AI 教练这个词在校园里已经不新鲜，体测设备、跳绳计数、动作纠正都在用骨骼点识别。技术侧的判断是：单人标准动作的识别已经够用，真正卡住进课堂的是另外两件事——反馈能不能快到学生当场改，以及教师愿不愿意把它当成教学工具而不是监控工具。
下面从动作识别、即时反馈、教师接受度三个方面给出现状参数与门槛，再判断推广路径。
一、动作识别到了什么程度
主流方案输出 17 或 33 个骨骼关键点，单帧推理 30 至 60 毫秒，在 30 帧摄像机上能做到实时。校园常见项目里，仰卧起坐、坐位体前屈、跳绳与 50 米跑的自动计数准确率普遍在 90% 至 95%，难点集中在遮挡、多人同框与宽松服装导致的关键点漂移。部署要求并不苛刻：摄像机 1080p、安装高度 2.2 至 2.6 米、俯角不超过 15 度；算力放边缘盒子，一台带 4 至 6 路视频，数据在校园内网闭环不外传，这是过合规审查的前提。
二、即时反馈的时效预算
学生做完一个动作到听见提示，端到端预算不超过 800 毫秒，分解为采集 100 毫秒、推理 60 毫秒、规则判定 200 毫秒、播报 400 毫秒。超过一秒，学生已经做完下一个动作，提示就变成马后炮。反馈方式一次只给一条，先给最影响成绩的那条，例如"再快一点"而不是同时报三个问题。教师端保留一键纠正按钮，纠正记录回流到模型，按学期做一次微调，准确率的提升主要来自这个闭环而不是换更大的模型。
三、教师接受度的三道坎
- 会不会用：培训控制在 30 分钟，配一页纸操作卡，开机即用，任何需要看手册才能上课的系统都会被搁置；
- 敢不敢信：自动成绩与手工测量的一致性不低于 95%，差异超过 5% 的项目先下线复盘，教师第一次不信，后面就很难再建立信任；
- 算不算分：与体测系统、成绩系统打通，数据自动入库，教师不必二次录入，省下的时间是推广最实在的理由。
四、现状判断与推广节奏
综合看，识别层已过可用线，反馈层在预算内可以达标，最难的仍是组织层：设备科、体育组与信息中心三方口径不一致，项目就会停在试点。现实的推进节奏是先选 1 至 2 个班试点 4 周，用一致性数据说话，再扩到年级，最后进全校课表。
五、落地建议
- 试点前先约定验收指标：识别一致率、反馈时延、教师每周额外耗时，三项不达标就不进入下一阶段；
- 数据内网闭环与权限分级在立项时写进方案，合规问题后置必然导致上线延期；
- 把教师的一键纠正记录纳入运维看板，按学期复盘误报最集中的三个动作，优先优化这三项而不是堆功能。