首次调用：训练 + 沉淀
Skill 指导 Agent 完成数据获取 → 数据处理 → 模型训练 → 效果评估 → 选择 Best 权重并沉淀，输出 best_weight_id 与权重哈希。
AI 体能数字员工 · ClawHive 单 Skill
你今天，
你今天，
练了么？
实时监测 · 实时纠正 · 实时计数 · 实时反馈
面向蓝领与体力劳动者的企业级 AI 运动健康 Agent。基于 RTMPose 姿态识别与 ST-GCN 时空图卷积，实时纠正劳动与训练中的危险姿势；为工厂招聘提供标准化 AI 体能检测认证， 替代人工蹲守计数。首次调用训练 Best 权重并沉淀，后续调用直接复用。
REAL-TIME
RECRUIT_SQUAT_50_V1
COCO-17
REPS
0
动作稳定，节奏保持住
准备Phase
17 / 17Keypoints
Best 权重Loaded
On-deviceInference
8,898
真实采集训练样本窗口
(8898, 2, 48, 17)
21 人
MM-Fit 真实采集来源，权重与训练日志随仓库提交
11 类
ST-GCN 动作分类（MM-Fit 微调后输出）
6 类
专项动作纠错规则，其余动作走通用反馈
CLAWHIVE SKILL · TRAIN → PERSIST → REUSE
传统 Skill 编排已有能力；
传统 Skill 编排已有能力；
练了么 Skill 帮 Agent 训练、沉淀并持续调用新的垂直能力
第一次调用时，Skill 带着 Agent 走完整条训练链路，并把效果最好的一版权重沉淀到企业私有环境； 之后每一次调用，直接加载这份 Best 权重进入实时纠错，不重新下载数据，也不重新训练。
首次调用
训练 + 沉淀
请求里 best_weight_id 为空，Skill 触发完整训练链路。
01
数据获取
MM-Fit 公开数据集 / 企业脱敏自采样本 / 代理搜索开源数据集。
02
数据处理
清洗 → 关键点转换 → 48 帧切窗 → 训练 / 验证 / 测试划分。
03
模型训练
以成熟通用模型（RTMPose / ST-GCN）为起点做垂直微调。
04
效果评估
混淆矩阵 + 验证指标对比，选出效果最好的一版权重。
05
沉淀 Best 权重
按 tenant + standard_id + version 落到企业私有环境。
沉淀资产：
best_weight_id · best_weight_version · 权重哈希
可下载 · 可私有部署 · 可重复调用 · 可再训练升级，旧版本保留可回滚。
后续调用
直接复用
请求里带上 best_weight_id，Skill 直接加载沉淀权重。
01
加载 Best 权重
无需重新训练，冷启动即进入推理状态。
02
实时监测
摄像头逐帧 → 关键点 → 毫秒级阶段切换（准备 / 下降 / 底部 / 上升）。
03
实时纠正
错误码命中即刻给出文字提示与 Web Speech 语音播报。
04
实时计数
只有完整动作周期才 +1，没计数会立刻解释原因。
05
结构化报告
pass / not_met / needs_retraining / inconclusive。
CORE CAPABILITIES
一个 Skill 撑起企业级 AI 体能闭环
从 HR 在飞书 / 钉钉 / 企微 / OA 发起，到候选人站到摄像头前，到结果回写台账——同一套视觉、规则与审计资产。
后续调用：直接复用
直接加载沉淀的 Best 权重，进入毫秒级实时监测、当下立刻的实时纠正、完整周期的实时计数与语音反馈。
best_weight_id 已填AI 体能检测认证
工厂招聘标准化体能检测：深蹲 / 仰卧起坐连续完成目标次数即达标，AI 自动计数 + 实时纠错 + 结构化认证记录。
连续 50 次达标实时语音 + 文字双通道
训练过程中实时播报纠正提示，配合毫秒级阶段徽标与错误码，让眼睛始终盯着动作而不是屏幕。
Web Speech
REAL ENGINE · GENERAL MODEL + BEST WEIGHT
成熟通用模型 + Best 权重：真模型、真推理、真数据
通用模型作为微调起点，垂直模型在其之上用企业脱敏样本训练出来——两层资产都可验证。
- 姿态模型 RTMPose ONNX，COCO 17 关键点 39.6 MB
- 动作分类 ST-GCN，48 帧窗口 11 类动作 700 KB
-
训练样本
MM-Fit 21 名受试者，
(8898, 2, 48, 17)8898 - 自动化测试 页面 / API / 契约 / 几何规则 23 项
- 云端调用 全部本地推理，权重随仓库提交 0
成熟通用模型
RTMPose 姿态识别 + ST-GCN 动作分类，权重随仓库提交、本地加载，支持 GPU 实时推理。
Best 权重（沉淀的垂直模型）
首次调用在通用模型上用企业脱敏样本训练，按租户与标准版本沉淀，可下载、可私有部署、可回滚。
真数据
21 人真实采集训练集、8898 个样本窗口 (8898, 2, 48, 17)，权重与训练日志随仓库提交。
真闭环
摄像头逐帧 → 关键点 → Best 权重识别动作 → 可解释几何规则判阶段、计数与纠错 → 结构化评估报告与认证记录。
AGENT ORCHESTRATION · SINGLE SKILL LIFECYCLE
ClawHive Agent 调用一个 Skill：
ClawHive Agent 调用一个 Skill：
从首次训练到后续持续复用
1
HR 发起首次调用
“为新工厂 A 训练深蹲 50 次招聘能力，使用近 3 个月脱敏样本”——在飞书 / 钉钉 / 企微 / OA 直接发起，best_weight_id 不填。
2
Skill 内部训练 + 沉淀
数据获取 → 数据处理 → 模型训练 → 效果评估 → 选择 Best 权重 → 沉淀到企业私有环境，输出 best_weight_id。
3
后续调用直接复用
“今天 A 批候选人创建深蹲 50 次检测”——候选人在摄像头前完成动作，Skill 直接加载 Best 权重做实时监测与语音纠错。
4
结构化回写 + 持续进化
汇总判定结果、权重版本、规则版本与 Top 错误回写招聘台账；需复核项通知 HR，新样本可再训练升级。
TWO-PHASE ROADMAP
先解决招聘筛选，再复用同一套资产做在岗训练
企业已经部署的终端、账号、权限与 Skill 可以继续使用，只需增加经过 EHS 专家确认的岗位标准。
招聘与转岗体能筛选
批量招聘时无需考官逐人蹲守计数，用同一规则版本保证判断尺度一致，并留下可复核的结构化记录。
- 摄像头自动识别完整动作周期并计数
- 没计数时立刻解释原因，减少现场争议
- 保存结构化会话、错误类型与认证记录
在岗动作合规与工效风险训练
候选人入职后，同一套摄像头、会话、规则、通知与审计能力继续服务在岗场景。
- 安全搬运姿势训练与周期复训
- 重复劳动后的工间恢复训练
- 上岗动作 SOP 考核与部门健康活动