健身 App 的数据底座：exercises-dataset 1324 个动作数据集拆解与集成指南

GitHub：hasaneyldrm/exercises-dataset · ⭐ 14,036 · 🍴 1,679 · MIT（代码/数据）+ Gym visual 媒体条款
数据规模：1,324 个动作 · 1,324 张 GIF · 1,324 张缩略图 · 9 种语言说明
驱动应用：LogPress（AI 辅助训练记录 App）

---

这是什么

做健身 App，最费时间的不是界面，而是运动库的内容：每个动作叫什么名字、用什么器械、练哪块肌肉、具体怎么做——这些内容需要专业知识，手写一个靠谱的数据集要几个月。

exercises-dataset 把这件事做好了，直接拿来用：

• 1,324 个动作，按身体部位和器械分类
• 每个动作一张动画 GIF，180×180，来自 Gym visual，可视化展示完整动作轨迹
• 9 种语言的分步操作说明（英、西、意、土、俄、中、印地、波、韩）
• 结构化元数据：目标肌肉、协同肌肉、器械类型，可直接用于筛选和推荐逻辑

---

数据覆盖范围

按身体部位

部位	动作数
上臂	292
大腿	227
背部	203
腰腹	169
胸部	163
肩部	143
小腿	59
前臂	37
有氧	29
颈部	2

按器械

器械	动作数
自重（无器械）	325
哑铃	294
绳索	157
杠铃	154
器械架	81
弹力带	54
史密斯架	48
壶铃	41
其他	167

25% 的动作不需要任何器械——纯自重动作数据充足，无器材健身 App 完全可以单独用这个子集。

---

数据结构

每条记录的字段：

{
  "id": "0025",
  "name": "Barbell Bench Press",
  "category": "chest",
  "body_part": "chest",
  "equipment": "barbell",
  "target": "pectoralis major",
  "muscle_group": "triceps",
  "secondary_muscles": ["triceps brachii", "anterior deltoid"],
  "instructions": {
    "en": "Lie on a flat bench...",
    "zh": "躺在平凳上，双手抓住杠铃，宽度略宽于肩..."
  },
  "instruction_steps": {
    "en": ["Step 1: ...", "Step 2: ..."],
    "zh": ["第一步：...", "第二步：..."]
  },
  "image": "images/0025-EIeI8Vf.jpg",
  "gif_url": "videos/0025-EIeI8Vf.gif",
  "media_id": "EIeI8Vf",
  "attribution": "© Gym visual — https://gymvisual.com/",
  "created_at": "2026-03-18T12:31:32.854798+00:00"
}

两个细节值得注意：

• instructions 是完整文本（适合展示详情页），instruction_steps 是按步骤切分的数组（适合做步骤卡片 UI 或语音播报）
• secondary_muscles 是数组，可以用来做「练背部顺带会练到的动作」这类推荐逻辑

---

仓库自带的两个工具

克隆下来不用任何服务器，直接在浏览器打开就能用：

index.html——运动库浏览器

• 1,324 个动作的可搜索、可筛选卡片网格
• 实时过滤：按部位、器械、目标肌肉
• 无限滚动
• 点击任意卡片展示 GIF + 分步说明，可切换 9 种语言

调研数据集结构、选取动作子集、给产品经理演示，都可以直接用这个页面。

setup.html——开发者集成向导

这个页面比较有用：

1. 数据库建表 SQL：支持 SQL Server、PostgreSQL、MySQL、SQLite，在浏览器里选数据库类型，直接生成包含 1,324 条 INSERT 的 .sql 文件
2. API 客户端代码：填入你的后端 base URL，自动生成 JavaScript / Python / C# / Java / PHP / Go / cURL 的调用示例
3. LLM Prompt：选框架（Express.js / FastAPI / ASP.NET Core / Spring Boot / Laravel / Gin）和数据库，生成一段结构化 prompt，粘贴给 Claude 或 ChatGPT，直接得到完整的 REST API 代码

---

如何用这个数据集做健身 App

第一步：把数据导入数据库

以 SQLite 为例（移动端最常见的选择）：

打开 setup.html，选择 SQLite，点「Generate SQL File」，下载 exercises_sqlite.sql。

sqlite3 exercises.db < exercises_sqlite.sql

建好后验证：

SELECT COUNT(*) FROM exercises;          -- 应返回 1324
SELECT name, equipment FROM exercises WHERE body_part = 'chest' LIMIT 5;

PostgreSQL / MySQL 同理，建表 SQL 也在 setup.html 里生成。

第二步：搭建 REST API

以 FastAPI 为例（Python）——直接用 setup.html 生成的 prompt 贴给 Claude，它会生成完整的 API 代码。核心接口设计：

GET /exercises                          # 全列表（分页）
GET /exercises?body_part=chest          # 按部位筛选
GET /exercises?equipment=body+weight    # 按器械筛选
GET /exercises?target=biceps            # 按目标肌肉筛选
GET /exercises/{id}                     # 单条详情
GET /exercises/{id}/gif                 # 返回 GIF（或重定向到静态文件）

媒体文件（GIF 和缩略图）放到 CDN 或对象存储，API 返回的 image / gif_url 字段直接指向 CDN URL。

第三步：App 里的几个核心功能模块

运动库搜索页

最基础的功能，对应 index.html 的逻辑：

// 前端过滤逻辑示例（React Native）
const filteredExercises = exercises.filter(ex => {
  const matchPart = selectedPart ? ex.body_part === selectedPart : true;
  const matchEquip = selectedEquipment ? ex.equipment === selectedEquipment : true;
  const matchQuery = query ? ex.name.toLowerCase().includes(query) : true;
  return matchPart && matchEquip && matchQuery;
});

动作详情页

关键 UI 元素：

• 顶部：GIF 动画（gif_url）
• 下方：目标肌肉标签（target）+ 协同肌肉（secondary_muscles）
• 分步说明：用 instruction_steps.zh（或用户选择的语言）渲染步骤卡片
• 可切换语言的按钮（9 种语言数据都在 JSON 里）

训练计划生成

数据库里有足够的维度做个简单的计划生成器：

def generate_workout(goal: str, equipment: list[str], duration_min: int):
    # 根据目标选部位组合
    body_parts = GOAL_TO_PARTS[goal]  # e.g. "增肌上肢" → ["chest", "back", "upper arms", "shoulders"]
    
    # 筛选有可用器械的动作
    available = db.query(
        "SELECT * FROM exercises WHERE body_part = ANY(%s) AND equipment = ANY(%s)",
        [body_parts, equipment + ["body weight"]]
    )
    
    # 按部位均衡选取
    selected = []
    for part in body_parts:
        candidates = [e for e in available if e["body_part"] == part]
        selected.extend(random.sample(candidates, min(2, len(candidates))))
    
    return selected

自重居家训练模式

25% 的动作是纯自重，筛选一下就是一个完整的「无器材健身」功能模块：

SELECT * FROM exercises 
WHERE equipment = 'body weight'
ORDER BY body_part, name;

第四步：多语言支持

数据里的 9 种语言说明开箱即用，不需要额外翻译成本：

// 根据用户语言选择说明文字
const lang = userLocale.startsWith('zh') ? 'zh' 
           : userLocale.startsWith('es') ? 'es'
           : 'en';  // 默认英文

const steps = exercise.instruction_steps[lang] ?? exercise.instruction_steps['en'];

---

许可证说明

这个仓库分两层许可：

• 代码和元数据（exercises.json 等）：MIT 许可，可商用
• 媒体文件（GIF 和缩略图）：© Gym visual，使用条款见 NOTICE.md

具体来说：GIF 和缩略图可以在 App 内展示，但不能二次销售媒体本身、修改版权声明，或把媒体单独打包再发布。在 App 里显示运动教学图是允许的，只需要保留 attribution 字段对应的版权说明。

生产环境建议：把媒体文件上传到自己的 CDN，而不是直接引用 GitHub raw 链接（CDN 速度更快，也不会受 GitHub 速率限制影响）。

---

和 LogPress 的关系

这个数据集是 LogPress App（AI 辅助训练记录）的运动数据层。LogPress 是一个实际在用的应用，这意味着数据集经过了实际产品验证——动作分类、说明文字的质量都是经过用户反馈打磨过的。

如果你在做类似的训练记录 App，可以参考 LogPress 的实现方式；如果只需要数据层，exercises-dataset 单独使用就够。

---

适合接这个数据集的 App 类型

• 训练记录 App（最直接，LogPress 本身就是这个）
• AI 训练计划生成器：数据结构化程度高，很适合作为 RAG 数据源或 LLM 的工具调用参数
• 运动科普 / 教学 App：9 种语言说明 + GIF，内容层直接覆盖
• 康复 / 物理治疗辅助工具：有肌肉分组数据，可以做「这块肌肉受伤了，推荐相关替代动作」的逻辑
• 健康穿戴设备配套 App：运动识别后对应到数据集里的动作 ID，展示说明和动画

---

GitHub：github.com/hasaneyldrm/exercises-dataset
在线浏览：克隆后打开 index.html
集成向导：克隆后打开 setup.html

© 2026 Author: Mycelium Protocol

The Data Foundation for Fitness Apps: exercises-dataset

GitHub: hasaneyldrm/exercises-dataset · ⭐ 14,036 · MIT (code/data) + Gym visual media terms

---

What It Is

Building a fitness app, the hardest part isn’t the UI — it’s the exercise content. exercises-dataset solves that: 1,324 exercises, each with a 180×180 animation GIF, thumbnail, structured muscle-group metadata, and step-by-step instructions in 9 languages (English, Spanish, Italian, Turkish, Russian, Chinese, Hindi, Polish, Korean).

It’s the exercise data layer powering the LogPress AI workout tracker — so it’s production-tested, not just a research dump.

---

What’s in the Data

Coverage:

• 1,324 exercises across all major body parts and equipment types
• ~25% body-weight-only exercises — full coverage for no-equipment apps
• 9-language instructions, both as full text and as step arrays

Per-exercise fields:

Field	Use
id, name	Identifier and display name
body_part, category	Filter by muscle area
equipment	Filter by available gear
target	Primary muscle targeted
secondary_muscles[]	For “exercises that also work X” recommendations
instructions.{lang}	Full text for detail pages
instruction_steps.{lang}[]	Steps array for cards / voice playback
image, gif_url	180×180 thumbnail and animation

---

Getting Started

The repo ships two browser tools — no server needed:

• index.html — full exercise browser with search, filter by body part / equipment / target, infinite scroll, 9-language instruction toggle
• setup.html — generates a ready-to-run .sql file (PostgreSQL, MySQL, SQLite, SQL Server) with all 1,324 INSERT statements; generates copy-paste API client code in JS/Python/C#/Java/PHP/Go; generates an LLM prompt for one-shot REST API scaffolding

---

Integration Path

1. Database import (SQLite example)

# Open setup.html in browser → select SQLite → download exercises_sqlite.sql
sqlite3 exercises.db < exercises_sqlite.sql
sqlite3 exercises.db "SELECT COUNT(*) FROM exercises;"  # → 1324

2. Core API endpoints

GET /exercises?body_part=chest&equipment=barbell
GET /exercises?target=biceps
GET /exercises/{id}

Use setup.html’s LLM prompt (select framework + database → copy → paste to Claude) to generate the full REST API in one shot. Supported: Express.js, FastAPI, ASP.NET Core, Spring Boot, Laravel, Gin.

3. Key feature modules

Exercise search/filter — body_part, equipment, target fields map directly to filter UI. The secondary_muscles array enables “exercises that also train X” cross-recommendations.

Step-by-step detail view — use instruction_steps.{lang} arrays for step cards or voice playback. Language switching is just changing the key; all 9 languages are in the JSON.

Workout plan generator — structured metadata makes it easy to sample exercises by body part and equipment availability.

No-equipment mode — WHERE equipment = 'body weight' returns 325 exercises, a complete standalone home workout library.

---

License Notes

• Code and data (exercises.json, schema, HTML tools): MIT — commercial use permitted
• Media (GIFs and thumbnails): © Gym visual — permitted for in-app display; cannot be resold or redistributed as a standalone media pack

In production, host media on your own CDN rather than linking to GitHub raw URLs.

---

GitHub: github.com/hasaneyldrm/exercises-dataset

© 2026 Author: Mycelium Protocol