2D 臂长与教练分是正相关
  • 30fps 漏掉短暂的伸直瞬间 → ±5 帧内取最大值，高手仍最低（ρ = −0.93）

对产品的四条含义

  • 拍摄条件是生死线，不是"建议"——事后放大救不回来，信息在源头就没了。
  • 必须加"测不准就不出结论"的质量门：击球帧置信度／球员像素高度／帧率不达标 → 只给回放和计数，明说拍摄条件不足。诚实红线从"只说视觉证据"扩展到"证据不足时说不知道"。
  • 拍摄引导要具体：侧面机位（非正后方）、球员占画面足够高、60/120fps 慢动作。"手机慢动作是更好的传感器"这次得到反面印证。
  • 在用我们自己的真实素材复核之前，不得对外说"指标已验证"——动捕那半证明"定义对"，视频这半证明"从这种视频测不出来"，两句都要说。
局限：n=6；MSB 只有这一种拍摄条件（640×360、背后机位、30fps），无法区分"分辨率不足"与"机位不对"各占多少；没有 60fps／侧面近景素材可测。

台账与脚本已入库：docs/superpowers/plans/notes/2026-08-22-peer-repos-and-msb-validation.md、tools/msb/（含 README 标注各脚本状态）。另记：视频与动捕无法逐拍对齐（无音轨、容器时间戳是转码时间、无共享时钟），改用免对齐的分布法；对齐路线的脚本保留并已标注不可用。

01 · 你发的两条链接

两个"通用姿势纠错"项目：思路值得学，技术没有秘密

TRAE AI 创造力大赛参赛作品 · 学习工作赛道

FitPose AI

是什么：纯网页（React + MediaPipe Pose 33 点），打开浏览器授权摄像头就能用；深蹲/俯卧撑/平板支撑 3 个动作，实时算关节角→规则判断膝内扣、塌腰→弹提示→每次动作 0–100 分→训练报告。全部本地计算不上传。

亮点：

  • 一句话定位写得好："Keep 告诉你怎么做，FitPose 告诉你做得对不对"。
  • 零门槛：没有 App、没有设备、没有后端。
  • 架构上"动作规则配置化，新增动作只加配置文件"——这是对的抽象（咱们路线图里的 action registry 就是这个意思）。
对咱们：它证明"慢动作 + 角度规则"在健身上成立；但羽毛球挥拍快十倍、机位远十倍，规则要换成时序特征。无数据验证、无演示、无开源地址——学它的产品话术和配置化思路就够了。
ToolCentral 收录 · Chrome 插件 + Web/Windows

PostureCorrector.AI

是什么：用电脑摄像头盯你的坐姿（圆肩、头前倾），本地计算，坐歪了就把标签页模糊掉或弹通知；记录趋势、出周报。免费版有限次提醒，Pro $9.99/月或 $99/年，还有企业版（团队看板、API）。

亮点：

  • 场景窄到极致（只看坐姿），但频次极高（上班 8 小时都在用）——窄 × 高频 = 订阅成立。
  • 定价和 BodyPark ATOM Pro 一模一样（$9.99/$99），说明这类"AI 看着你"的软件订阅天花板大概就在这。
  • 替代品全是硬件（Upright Go 贴背）——它靠"不要硬件"赢。
对咱们：羽毛球没有"8 小时高频"，一周打 2 次；所以不能照抄订阅，要么按次、要么按训练周期。它教的是"场景窄不丢人，窄才能做可信"。

补一句：昨天看的 BodyPark ATOM 是这一类的"硬件顶配版"——同样 MediaPipe 级骨架（33+1 点）、同样规则+话术、同样 $9.99 订阅，区别是把它装进了 155 克的小盒子并做了五年数据。三个放一起看，结论一致：通用姿势纠错的技术已经是公共品。

02 · 全景地图

谁已经做了什么

官方官方页面/仓库核验第三方第三方宣传数字，未核实未核实查不到或来源可疑MIT开源许可证

A. 国内羽毛球 C 端 App——真正的同行

项目做什么亮点对咱们的价值可信度
多练 - 羽毛球上海多练不菜科技 · 2025-06-24 上架 · ¥38/月 ¥268/年上传视频→AI 逐帧动作识别→与教练示范动作逐帧并排对比→个性化指导→技术报告、成就、Apple Watch 联动。国内第一个直接做"羽毛球动作对比"的 C 端产品；"对比教练示范"这个呈现方式直观。直接竞品，但没跑起来：上架 14 个月只有 9 条评价（4.0 星），评论有"分析页空白""对比功能闪退"。证明思路有人想到了，也证明光有思路不够。咱们 8 月 16 日摸底"没有一家做技术动作分析"要修正。官方 App Store；
第三方"21 点/60fps/12 种击球/96.5%/国家队教练认证动作库/8 维偏差"来自下载站，别引用。
小球圈北京·多拍类运动 · ¥58/月 ¥398/年网球/羽毛球/乒乓/匹克球/壁球通吃：AI 剪辑（"3 秒剪 3 小时"）、动作慢放对比、云存储、社区、订场。剪辑+动作+社区+场馆一站式，野心大。3.7 星 6 条评论，有人说"AI 教练指导不清晰"——这就是可信度空位的直接证据。官方
好球苏州好球科技 · Apple Watch · ¥15/月 ¥48/年 ¥88 买断手表戴持拍手，端侧 AI 识别杀球/正反手/上下手、拍速分布、心率卡路里、排行榜勋章。4.8 星 · 4,008 条评价——羽毛球 AI 类里唯一起量的。零硬件成本（用户已有手表）+ 每次打球自动记录。传感器派没死，死的是"要买硬件"的 Zepp。它赢在"零门槛 + 持续记录 + 社交"，不在分析深度（它不分析动作对错）。投诉集中在付费弹窗太烦。官方
球迹宁波坤达 · Apple Watch · ¥18/月 ¥38/年 ¥68 买断同上一类：挥拍次数、最大拍速、杀球次数、正反手分类。定价是国产工具带的底。2024-10 后停更，4.2 星 38 条。注意：摸底里"球迹 25 元/月视频诊断小程序"查无实据，来源疑似 AI 生成文章。官方 手表版；未核实 视频版
剪球 / RallyCutAI 集锦剪辑 · ¥12/月 ¥128 买断自动切回合、去捡球、出集锦。国内 C 端视频工具的价格天花板参照。不做动作分析，与咱们互补而非竞争（已在 8 月 16 日摸底）。官方
好球哇深圳思博威视 · 场馆 AI 相机球馆装相机→回放/集锦/直播。进了林丹等头部球馆，深圳总部。场馆渠道的头号变量（已在摸底），仍不做动作分析。官方

B. 海外平台——"多运动通吃"和"只做一个数"两个极端

项目做什么亮点对咱们的价值可信度
SportsReflector22 项运动 · Free / Pro $19.99/月 / Coach上传视频→0–100 综合分 + 6 个子分（Form/Technique/Power/Balance/Timing/Safety）+ 150 个 AR 练习；2026-04 加了实时分析和远程教练。六维结构清晰；自称"唯一的羽毛球 AI 动作分析 App"（SEO 口径）。22 项运动一套引擎，羽毛球不可能专精；它的网页是写给搜索引擎看的。六维拆分可以学，总分不学。第三方 自我宣传为主
AI Sports Trainer14+ 运动 · 免费下载，Premium 未公布羽毛球页：杀球/高远/吊球，量化"击球点、拍面角度、随挥"，10 秒出结果，分数+与理想动作差异可视化+练习建议+进度图。"击球点 + 拍面角度"正是高远球的核心量；"自动推荐练习"闭环。拍面角度从单目视频怎么算没说明——很可能是估的。咱们诚实红线（腕部朝向不可靠→不画拍）反而是优势叙事。第三方
goSmash海外羽毛球 AI 教练 · 2026-04 仍 early access 免费上传比赛视频→逐帧分析技术/移动/击球。承诺早期用户"锁定最低价"。摸底里的"窗口期计时器"还在走，它还没收费。官方
Smashspeed加拿大 · iOS/Android · 免费手机放边线，端侧 AI 测杀球速度和角度，每球即出。只做一个数字，还敢说"对雷达枪 95%+"——整个赛道里唯一给出验证口径的。窄刀 + 可验证 = 可信。咱们的对应物是"对教练盲评一致率"。官方 准确率为自报

C. 开源仓库——咱们的管线在这里至少有三个"同款"

仓库做什么亮点对咱们的价值许可
Good-Badmintonyo-WASSUP · 915★ · 2026-06 开源AI 鹰眼：球员姿态+球检测+球场坐标映射+轨迹统计+热力图+Gradio 网页。同作者还有网球/匹克球版。两个月 915 星，小红书带流量；自动球场线检测。全场战术那条线的开源标杆——说明这条线已经不值得咱们做；场馆阶段其球场标定可借。"击球点/技术动作统计"它自己都标了实验中。Apache-2.0
ShuttlePoseReviewwaylean · 140★ · 2026-06-25 创建 · Java/Android手机视频→2D 骨架→识别"重发力窗口"→每次重发力拆成三个可解释指标：击球时机 / 发力链 / 回位恢复→证据卡+JSON；安卓端侧 60 秒复盘；鸿蒙 HAP、iOS TestFlight。和咱们"只说视觉证据、不判球速"几乎同一哲学；公式全写在 docs/scoring_formula_spec.md；发力链用腿/躯干/腕三个时间窗的角速度分位数当"能量代理"——思路干净。最值得细读的一个。它已经证明手机端侧能跑；但没有 LICENSE 文件——只能学思路，不能抄代码。无许可证
BSTVa6lue · 48★ · CVPRW 2026骨架 + 球轨迹 + 球场位置 → 击球类型分类，在 ShuttleSet/BadmintonDB/TenniSet 上是当前最好，权重可下载。正经论文 + 代码 + 权重三件齐。可以替换/补强咱们 M2 切拍在比赛场景的短板（M2 是为节奏性练习设计的）。MIT
badminton-coachRyan-z-Feng-ccsf · 4★MediaPipe 3D 地标→动力链：肩/肘/腕速度峰值的时间差判"鞭打效应"；击球瞬间肘角 >175° 预警受伤；用 MediaPipe Hands 估前臂旋前/拍面朝向；LLM 话术。星少但想法最像运动生物力学。三个点子直接对应高远球：鞭打时序、受伤阈值、手部关键点当拍面代理（解咱们"不画拍"的一半问题）。MIT
sport-visionMindDock · 85★MediaPipe 13 点实时 ~20 FPS，WebSocket 推流；识别发球/杀球/正反手/挑/吊；关节角、腕速、倾斜、对称。全本地 CPU。实时原型一键起。"球后即时"的起手式脚手架。MIT
BadmintonCoachTaixaunzi · 0★ · 2026-06RTMPose 17 点 + TrackNet + 滑窗状态机问题检测 + 4 倍慢放 + LLM 教练 + Vue/FastAPI + Docker。——技术栈和咱们几乎一样（rtmlib + TrackNet + 规则 + 报告）。这就是"管线不是壁垒"的实锤。MIT
羽动智练Dannyzhou0512 · 2★网页 + 微信小程序；远景/近景自适应；逐拍时间轴（动作类型、置信度、质量评分）+ 步伐热力图 + Qwen/智谱教练问答。小程序端已经做了。又一个同款；它的"远景/近景自适应"是咱们 H5 会遇到的同一个问题。无许可证
WFBARNetM-WhiteXFox · 28★本地桌面工具：自动球场标定（3.75 秒内）、轨迹、击球事件、球速估计、热力图、HTML 报告。标定流程做了"草稿→确认"防错。场馆/教练桌面端时可参考。Apache-2.0
TrackNetV3 / CoachAI-Projects已在用球追踪 97.5%；ShuttleSet 等数据与基线。——已是咱们参照库的上游；TrackNetV3 训练数据授权存疑已在红线清单。MIT（CoachAI）
EvoSmash / 其他大赛作品全国大学生软件创新大赛等视觉 + 物理 + 自动裁判 + 战术检索 + LLM，一条龙。海报漂亮。大赛作品的共同点：什么都有、什么都不深、没人用真实用户验证过。MIT

D. 学术与数据——有一份数据正好是咱们要的

资源内容对咱们的价值许可
MultiSenseBadmintonGIST + MIT · 2023 · figshare 公开正手高远球 + 反手平抽，25 人（12 新手 / 8 中级 / 5 高手），7,763 次挥拍；身体追踪 + 眼动 + 肌电 + 足压；标注球种、技能等级、击球声、落点；按教练访谈设计。唯一公开的"高远球 + 技能分级"数据。用它验证"咱们的指标能不能把新手/中级/高手分开"，就是第一份可信度证据。注意它是传感器身体追踪不是视频——用来验证指标方向，不是训练视觉模型。第三方 许可需到 figshare 核对
Li et al. 2026Intelligent Data AnalysisSlowFast 识别动作 + Siamese 网络对"标准动作库"做质量评估；姿态 mAP 83.2%，职业选手击球识别 Top-1 83.08%。"和标准比相似度"的学术版；未开源。等咱们有标注数据再考虑这条路。未开源
ShuttleSet / BFMD / FineBadminton已在 8 月 5 日数据集调研逐拍标注的职业比赛数据。桃田参照库已在用；其余见既有调研，此处不重复。见调研
03 · 共同规律

所有人都在做的，和没人做好的

1 · 技术同质化已成事实骨架模型（MediaPipe 33 / RTMPose 17 / YOLO-Pose）+ 关节角 + 阈值规则 + LLM 写话 + 0–100 分，是公开套路。咱们的管线在 GitHub 上有至少三个同构项目。→ 别再把"算法"当卖点。
2 · 没有一家验证过自己除 Smashspeed 说"对雷达枪 95%"外，全赛道没有任何独立验证；第三方页面的"96.5%"都是宣传；用户评论骂"指导不清晰""分析页空白"。→ 可信度是最大的空位。
3 · 人人贪全22 项运动、14 项运动、6 种球类、全场战术、自动裁判……羽毛球专项深度被稀释到零。→ "一个动作做深"没人占。
4 · 全是事后报告所有羽毛球产品都是"打完上传看报告"。训练中的实时反馈只在健身类（ATOM/FitPose）存在，羽毛球只有 Smashspeed 做到"一球一数"。→ 训练场景闭环没人占。
5 · 数据各自为战每家自建小数据集，没人有"技能分级 + 教练标注"的高远球数据；公开的只有 MultiSenseBadminton 那 25 个人。→ 谁先攒出来谁就有壁垒。
6 · 商业上只有"零门槛"起了量手表 App 4,000+ 评价；视频分析 App（多练 9 条、小球圈 6 条）都没起来——上传门槛高、结果看不懂。国内 C 端价格带 ¥15–58/月。→ 降门槛 + 看得懂，比功能多重要。
04 · 咱们手里有什么

盘一下家底：比大多数同行走得远的地方

已经有、而且同行基本没有的

  • 具名对标参照库：桃田贤斗（ShuttleSet 标注锚定，六站装配线）+ Mendeley 113 段匿名库，参照值可复现、有台账。同行全是"和一个教练示范比"或干脆没有参照。
  • 3D 回放：MotionBERT 17 点 3D + GLView v4.2 白假人（174 项测试），同行清一色 2D 骨架叠加。
  • 诚实红线与证据链：不出总分、不判球速落点、单帧抖动公开承认——这在赛道里是稀缺品（ShuttlePoseReview 是唯一同道）。
  • M3/M4 调参台账 + 参照库复核记录：别人有模型没有"为什么阈值是这个"的记录。
  • 商业案头：深圳价格锚点、渠道地图、访谈提纲、数据集许可调研、数据政策红线。

同行有、咱们还没有的

  • 手机端侧实时（ShuttlePoseReview 安卓 / sport-vision 20 FPS / Smashspeed 每球即出）。
  • 动力链时序指标（Ryan 的肩→肘→腕峰值时间差；ShuttlePoseReview 的三窗口能量代理）——咱们的 8 特征偏静态。
  • 教练示范逐帧并排的呈现（多练）——咱们有桃田数据但报告页并排图还在"弹药"阶段。
  • 比赛场景的击球类型识别（BST）——M2 切拍只适合节奏性练习。
  • 真实用户评价——哪怕是 9 条。灰度还没开。
05 · 护城河怎么选

四个候选，推荐押前两个合起来

候选 A · 推荐（产品护城河）

可信的窄刀：只做高远球，指标验证过

对外一句话："我们只看高远球，每一条结论都给你看画面证据，而且我们的指标在 25 个分级球员的数据和教练盲评上核过。"

  • 为什么别人补不上：要放弃"全"、要花时间攒验证数据、要敢把不确定写在报告里——三件事都反直觉。
  • 怎么做：MultiSenseBadminton 分级验证 → 教练盲评一致率 → 把验证结果写进产品页（像 Smashspeed 的"对雷达枪 95%"）。
代价：放弃杀球、战术、多运动的想象空间，至少到有付费信号为止。
候选 B · 推荐（交互护城河）

训练闭环：多球一球一评，跨次对比

把 ATOM 的"一组 × 若干次、每次一句、组后总结"搬到多球训练：手机架场边，每打一球计数 + 一句提示，20 球一组出小结，下次来对比上次。

  • 为什么是壁垒：赛道里没有任何羽毛球产品做训练中反馈；而且会产生"同一个人多次训练"的纵向数据，这种数据别人拿不到。
  • 怎么做：先"组后即时"（现有管线加速即可），再"球后即时"（端侧，参考 ShuttlePoseReview/sport-vision 的做法）。
风险：微信 H5 里跑实时骨架可能吃力，可能要小程序或原生；先用组后即时验证需求。
候选 C · 加分项

3D 白假人 + 桃田并排

视觉上立刻和 2D 骨架叠加拉开；Sportsbox 在高尔夫证明了用户买账。

判断：已经做出来了，继续打磨就好；但它是"看起来高级"，不是"别人做不了"——有钱有人三个月能追上。不要当主线讲。
候选 D · 长期护城河

教练共创标注数据 + 深圳场馆渠道

灰度第一天起，每份报告都让教练打标（对/不对/哪里不对），攒出别人没有的高远球标注集；场馆扫码是分发渠道。

判断：这是五年后真正的壁垒，但它慢，而且依赖 A 先成立（教练得认可报告才肯标）。数据协议那条线现在就要按这个目标设计。

明确不碰的四样：全场鹰眼/战术分析（Good-Badminton 915 星已经把开源标杆立在那了，好球哇占着场馆）；多运动通吃（SportsReflector 们的红海，专精反而是差异）；硬件（Peloton Guide 停产、ATOM 也还没证明自己）；总分（红线不破，六维拆分可以有，"你 73 分"不能有）。

06 · 不从零开始

可以直接借的十样东西

借什么从哪借怎么用能不能碰代码
击球类型识别（比赛场景）BST（CVPRW 2026）权重直接下，输入骨架+球轨迹+站位；补 M2 在比赛片段上的失败。MIT 可用
动力链鞭打时序Ryan badminton-coach肩/肘/腕速度峰值时间差 → 加进高远球 8 特征；击球瞬间肘角阈值做受伤提醒。MIT 可用
拍面代理Ryan badminton-coachMediaPipe Hands 估前臂旋前——先当实验，看能不能把"不画拍"推进到"画个方向"。MIT 可用
三窗口发力链 + 证据卡ShuttlePoseReview读它的 scoring_formula_spec.md，学"重发力窗口"怎么切、能量代理怎么定、证据卡怎么展示；自己重写。无许可 只学思路
实时原型脚手架sport-visionMediaPipe 13 点 + WebSocket 20 FPS，一天能搭出"球后即时"的演示。MIT 可用
分级验证数据MultiSenseBadminton下载 25 人高远球数据，算咱们的指标在新手/中级/高手上的分布——能分开就是证据，分不开就是诚实地改指标。figshare 许可待查
球场标定与热力图Good-Badminton / WFBARNet场馆固定机位阶段再用；现在不用。Apache-2.0 可用
"示范并排 + 维度偏差"的呈现多练它用教练示范，咱们用桃田 + 分布区间；把参照库的"四相位关键帧素材包"真正画到报告里。产品形态，无代码
多球模式、惯性错误记忆、免费计数/付费诊断BodyPark ATOM昨天已拆；对应候选 B 和定价分层。产品形态，无代码
"一个数 + 验证口径"的可信叙事Smashspeed产品页写"与教练盲评一致率 xx%（n=xx）"，而不是"AI 精准识别"。产品话术
07 · 建议动作

参谋建议三件事（不是任务卡，你点头再拆）

  1. 先把"借用清单"落地：许可证核实 + 三个仓库跑通BST、Ryan、sport-vision 都是 MIT，拉下来在 Mac 上跑通各自的 demo（1–2 天）；ShuttlePoseReview 只读文档。顺手把许可证结论写进数据政策记录。
  2. 做一个验证实验：咱们的高远球指标能不能分出新手/中级/高手MultiSenseBadminton 先核许可再下载；把 hit_height_ratio、肘角、鞭打时序等指标在 25 人上算分布。这一步的结果决定候选 A 的底气——也是第一条能写进产品页的"证据"。
  3. 写一页纸"多球模式"方案（组后即时版）不动管线，只定义：一组多少球、每球提示说什么、组后小结长什么样、下次怎么对比。拿这一页去问 3 个教练"你会在课上用吗"——比写代码便宜。

顺序为什么这样：1 是把别人造好的轮子装上车；2 决定"可信"这两个字敢不敢写；3 是在写代码前先确认训练闭环有人要。三件都是 Mac 侧能做的调研/实验，不影响 Windows 主线。

08 · 信息可信度

哪些话能信、哪些只是宣传

  • 核验过的：App Store 页面（多练、小球圈、好球、球迹）的价格/评分/评论；GitHub 仓库的星数、创建日期、许可证、README；Kickstarter 众筹数字；Smashspeed/goSmash/AI Sports Trainer 官网文字。
  • 宣传口径，不要引用：多练的"21 点/60fps/96.5%/国家队教练认证"（下载站转载）；SportsReflector 的"唯一的羽毛球 AI 动作分析 App"；所有 App 的准确率自报。
  • 查无实据："球迹视频诊断 25 元/月"、"ShuttleAI $12.99/月"、"RacketVision"——出自同一篇疑似 AI 生成的文章，8 月 16 日摸底里引用的那条也应作废。
  • 没拿到：多练的实际分析效果（没装）、SportsReflector 定价页正文（被反爬）、MultiSenseBadminton 的许可证原文（需到 figshare 看）、Kickstarter 评论区。

主要来源（可点开核对）：