GitHub推荐：18 岁电信人 90 天写出 7.7K stars：openGym 把健身数据从订阅手里夺回

GitHub: https://github.com/duartesantos8/opengym

一句话总结

openGym 是一款 AGPL v3 + Passkey + 自托管 + BYOK AI Coach 的 PWA 健身追踪器，用「112 个纯函数 + 157 个共置测试 + 0 个付费版」的极简哲学挑战 Hevy/Strong 的 SaaS 锁定叙事。

值得关注的理由

2.7 个月 7701 stars / 1524 commits：单人在周末 + 晚间高强度投入做出大众热门工具，viral 曲线罕见。
训练规则抽象是开源稀缺品：progression / 1RM / recovery / sync-merge 都是纯函数 + 共置测试，CRDT-lite 同步 + 闭合 change list AI 集成——这是任何 domain-heavy 应用都该学的范式。
反 SaaS 锁定到极致：不仅数据可导出，连 passkey 私钥都不上传服务器；首次把 MCP server 接到健身 app，LLM 看到的 1RM 与 UI 完全一致。

项目展示

Architecture: phone → HTTPS → nginx (web) → /api → Node api → ./data; one-shot media service; optional AI coach + MCP server

Home screen

Workout screen

Stats screen

在线 Demo: https://opengym.duarte-santos.ch/demo/

项目画像

维度	数据
GitHub	https://github.com/duartesantos8/opengym
Star / Fork	7701 / 987
代码行数	178,166 行（JS 50% / JSX 21.8% / JSON 19.4% / HTML 3.7% / 其他 6.4%）
项目年龄	2.7 个月（首次提交 2026-07-18）
开发阶段	密集开发（v1.3.10 已发，v1.3.11/12 即将来临）
贡献模式	单人主导（主作者 DuarteSantos8 占 79.9%，30 位贡献者）
热度定位	大众热门（爆发型增长）
质量评级	代码 A+ / 文档 A+ / 测试 A+

作者视角：为什么存在这个项目

创始人/作者背景

Duarte Santos 是葡萄牙裔瑞士人，本职在 Sunrise GmbH（瑞士电信运营商） 做电信软件，18 岁（Portfolio 自述），自学全栈。在 Sunrise 这种企业里，他不是”为健身行业而生”的人——这反而让他能从外部视角看到现有产品的根本问题：你每次训练的数据都被存在别人的服务器上，订阅断了就连自己以前的心率曲线都拿不回来。 他把业余时间的高强度投入（周末 27.4% + 深夜 17%）当作「准创业级副业」来对待。

更重要的是他主动透明披露 Claude Code 协助——README 单独列出”How openGym is built”一节，明说”Anthropic’s coding agent 起草代码，但 A person decides and ships”。这种克制与透明在 2026 年由 AI 协作开发的项目里是稀有品质。

问题判断

Duarte 看到了什么别人没看到或没重视的问题？

SaaS 锁定的”软”层面：Hevy/Strong 不只是收费，而是”你的训练历史被绑在他方服务器，订阅断了 → 公司倒了 → 数据没了”的脆弱性。openGym 把”备份 = tar czf data/”当作 first-class 设计目标。
现有自托管方案的”硬”层面：wger 9 年历史 + PostgreSQL 必选 + jQuery 老 UI，让想跑 homelab 的人畏惧。openGym 走「一行 docker compose up + 数据在挂载目录」。
Passkey 在自托管圈的失位：wger/FitTrackee 都还在用户名密码。openGym 把 WebAuthn Passkey 作为默认，让”零密码登录”成为可能（passkey 私钥永不离开手机 secure hardware）。

解法哲学

作者明确选择了什么，以及明确不做什么：

明确做：纯函数训练规则（112 个模块 + 157 个共置测试）、闭合 change list AI（不能发明新 action）、BYOK（用户的支付账户边界 = 权限边界）、AGPL（任何人 fork 都得保持开源）。

明确不做的清单（这是稀缺的反向信号）：

不写社交 feed（Hevy 的卖点，openGym 拒绝）
不内置营养追踪（wger 的卖点，openGym 不做）
不做付费版（README 显式声明 “AGPL, no paid tier, nothing held back for sponsors”）
不开 idle radio/Web-Push 来引诱用户（仅 Web-Push 用于训练提醒）
不强制 AI（BYOK + opt-in，默认用户零 AI 接触）
不依赖前端框架抽象（plain node:http，不用 Express；纯函数 lib，不用 framework DSL）

战略意图

docs/AI_COACH.md 揭示两态架构：默认 default 镜像 ~158MB 不带 Claude Agent SDK，API_TARGET=coach 镜像带 ~455MB SDK + 单独 unprivileged coach 用户 + ./coach-auth 卷。这表明作者在认真思考”AI 介入 = 信任边界扩张”的问题。

商业化路径上：作者已尝试周边（assets/merch 162 次修改、assets/tee 54 次修改），但没有付费版、没有 SaaS 托管——这是”自托管 + 周边 + 捐赠”模型（Buy Me A Coffee 链接），与 Hevy/Strong 的”订阅或买断”模型截然不同。

核心价值提炼

创新之处

按新颖度×实用性×可迁移性综合排序：

「Every change carries its own stamp」字段级 sync（api/sync-stamps.js 510 行 + frontend/src/lib/sync-merge.js 1124 行）
- 每条记录自带 _ts（per-record）+ _f（per-field），三步合并：keepUnknown（旧版 app 不会删别人加的字段）→ mergeDeletions+mergeEdits（加而不覆盖）→ keepHeld（删了又被别的 writer 写回 = added back）
- _prior 短哈希链（保留每字段最近 6 个值）+ fingerprint 防 stale stamp 攻击——避免旧版 app”重置为之前的值”被误判
- 新颖度 5 / 实用性 5 / 可迁移性 4：任何 CRDT-lite 场景都可用
纯函数 + 共置测试的训练规则抽象（frontend/src/lib/ 112 模块 + 157 test）
- progression.js（661 行）5 种 policy：off/linear/greyskull/double/time，共享 interface，新增 policy 是 plugin
- onerm.js REP_CAP=12——超过 12 reps 拒绝猜测（“an estimate says more about work capacity than about maximal strength”）
- recovery.js（392 行）指数 half-life + 三个 bucket（READY/RECOVERING/FATIGUED）
- sync-merge.js（1124 行）28 条规则按 field type 分
- 新颖度 5 / 实用性 5 / 可迁移性 5：任何 domain-heavy app 都该学
AI Coach allowlist payload + 闭合 change list validation（api/coach/core/payload.js 585 行 + validate.js 627 行）
- 五个 categories（plan/training/bodyweight/profile/cohort/prefs）每个字段 by name copy，无 spread——“a field added to the state blob next year cannot ride along by accident”
- 18 个 change types 闭合列表，无 default case，1 次 repair round
- 新颖度 5 / 实用性 5 / 可迁移性 5：任何 LLM-as-feature 场景都该如此——HOSTILE NOTE 可以让模型说任何话但不能发明 change type
AI 运行时按需引入 + LockDOWN frozen（api/coach/adapters/claude.js）
- tools: []、settingSources: []、skills: []、strictMcpConfig: true——模型无 fs 工具
- LOCKDOWN 是 Object.freeze() 并由 adapters.test.js 断言 by value
- 凭证仅通过 CLAUDE_CODE_OAUTH_TOKEN env 传给子进程，env 从零构建而非 filter
- 新颖度 5 / 实用性 5 / 可迁移性 5：BYOK + opt-in AI 的范式
MCP server 直读 ./data 复用前端纯函数（mcp/src/tools.js）
- 直接 import frontend/src/lib/history.js、onerm.js、progression.js——LLM 看到的 1RM 与 UI 完全一致
- stdio MCP，read-only，零额外容器/网络
- 新颖度 4 / 实用性 5 / 可迁移性 5：任何自托管 personal data 都能做 read-only MCP

可复用的模式与技巧

前后端不共享构建但用 parity test 固定共享规则：coach-parity.test.js、sync-stamps-parity.test.js、payload-parity.test.js——modeOf/isBw/isPerSide 在 payload.js 与 history.js 各一份，pin 防止 drift。任何 dual-runtime 项目都该如此。
Permission 0600 per-file 而非 0700 整目录：host bind mount 语义考虑——./data 整目录 0700 会让 host 上其他进程 EACCES；secret/db.json/coach.json 单独 0600。自托管项目都该学。
atomicWrite + dir fsync（api/durable.js 38 行）：write-temp → fsync file → chmod → fsync(dir)。v1.3.10 之前 200 出去后 host 断电会带回旧文件——这种 page cache + rename 顺序问题，自托管必学。
Mobile 一次性 code + bearer token 配对（api/device-link.js + server.js）：WebView 在用户域名下不能跑 Passkey ceremony，所以走 POST /api/pair/create + POST /api/pair/redeem，token 作为 Authorization: Bearer。PWA + 自托管场景都适用。
Set row 二维正交判别器（workout-model.js）：phase: 'work' | 'warmup' × type: 'straight' | 'dropset' | 'restpause'。Drop-set 的 drops 是 main set 之上的额外功；rest-pause 的 clusters 是该 row 自身 r 的分解（不额外加 volume，否则双计）。看似对称实则不对称，注释显式记录（docs/dev/SET_TYPES.md）。
i18n 字段双向 cap：UI 输入 cap + API 二次 cap（payload PROFILE_TEXT_MAX / NOTE_MAX）——即使客户端绕过 UI 也不能 send megabytes 文本。LLM-as-feature 必学。

关键设计决策

决策: AI 默认不启动

问题: AI 集成要么贵（按 token 收费）要么风险（Prompt injection）
方案: 默认 default 镜像零 SDK；BYOK；闭合 change list；HOSTILE NOTE 不能发明新 action
Trade-off: 新用户少一个”哇”的 hook；但赢得”安全 + 隐私”硬约束
可迁移性: 高——任何 LLM-feature 都应如此

决策: JSON-on-disk 而非数据库

问题: 用户想 tar czf data/ 全量备份，能 mount 到 jq 检查
方案: db.json + db.json.bak；atomicWrite + fsync dir；损坏 fallback 都失败则 process.exit(1)
Trade-off: 单机写入 + 单文件锁（node 单进程默认）+ 无索引；家庭实例多 profile 时 O(n) read cost 已显现
可迁移性: 中——自托管友好；规模化时需迁 DB（ROADMAP 显式标注 v1.4.6 后）

决策: 训练逻辑是纯函数 + 共置测试

问题: 健身规则（progression / 1RM / recovery / finish-workout）如果写进 UI state machine，会与框架绑定且难测试
方案: 112 个 lib 模块 + 157 个 .test.js 同目录共置；UI 直接 import 纯函数
Trade-off: 没有 “framework DSL” 抽象，新人上手成本高
可迁移性: 高——任何 domain-heavy app 都该如此

决策: Passkey 优先，password + OIDC 延后到 v1.4.6

问题: 用户名密码是 web auth 最常见的攻击面
方案: 默认 Passkey（WebAuthn，passkey 私钥永不上传服务器）；mobile 走一次性 code + bearer token
Trade-off: 当前阶段放弃”传统账号密码”用户，与 PocketID 等 OIDC IdP 集成的家庭场景被延后
可迁移性: 高——任何面向自托管圈的项目都该认真考虑

竞品格局与定位

竞品对比矩阵

维度	openGym	wger	FitTrackee	Hevy（闭源）	Strong（闭源）
License	AGPL v3	AGPL v3	MIT	闭源	闭源
Stars	7701（2.7 月）	~6900	~741	百万级用户	百万级用户
栈	Node + React 19 PWA + Capacitor	Python/Django + Flutter	Python/Flask + Vue 3 + OpenStreetMap	闭源	闭源
力量训练特性	1RM/Poliquin/ATG、5 progression policies、muscle recovery map	基础 CRUD	弱（户外为主）	全功能	极简但 UX 流畅
自托管	一行 docker compose up，`./data` 文件夹备份	较复杂（PG 必选）	中等	不可	不可
数据所有权	全（passkey 私钥在 secure hardware）	全	全	他方服务器	他方服务器
Passkey/Auth	WebAuthn Passkey 首选	用户名密码	用户名密码	用户名密码	用户名密码
AI Coach	BYOK + 闭合 change list	无	无	无	无
MCP	有（read-only，从 ./data 直读）	无	无	无	无
导入/导出	FitNotes/Strong/Hevy/CSV/Apple Health	CSV	CSV/GPX	Hevy CSV	Strong CSV（自己不能 re-import = 锁定）
独特卖点	设计哲学 + 自托管优先 + AGPL + 数据可 fork	多语 Weblate + 营养追踪独有	户外/GPX	社交 feed + $23.99 终身买断	极简 UX
弱点	年轻；exercisedb 媒体版权；JSON-on-disk debt	老旧 UI（jQuery）	不直接竞争（户外为主）	闭源 = 不可自托管	闭源 + CSV 不能 re-import = 锁定

差异化护城河

技术护城河：

“反 SaaS 锁定”叙事最彻底：不仅数据可导出，连 passkey 私钥都不上传服务器
AI Coach + MCP 是类别首创：竞品都没这两个；BYOK + 闭合 change list 是负责任的 LLM-feature 范式

生态护城河：

依赖极简：api 仅 2 个 production deps（@simplewebauthn/server + web-push），攻击面最小
国际化深度：17 个 locale 文件每个 ~1953 行（Top 10 热点都是 locale 文件），18+ 种语言——这是 wger 的 Weblate 翻译模式做不到的”代码内化”

信任护城河：

AGPL v3 + 无付费版：“AGPL, no paid tier, nothing held back for sponsors”
AI 协作透明披露：README 单独”How openGym is built”一节
单人主导 + 870+ commits：作者亲自与 QA 一起 “kill it eighty times mid-write” 才肯发版

竞争风险

wger（最长历史 + PostgreSQL 必选 + 营养追踪独有）：如果 openGym 未来加营养模块，会与 wger 直接竞争。但当前 wger 的 jQuery 老 UI + Flutter 移动端体验差，自托管圈仍倾向选 openGym。
Hevy / Strong 的用户粘性：百万级用户已建立训练历史，迁移成本高。openGym 的导入器（FitNotes/Strong/Hevy）降低了迁移门槛，但仍需要用户主动付出精力。
单人主导 = bus factor=1：作者若离开项目，节奏可能断。30 位贡献者但 Top 1 占 79.9%，目前仍非常依赖 Duarte。

生态定位

在整个技术生态中扮演的角色：

填补了”开源 + 自托管 + 力量训练深度 + 现代前端”四轴交集：wger 老、FitTrackee 偏户外、Hevy/Strong 闭源——openGym 在这个交集上几乎无对手。
BYOK AI Coach 的范式输出：api/coach/core/payload.js 585 行 + validate.js 627 行展示了”hostile note 也不能发明 change type”的边界设计——这是 LLM-as-feature 类别的稀缺范式。
MCP × 个人数据：首次把”个人数据 via MCP 暴露给 LLM”做成了 read-only stdio 直读 + 零额外网络成本——任何 self-hosted personal data 都能照搬。

套利机会分析

信息差: 热度已被市场捕捉（7701 stars / 987 forks）——不可套利 star；但价值在「理解其设计取舍」而非「抢先 star」。
技术借鉴: 12 个创新点（详见上文），最值得借鉴：
- 纯函数 + 共置测试的训练规则抽象（任何 domain-heavy app）
- AI Coach allowlist payload + 闭合 change list（任何 LLM-as-feature）
- Permission 0600 per-file 而非 0700 整目录（任何自托管项目）
- MCP server 直读本地数据复用纯函数（任何 self-hosted personal data）
生态位: 在「开源 + 自托管 + 力量训练 + 现代前端 + BYOK AI Coach」五维交集上几乎独占。
趋势判断:
- 项目仍在爆发期（909 commits 最近 30 天），v1.4.0 新 exercise database 是下一个观察点
- AGPL 限制了商业 fork，但周边（assets/merch 162 次修改）有商业化尝试
- 比 wger 有后发优势（更现代 UI、更少依赖、更深力量训练），比 Hevy/Strong 有信任优势（数据可 fork）

风险与不足

诚实评估：

年龄过轻（2.7 个月）：v1.3.10 之前的 sync bug 密集出现（CHANGELOG 显示 RC bug 日期 2026-10-07、2026-10-06 等），稳定度还在爬坡。
数据库迁移是已知 debt：server-state-read-cost.test.js 已经存在说明 O(n) read cost 是已知问题；ROADMAP 显式列入”唯一的兼容性 break”。
exercisedb 媒体版权争议：README L343-350 显式披露——AGPL 代码可用但媒体不能，reusing 媒体需自行取得 Gym visual 授权。
i18n 翻译半自动：18 个 locale 同步成本高（translate-*-stage.mjs 半手动），新增语言的边际成本不低。
依赖欠年轻：React 19、Vite、Zustand 5 都在快速迭代，长期维护成本。
配对 UX 已知脆弱（Issue #329）：Android 客户端通过 Traefik+HTTPS 自托管实例配对时 Connect 按钮刷 “Failed to fetch”，请求根本没出设备——这对”卖给 homelabber”的产品定位是个 UX 风险。
单人主导 bus factor=1：30 位贡献者中 Top 1 占 79.9%。

行动建议

如果你要用它: 一行 docker compose up 起服务；v1.3.10 已足够稳定日常使用；如果你是 iPhone 用户，PWA 直接 add to home screen 即可；如果你是多 profile 家庭实例，注意 OIDC 集成要到 v1.4.6。
如果你要学它: 重点关注：
- frontend/src/lib/ 112 模块 + 157 共置测试（domain logic 纯函数化的范式）
- api/sync-stamps.js 510 行（CRDT-lite 字段级同步）
- api/coach/core/payload.js 585 行 + validate.js 627 行（LLM-as-feature 边界设计）
- api/coach/adapters/claude.js（AI 运行时按需引入 + LockDOWN frozen）
- mcp/src/tools.js（MCP 复用前端纯函数）
如果你要 fork 它: 可改进的方向：
- 添加营养追踪（wger 的独有模块，openGym 没有）
- 实现 PocketID / Authentik OIDC 集成（v1.4.6 之前的临时方案）
- 把 frontend/lib 的 progression / 1RM / recovery 抽出成独立 npm 包（开源稀缺品）
- 给 API 写第三方 CLI（#8 早期被关闭的需求，社区可能重提）

知识入口

资源	链接
DeepWiki	未收录
Zread.ai	未收录
关联论文	无（消费级健身 app，无学术发表）
在线 Demo	https://opengym.duarte-santos.ch/demo/
自托管指南	https://github.com/DuarteSantos8/openGym/blob/main/docs/SELF_HOSTING.md
AI Coach 设计哲学	https://github.com/DuarteSantos8/openGym/blob/main/docs/AI_COACH.md
Roadmap	https://github.com/DuarteSantos8/openGym/blob/main/ROADMAP.md
Changelog	https://github.com/DuarteSantos8/openGym/blob/main/CHANGELOG.md
独立深度视角（en）	https://zendot.org/en/posts/duartesantos8-opengym
独立深度视角（中）	https://blog.csdn.net/TunerT_TQ/article/details/164376047