艰难的爬坡已经结束，回家路上，一个问题还在心头：这一段比上个月骑得更好，还是只是感觉更吃力？GoldenCheetah 为这个问题留出了一张工作台。这款开源桌面应用可以导入运动记录，让骑手细看某一段骑行表现，再放到更长的训练历史中比较。它吸引人的地方，在于能从当天的骑行追溯到表现估算所依据的数据，也能循着数据回看那次骑行。[1]

项目仍在持续开发。2026 年 9 月 20 日发布的 3.8 版本新增了 Plan View（计划视图），涵盖日历、日程、计划执行情况跟踪和训练负荷预测，同时加入了对 Apple Silicon 的原生支持。此时认识这款软件，正好能看到它从记录运动向安排训练延伸；不过，开始探索之前，仍值得先看看已有记录的质量。[2]

GoldenCheetah 的起点，是一个更朴素的使用难题。2006 年，Sean Rhea 买了一台 PowerTap Pro，希望直接在自己的 Mac 上使用，省去 Virtual PC。最早出现的是下载和解读数据的命令行工具，图形界面应用随后在当年 9 月推出。这段来历也解释了项目一直看重的事情：骑手应当能够在自己的电脑上处理自己的测量数据。[3]

如今，项目以 GPL v2 许可证发布，提供 Windows、macOS 和 Linux 版本，也支持自定义指标与图表，包括与 Python 和 R 集成。这种开放性同样惠及使用现成工具的骑手。第一次探索，可以从一次熟悉的骑行开始，带上一个足够具体、能够回答的问题。[1]

假设一位骑手的记录包含热身、持续爬坡和轻松返程，导入文件时应当保留这几部分的区别。GoldenCheetah 的导入向导会检查文件能否读取、校验内容，并允许在保存前修正日期。用户可以把本地文件系统中的文件直接拖入应用。文档还指出了一项具体限制：GoldenCheetah 尚不支持 MTP（媒体传输协议），因此部分设备上的记录需要先复制到电脑，再导入软件。[4]

这一步适合选一次记得清楚的骑行来做，核对日期和时长是否与实际行程相符。尝试编辑之前，另行保留一份原始记录。这些习惯很小，却能在后续比较出现意外结果时，留下一份可供核查的参照。

Data 图表把记录展开为可编辑的行和列。它的 Anomalies 工具可以找出缺失的采样点、可疑读数和待核查的功率尖峰，选中一条警告就会跳转到对应数据。撤销与重做功能也便于检查和修正。[5] 回到那次假想的爬坡，一次短暂而不合常理的峰值，在被当作值得自豪的个人最佳成绩之前，应当先查明。异常标记指出了需要调查的位置，至于路上究竟发生了什么，还需要进一步辨明。

接下来，为这段爬坡划定起止点。GoldenCheetah 可以把 Garmin FIT 文件中的计圈记录导入为区间；即使当时漏按了计圈按钮，事后仍能选出这段骑行。在 Activity 图表上拖动即可创建区间，Find Intervals... 则能按峰值功率、爬升，或时间和距离等条件查找区间。保存活动记录后，这些区间才会保留下来。[6]

选在哪里起止，本身就是一项分析决定。若把登顶后一分钟的滑行也选进去，问题就从“这次爬坡骑得怎样”变成了“这次爬坡加上恢复阶段表现怎样”。如果上个月选取的区间止于坡顶，今天的区间却延伸到了下坡，计算尚未开始，比较的内容已经改变。给区间命名并检查两端的位置，就能把这项选择交代清楚。

功率—持续时间曲线回答的是另一个问题。选择 Power 后，Show Bests 会从所选记录中找出各个持续时长对应的最高平均功率，并绘成曲线。图表的日期范围和筛选条件决定了哪些活动参与计算。Model 标签页还可以添加一条理论上的临界功率曲线。[7] 因此，五分钟最佳平均功率有其对应的骑行记录，拟合值则属于估算。两者可以出现在同一张图上，各自表达的含义仍有区别。

设想这位骑手整个月都在平稳骑行，从未尝试过一次全力的五分钟骑行。记录中的五分钟最佳平均功率低于上个赛季，能够说明的是这些文件里记下了什么；要据此判断能力下降，还需要其他证据。同样，如果选取全部历史记录，一次较早的出色表现仍会留在曲线上，却很难说明本周的骑行状态。日期选择本身，就是结果含义的一部分。

GoldenCheetah 的模型文档明确指出，估算质量取决于输入的表现测试。不同模型需要不同时长的全力骑行组合，例如 CP3 模型在持续数分钟的全力骑行之外，还要求一次全力冲刺。[7] 软件也允许用户把区间标记为表现测试。[6] 这个标签记录的是对该段骑行的判断；一段普通训练是否达到全力，仍取决于骑行本身。

这份分析自由，也对使用者提出了要求。自行车媒体 road.cc 在介绍 3.5 版本时，认为 GoldenCheetah 更适合已经对功率训练有所了解的人，并强调了它的学习门槛。[8] 项目官网也承认了同样的挑战。[3] 吸引力在于能够深入探究，代价则是花时间了解输入数据和各项设置，才能得到值得留存的比较。

对于个人骑手，或带着一个小团队的教练，我会建议先从一名运动员的本地文件和一项可以反复进行的比较入手。先确认导入结果合理，检查一段自己熟悉的骑行，再核对最佳功率曲线所覆盖的时间范围，然后加入预测。愿意维护文件、学习指标的人，可以从这项任务开始。若只是自动导入一批骑行记录，随后搁置，分析的基础也就薄弱一些。

让人满意的结果，是一个可以追溯的答案：这段表现来自哪次骑行，由哪两个起止点界定，又在怎样的日期范围内参与比较。随着训练历史逐渐积累，骑手仍能借助 GoldenCheetah 持续追查这些细节。爬坡在路上结束，对它的理解还可以在书桌前继续。

来源

1. GoldenCheetah，代码仓库 README——应用范围、扩展能力、支持的桌面平台及 GPL v2 许可证；查阅于 2026 年 11 月 7 日。
2. GoldenCheetah，3.8 版本发布说明（2026 年 9 月 20 日）——Plan View、预测功能及对 Apple Silicon 的原生支持。
3. GoldenCheetah，官方主页——Sean Rhea 于 2006 年启动项目的经历、学习门槛的讨论，以及署名 Justin Knotzke 的自行车赛照片。
4. GoldenCheetah 用户指南，“First Steps: Download or import”——本地文件导入、校验、日期及 MTP 限制。
5. GoldenCheetah 用户指南，“Chart Types: Activities”——Data 图表、原始采样数据、异常检测及撤销/重做。
6. GoldenCheetah 用户指南，“Side Bar: Activities view”——计圈记录导入、区间创建、保存及表现测试标签。
7. GoldenCheetah 用户指南，“Chart Types: Trends”——Critical Mean Maximal 图表、日期范围、Show Bests 及模型要求；查阅于 2026 年 11 月 7 日。
8. road.cc，“Best cycling training apps — get fit without getting bored”——对 GoldenCheetah 3.5 及其学习门槛的独立评述；用于了解当时的评价，不作为当前兼容性的依据。