作为一名资深自行车爱好者，作者经常使用 Strava 记录骑行轨迹。虽然免费版 Strava 能够很好地同步智能手表和码表数据，但随着对科学训练理解的加深，作者渴望获得更深入的分析和规划功能，而这些功能通常隐藏在付费订阅墙之后。为了打破这一限制，作者利用 Strava 提供的公共 API，开发了一款名为 PerfRide 的 Web 应用。
在功能设计上，PerfRide 专注于骑行管理的两个核心方面：首先是骑行与训练管理，包括回顾历史骑行记录、可视化不同强度区间（Zone）的心率与功率分布，以及追踪当前的训练负荷与疲劳程度（CTL/ATL/TSB），帮助骑行者直观了解身体状态。其次是训练规划，系统能够根据近期状态推荐下一次锻炼，并针对未来的赛事制定周期化训练计划。
该项目基于 Antigravity 框架构建，整个架构由分析应用和 AI Agent 两部分组成。在当前的 PerfRide 核心功能中，仪表盘（Dashboard）是数据中心，它能够无缝对接 Strava，展示每周训练总结和体能趋势图表。每一条骑行记录都包含详细的心率区间分析、功率曲线以及海拔高度叠加视图。
除了基础数据统计，PerfRide 还集成了一些硬核的实验性工具。例如，“爬坡模拟器”（Climb Simulator）利用物理建模（考虑空气阻力、滚动阻力、传动损耗等）结合骑行者的功率和体重，预测特定路段的爬坡时间。“配速优化器”（Pace Optimizer）则参考了 2025 年《体育工程》期刊发表的学术研究成果，根据赛道的坡度剖面计算最佳配速策略。最后，其“训练规划器”能从目标赛事日期倒推，生成阶段性的训练方案，为骑行者提供专业的竞技支持。
