▼ 原文,需要PDF的联系作者
足球中循速力量训练的实际应用与技术考量
摘要
自2010年以来,循速力量训练(VBT)已成为阻力训练(RT)干预中一种可靠的方法。VBT在于监测练习向心阶段的杠铃速度,这是运动员对外部负荷施加力量的直接结果。VBT为足球队的教练和体能训练师提供了广泛的实际应用。考虑到杠铃速度与相对强度(即负荷 - 速度关系)之间的紧密联系,从业者可以在训练过程中确保球员在每组训练中非常接近计划的负荷进行训练。
源自VBT的方法,如速度损失或“努力程度”,允许计划和控制足球运动员在RT期间产生的组内疲劳。将杠铃速度监测纳入测试程序将有助于确定整个负荷范围内力量的变化,并提供一个有效且实用的方案来评估神经肌肉恢复状态。本文旨在深入回顾上述实际应用以及在足球中实施VBT时需要考虑的一些技术和工艺方面的问题。
▲ 本文结构
引言
在足球比赛中,大多数球员的动作都涉及非常快速的收缩,因此产生力量的时间非常有限。因此,力量能力,特别是快速产生力量的能力,是优化身体表现的关键部分(58)。大量研究表明,阻力训练(RT)计划对足球比赛中的常见动作有积极的迁移作用,如直线冲刺(55,57)、变向(17,18)和垂直跳跃(12,44)。然而,考虑到球员每周都有比赛,在足球队日程安排内管理RT训练是一项挑战。如果RT训练计划不当,累积的疲劳可能会损害力量增长,并可能增加受伤风险(6,64)。为了减少危害,跟踪球员的表现状态并根据球员的目标、反应和发展情况调整训练过程似乎是非常可取的。
运动科学的进步促使基于技术的方法和程序得以发展,以帮助教练管理RT参数。特别是,循速力量训练(VBT)在团队运动领域引起了关注,因为它在调整训练强度和最大化运动表现方面具有潜在优势(62)。在本文中,我们深入探讨了VBT的实际应用、其局限性以及在足球中实施VBT时需要考虑的技术和工艺方面的问题。
此外,我们提供了一个Excel表格(见补充材料,补充数字内容,http://links.lww.com/SCJ/A340),以便在实际训练中轻松应用VBT,用于
(a)确定一组训练中第一次重复应达到的目标速度(对应于计划的相对强度,%1RM),
(b)根据达到的速度确定该组训练中使用的%1RM,
(c)为每个球员制定个体负荷 - 速度(L - V)关系,以及(d)评估整个负荷范围内动态力量的变化。
循速力量训练与相对强度(%1RM)
传统方法
训练刺激的配置涉及对特定变量的操作以实现目标,包括%1RM(46)。到目前为止,大多数涉及足球运动员的RT干预都遵循两种传统策略来编排整个训练计划中使用的%1RM:
(a)对应于1RM给定百分比的绝对负荷(以千克为单位)(kg - %1RM)和
(b)固定的力竭重复次数(nRM)(42,53,57)。第一种方法需要对1RM绝对负荷进行初始评估,然后根据这个绝对负荷的百分比来编排不同的%1RM。例如,一名在全蹲中初始1RM为100千克的球员,在以其60%、70%和80%1RM训练该动作时,将分别使用60、70和80千克的绝对负荷(3,8)。然而,由于动态力量或动机状态的变化,球员的1RM值每天都会有所不同,因此kg - %1RM方法缺乏准确性,无法确保目标%1RM等于实际%1RM(39,46)。就nRM方法而言,它涉及球员选择一个绝对负荷,在该负荷下他或她可以完成一定数量的重复直至疲劳(n),这在理论上与特定的%1RM相关(例如,12RM = 75%1RM)(9,60)。
然而,传统的nRM方法本身意味着每组训练都要达到肌肉力竭,这已被证明对足球表现是一种危险、低效甚至有害的做法(39)。考虑到nRM方法的基本原理,其他方法如“努力程度”,类似于“保留重复次数”策略,已经出现(20)。这种方法已被证明是一种精确、可靠且实用的编排%1RM和组内疲劳的方法(20)。
循速力量训练的贡献
VBT的一个实际应用是根据杠铃速度与%1RM之间的紧密联系确定球员的个体L - V关系(21,29,33,49)。L - V关系确保球员在每组训练中以计划的%1RM进行训练,从而避免了在基于kg - %1RM方法进行编排时可能出现的重大不匹配以及与传统nRM方法相关的负面影响(12,35,39,44)。简而言之,L - V关系涉及从业者确定一个目标平均推进速度(MPV,推进阶段的平均速度,定义为向心阶段中杠铃加速度[a]大于重力加速度[≥ - 9.81 m·s⁻²]的部分)(48),以便在每次训练的最快重复(通常是第一次)中达到。因此,在开始每组训练之前,球员应调整杠铃上的绝对负荷(以千克为单位),以确保在该组开始时达到的MPV与计划的MPV相匹配(±0.03 m·s⁻¹)(37,46)。基于此假设,从业者可以使用特定的L - V关系为每个阻力练习编排目标%1RM(表1)。同样,L - V关系允许教练和体能训练师在球员以最大自愿努力完成针对任何给定绝对负荷的第一次重复后,立即“实时”确定球员正在使用的%1RM(表2)。预计运动员在第一次重复中执行速度最快,然后由于疲劳速度逐渐减慢。
然而,教练应该意识到,由于注意力不集中、技术不当和熟悉程度不足,第一次重复可能不是最快的,从而使VBT调整不准确。重要的是,运动员必须熟悉尽可能快地进行每次重复。这不仅将使VBT得以正确实施,还将使RT干预后产生的神经肌肉和功能适应最大化(11,36)。因此,在熟悉了正确的练习执行方式后,足球运动员将受益于尽可能快地进行向心阶段。另一方面,诸如使用的运动范围(ROM)(ROM增加时MPV更高)(29)或从向心阶段过渡到离心阶段的策略(即有或没有停顿,非停顿执行期间MPV更高)(34)等因素会显著影响最终的MPV。因此,如果评估人员不控制这些因素,他们就不能确定杠铃速度的变化是由于实际力量变化还是技术执行的变化。
▲ 在无停顿的全蹲练习中,30%至100%1RM相对强度下所达到的平均推进速度可能存在的个体间差异示例(每个点代表一名球员)。绿色填充点和红色填充点分别代表在每个%1RM下达到最大速度和最小速度的球员。黑色填充点代表每个%1RM下所有速度的平均值。
然而,尽管上述一般L - V关系显著提高了%1RM处方(表1)和监测(表2)的准确性,但从业者可以更进一步,为每个球员建立个体L - V关系。这个过程代表了编排%1RM的最精确方法,因为它使我们能够避免每个%1RM达到的速度之间存在的微小但有意义的个体差异(62)。例如,在自由重量全蹲中,60%1RM时达到的MPV约为0.92 m·s⁻¹(来自包括不同特征受试者的一般L - V关系,图),而在该特定%1RM下,个体MPV可能从0.79 m·s⁻¹(最低)到1.03 m·s⁻¹(最高)不等。因此,由于在该练习中约0.07 m·s⁻¹代表约5%1RM,如果使用一般MPV(0.92 m·s⁻¹),MPV最低(0.79 m·s⁻¹)和最高(1.03 m·s⁻¹)的球员可能分别以69%和52%1RM进行训练(52)。因此,我们强烈建议个性化使用L - V关系来编排RT,从而优化其益处。
循速力量训练与组内疲劳
传统方法
每组训练中产生的疲劳程度(即组内疲劳)被认为是RT干预后产生适应的主要决定因素之一。组内疲劳将由该组内完成的重复次数相对于可完成的最大重复次数(即到肌肉力竭的距离)来调节(47)。一般来说,组越接近肌肉力竭,机械和代谢疲劳水平越高(13,32,37)。这些急性组内疲劳水平将产生不同的生理信号,从而调节训练效果(26)。
例如,虽然支配每个肌纤维的α运动神经元似乎是其初始类型(即I型、I - IIA型、IIA型、IIA - IIX型或IIX型)的主要原因(5),但已证明这种纤维表型会根据每组训练中产生的疲劳而改变(1,38)。同样,当产生高组内疲劳时(47),高血氨及其相关途径(嘌呤循环)的持续暴露会降低肌内腺嘌呤核苷酸含量(19,56),从而降低产生力量的能力。两项系统综述和荟萃分析研究的结果表明,亚最大组内疲劳水平比最大组内疲劳水平更有效和高效(在整个RT计划中总训练量更低),以产生最佳的神经肌肉和功能适应(16,61)。
值得注意的是,由于RT通常作为专项训练的补充,足球运动员似乎会从基于低 - 中等组内疲劳水平的RT计划中受益,因为它们将以更低的时间和疲劳(13,37)成本产生更高的性能提升。尽管如此,训练至力竭(或非常接近力竭)也被发现是一种有效的策略,可以在力量方面产生积极的适应,特别是在肌肉质量增加方面(16,54)。因此,这种类型的刺激在足球计划中的特定时期可能是一种有趣的策略,例如在伤病恢复或季前阶段,肌肉肥大可能是主要目标。
循速力量训练的贡献
上述综述研究仅关注一个二分问题(即是否达到肌肉力竭),这在一定程度上限制了其研究结果的实际应用。例如,考虑到一名球员在全蹲练习中可以用65%的1RM完成约19次重复(20),基于是否达到肌肉力竭的单一指令缺乏足够的精确性来准确编排训练刺激。
另外,VBT中出现了不同的训练编排和计量方法,这些方法超越了是否达到肌肉力竭的问题。这些方法在表3中进行了定义和举例说明,其中还包括了它们的优缺点。根据之前在足球中的研究,以较低努力程度(例如,每组速度损失约15%或从可能的12 - 14次中完成5 - 6次重复)编排RT已被证明可有效提高神经肌肉性能(39)。在RT期间产生较低疲劳可能有助于更快恢复(40,59),这在应对每周比赛时可能至关重要。因此,VBT和替代方法(表3)似乎都是避免过度训练和为足球运动员编排个性化阻力练习的有效方法。
循速力量训练作为评估方法:训练前 - 训练后效果和疲劳状态
传统方法
与传统训练编排策略类似,包括足球运动员在内的常规RT干预都使用1RM测试作为主要评估方法来测量力量变化(9,57,60)。在这个递增测试中,球员逐渐举起越来越重的绝对负荷(不测量速度),直到他或她能够在没有任何外部帮助的情况下举起最重的负荷并完成练习的全ROM(即达到1RM)(4)。尽管1RM测试几十年来一直被用作动态力量的主要评估方法,但它仅反映了力 - 速关系中的一个点(15)。因此,这个参数缺乏关于球员对力 - 速谱中其他负荷(尤其是在场上需要应对的负荷)施加力量能力的信息(41)。
循速力量训练的贡献
除了纳入短跑或跳跃等专项评估外,通过测量训练前后杠铃速度的变化,可以克服传统1RM测试在评估轻 - 中等负荷下性能变化方面的局限性。具体来说,考虑到在相同绝对负荷(以千克为单位)下实现更高杠铃速度的唯一方法是施加更多力量(如果执行技术保持不变)(2),从业者可以将杠铃速度纳入他们的测试程序,以评估整个负荷范围内动态力量的变化(27,35,39,44,46)。
此外,从业者可以使用L - V关系估计“力量赤字”。力量赤字定义为针对1RM负荷(即100%1RM)施加的力量与针对任何其他%1RM施加的力量之间的差异(25)。在实际应用中,可以通过比较RT干预后针对每个%1RM的MPV变化来评估力量赤字的变化。因此,球员在训练计划后针对每个%1RM达到的MPV越高,与该%1RM的力量赤字就越小。反过来,在实践中,较低的力量赤字可能意味着球员将能够在该%1RM下施加更多力量(2)。
另一方面,由于杠铃速度是施加力量的直接结果,针对相同绝对负荷的杠铃速度变化可以用作球员疲劳状态的指标。具体来说,引起1.00 m·s⁻¹速度变化的负荷变化已被提议作为评估神经肌肉恢复状态的有效且实用的策略(32,37)。首先,这种策略的有效性得到了以下发现的支持:在引起1.00 m·s⁻¹速度变化的负荷变化与代谢疲劳产物(如乳酸(卧推,r = 0.97;全蹲,r = 0.93)和氨(卧推,r² = 0.95;全蹲,r² = 0.90))之间发现了高度相关性(47)。此外,在全蹲练习中,针对以1.00 m·s⁻¹速度举起的负荷的速度降低被发现与另一个机械疲劳指标(如跳跃能力损失)密切相关(r = 0.93)(47)。其次,这将是一种实用的方法,因为它只涉及针对中等负荷(卧推约45%1RM,非停顿全蹲约60%1RM)进行2 - 3次重复(表1),这可以在训练课的热身结束时进行。根据该测试的结果,体能训练师和教练可以“实时”做出个性化决策,例如让球员休息或减少他或她的工作量。
循速力量训练的应用:技术、变量和技巧
VBT提供的进步取决于用于其实施的不同技术所表现出的可重复性和可靠性水平。实际上,这些速度监测设备的技术误差必须小于预期变化,以确保杠铃速度的变化是由于实际力量变化而不是技术误差。例如,在主要阻力练习中,MPV仅增加0.07 - 0.10 m·s⁻¹就与约5%1RM力量的提高相关(表1)。因此,技术误差≥0.10 m·s⁻¹的技术将无法让从业者确信训练干预后测量的变化是球员表现实际增加或减少的结果(7,30)。
表1. 不同练习中负荷(%1RM)与平均推进速度(MPV)的关系
负荷(%1RM) | 卧推 | 俯卧杠铃划船 | 全蹲(停顿) | 全蹲(不停顿) | 硬拉 | 肩上推举 | 引体向上 |
30% | 1.27 - 1.30 | 1.47 - 1.52 | |||||
35% | 1.18 - 1.22 | 1.40 - 1.45 | |||||
40% | 1.09 - 1.13 | 1.33 - 1.37 | 0.92 - 0.95 | 1.26 - 1.30 | 1.01 - 1.11 | 1.20 - 1.25 | |
45% | 1.00 - 1.04 | 1.25 - 1.30 | 0.87 - 0.91 | 1.20 - 1.23 | 0.96 - 1.04 | 1.11 - 1.15 | |
50% | 0.92 - 0.95 | 1.18 - 1.23 | 0.82 - 0.86 | 1.13 - 1.16 | 0.89 - 0.97 | 1.02 - 1.06 | |
55% | 0.84 - 0.87 | 1.11 - 1.15 | 0.77 - 0.81 | 1.05 - 1.09 | 0.82 - 0.90 | 0.94 - 0.98 | 0.76 - 0.92 |
60% | 0.76 - 0.79 | 1.04 - 1.08 | 0.72 - 0.75 | 0.98 - 1.01 | 0.75 - 0.83 | 0.85 - 0.89 | 0.68 - 0.82 |
65% | 0.68 - 0.71 | 0.97 - 1.01 | 0.67 - 0.70 | 0.91 - 0.93 | 0.68 - 0.76 | 0.76 - 0.80 | 0.60 - 0.72 |
70% | 0.60 - 0.63 | 0.90 - 0.94 | 0.62 - 0.65 | 0.83 - 0.85 | 0.63 - 0.69 | 0.67 - 0.71 | 0.51 - 0.63 |
75% | 0.52 - 0.55 | 0.83 - 0.87 | 0.57 - 0.59 | 0.75 - 0.77 | 0.56 - 0.62 | 0.59 - 0.62 | 0.43 - 0.53 |
80% | 0.45 - 0.47 | 0.77 - 0.80 | 0.51 - 0.53 | 0.67 - 0.69 | 0.49 - 0.55 | 0.49 - 0.52 | 0.34 - 0.44 |
85% | 0.37 - 0.39 | 0.70 - 0.74 | 0.46 - 0.48 | 0.59 - 0.60 | 0.43 - 0.47 | 0.41 - 0.44 | 0.25 - 0.35 |
90% | 0.30 - 0.32 | 0.64 - 0.67 | 0.40 - 0.42 | 0.50 - 0.51 | 0.37 - 0.41 | 0.34 - 0.36 | |
95% | 0.23 - 0.25 | 0.57 - 0.60 | 0.35 - 0.38 | 0.41 - 0.42 | 0.31 - 0.33 | 0.26 - 0.28 | |
100% | 0.16 - 0.18 | 0.51 - 0.54 | 0.28 - 0.31 | 0.32 - 0.33 | 0.23 - 0.27 | 0.18 - 0.20 | |
调整(R²) | 0.97 | 0.94 | 0.96 | 0.96 | 0.96 | 0.97 | 0.96 |
数据为95%置信区间。在离心和向心阶段之间施加2秒的短暂停顿(31,34)。卧推和俯卧杠铃划船(49);全蹲(停顿)(29);全蹲(不停顿)(50);硬拉(33);肩上推举(21);引体向上(51)。RT = 阻力训练。
可用技术提供运动学指标的实时反馈,如平均速度(MV:从向心阶段开始到杠铃达到最大高度的平均向心速度)、MPV(如前所述)、峰值速度(PV:向心阶段达到的最大瞬时速度值)和ROM。虽然MV和MPV已显示出极好的可靠性值(10),但一些作者建议使用MPV来提高评估的敏感性。简而言之,由于MV包括制动阶段(向心阶段中运动员减速杠铃的部分),这个变量分别低估和高估了较强和较弱球员的动态力量(29,48)。这种情况主要发生在轻和中等负荷下,在这些负荷下,较强的运动员比较弱的运动员达到更高的速度,因此制动阶段更长(2)。除了可重复和可靠的技术外,循速力量评估将受益于(a)为运动员提供视觉反馈以最大化其表现(23)和(b)精确控制执行技术。关于第二方面,已经证明在离心和向心阶段之间施加短暂停顿(约2秒)(即避免拉长 - 缩短周期)在递增负荷测试中产生更可靠的速度结果(34),并允许球员在每次重复中精确复制个体离心ROM(28,29)。
反过来,ROM已被证明会显著影响最终速度(MPV随着ROM的增加而增加)(28,29)。另一个会影响循速力量评估的方面是练习中提供的自由度(即自由重量或基于机器的训练)。具体来说,使用Smith机已被证明可以提高力量测量的可靠性值(22),可能是因为在水平平面上没有运动。此外,特定练习的L - V关系已被证明受执行它所使用的自由度的影响。例如,在比较使用重量堆叠机(MPV对轻负荷,<50% = 1.06 m·s⁻¹;MPV对中等负荷,50 - 80% = 0.67 m·s⁻¹)或Smith机(MPV对轻负荷,<50% = 1.17 m·s⁻¹;MPV对中等负荷,50 - 80% = 0.71 m·s⁻¹)进行的卧推练习的L - V关系时,发现每个%1RM达到的速度有所降低(43)。
表2. 不同练习中通过平均推进速度(MPV)估算%1RM的方程
练习 | 方程 | 调整(R²) | 标准误差估计(%) |
卧推 | %1RM = 11.2988×(MPV²) - (78.05×MPV) + 113.04 | 0.97 | 4.39 |
俯卧杠铃划船 | %1RM = 13.25×(MPV²) - (93.867×MPV) + 144.38 | 0.95 | 5.90 |
全蹲(停顿) | %1RM = 4.468×(MPV²) - (96.223×MPV) + 127.51 | 0.96 | |
全蹲(不停顿) | %1RM = - 5.961×(MPV²) - (50.71×MPV) + 117 | 0.95 | 4.02 |
硬拉 | %1RM = 19.472×(MPV²) - (99.908×MPV) + 124.452 | 0.94 | 6.29 |
肩上推举 | %1RM = 10.428×(MPV²) - (73.583×MPV) + 114.46 | 0.97 | 4.13 |
引体向上 | %1RM = - 53.472×MPV + 110.68 | 0.96 | 3.15 |
在离心和向心阶段之间施加2秒的短暂停顿以提高可靠性(31,34)。标准误差估计(SEE)。卧推和俯卧杠铃划船(49);全蹲(停顿)(29);全蹲(不停顿)(50);硬拉(33);肩上推举(21);引体向上(51)。
在实践中,基于机器的训练允许球员控制每次重复的执行,这在训练课的某些时刻(例如热身)、赛季的某些阶段(例如伤病康复后)以及特定目标(例如学习复杂的技术执行)可能很有用。然而,由于在大多数运动中主动肌 - 协同肌 - 拮抗肌复合体以协调的方式工作(即肌肉间协调)(24),在器械的训练中产生的力量增长可能难以迁移到足球动作,如跳跃、加速或变向(63)。
表3. 基于速度的训练中用于编程和监测组内疲劳的不同方法
方法 | 定义 | 示例 | 优点 | 缺点 |
努力水平(20) | 一组中完成的重复次数(训练量)与可完成的最大重复次数(训练强度)的关系 | 6(12):用一个绝对负荷完成6次重复,该负荷可使球员总共完成12次重复(约75%1RM) 4(8):用一个绝对负荷完成4次重复,该负荷可使球员总共完成8次重复(约80%1RM) | 无需技术(免费方法) 在集体训练中(如团队运动中的RT计划)可个性化训练负荷 球员间和球员内变异性低 避免因球员注意力不集中而停止训练组(VL和EI方法常见问题) | 球员需要事先熟悉以最大化方法的准确性 新手球员可靠性较低 |
速度损失(VL)(14) | 监测一组重复中杠铃速度的逐渐下降 | 15% VL:当一组中的第一次重复以0.58 m·s⁻¹的速度进行时,达到0.49 m·s⁻¹的杠铃速度 30% VL:当一组中的第一次重复以0.77 m·s⁻¹的速度进行时,达到0.54 m·s⁻¹的杠铃速度 | 准确监测组内疲劳 通过规定一定的VL或EI而不是固定次数的重复和绝对负荷,可以高精度地编排组内疲劳 EI允许比较使用不同%1RM或VL执行的刺激。例如:26.9 EI:第一次重复 = 0.77 m·s⁻¹(约60%1RM在卧推中)×35% VL 26.9 EI:第一次重复 = 0.49 m·s⁻¹(约80%1RM在卧推中)×55% VL | 需要高度可重复的技术和协议 在集体训练中(如团队运动中的RT计划)难以实施 需要训练有素的教练,其在协议的正确实施和不同技术的使用方面有广泛知识 数据处理和分析时间成本高 球员需要事先熟悉以最大速度执行所有重复 |
努力指数(EI)(45) | 一组中第一次重复达到的速度乘以该组重复中的速度损失百分比的乘积 | 12.2 EI(a.u.):在一组的第一次重复中达到0.61 m·s⁻¹的速度,并在该组中损失20%的速度 13.8 EI(a.u.):在一组的第一次重复中达到0.46 m·s⁻¹的速度,并在该组中损失30%的速度 |
Rep = 重复;%1RM = 相对强度;RT = 阻力训练;VL = 速度损失;EI = 努力指数;BP = 卧推。
利益冲突和利益冲突和资金来源:作者报告无利益冲突和资金来源。
实际应用与未来展望
力量能力是足球运动表现的关键决定因素。VBT是朝着个性化编排目标强度和产生的组内疲劳水平以及准确确定力量的慢性和急性变化迈出的一步。特别是,VBT方法可以帮助教练(a)通过测量杠铃速度来设定和调整训练负荷,以及(b)通过考虑组内速度损失来估计产生的疲劳以避免过度训练。尽管有其应用,但这种方法在日常使用中可能存在局限性,例如需要特定设备、对该方法的正确实施有广泛的知识要求以及需要大量时间来记录和分析每组中的所有重复。此外,运动员需要熟悉并致力于以最大预期速度执行每次举重;否则,调整的可靠性将降低。一些实际的替代方法,如基于感知努力自我评估的“努力水平”,可能有助于降低应用VBT所需的成本和时间。最后,本文提供的工具(见补充材料,补充数字内容,http://links.lww.com/SCJ/A340)可以帮助教练进行数据收集和解释,以便日常使用。
Alejandro Hernández - Belmonte是穆尔西亚大学体育科学学院的博士前研究员。
Luis M. Alegre是卡斯蒂利亚 - 拉曼恰大学体育活动与运动科学系的正教授兼系主任。
Javier Courel - Ibáñez是穆尔西亚大学体育科学学院和查尔斯大学生理与生物化学系的运动科学家。
作者介绍:郭佰鑫(Max)
作者Max,一位大三的应用心理学本科生,社交自媒体平台专注于输出体育科技以及体育科学相关内容,期待未来有能力的基础下能加入更多基于人工智能的体育分析与科技。有其他科研合作的欢迎您的联系。
我比较喜欢体育科学、大语言模型以及数据相关的,平常运动喜欢篮球足球以及体能训练更加关注此方向的产品应用和创新。
(我有时候会看一些可穿戴设备、动作捕捉以及AI领域的科研、产品应用,欢迎交流,期待向各位学习!)
邮箱:gbx1220max@gmail.com 我的联系方式(微信): MaxGBX Linkedin领英:Baixin Guo 自媒体视频制作/公众号文章代做/翻译/AI智能体&工作流(大语言模型)搭建/科研&推文绘图/PPT制作也欢迎您的联系! 期待您的合作! ▼ 麻烦您带一下备注!