用途：为初次打开该仓库、尚无 data/strong_workouts.csv 的用户进行训练引导；当用户说"interview me"、"coach me"、"build my program"或想搭建训练计划时使用。技能以对话方式一次只问一个问题，逐步完成目标、训练量、动作选择、进阶、频率与恢复等信息收集，并写入私有协议文件 private/protocol.md。
主要能力与流程：
- 第0步获取数据：要求用户从 Strong 应用导出数据（设置 → Export Data），将 CSV 放在 data/strong_workouts.csv，再运行仓库提供的分析。饮食和恢复信息为可选，可对话采集。没有数据也可先访谈，但方案为临时性。
- 第1步先问目标：用一个开放问题让用户用自己的话描述目标，如增肌、增力、改善薄弱部位、减脂保肌。
- 第2步沿主题逐项提问：按训练量→动作选择→进阶→频率/恢复的顺序，每次一个问题，并尽早记录伤病和限制。
- 第3步生成有引用的方案：把用户回答与分析结果合并，写成带评分的协议，并为每个论点标注来源。
引用规则：每个实质性 Jeff 观点必须有本次会话从 NotebookLM 返回的真实来源。来源标题和逐字引文必须来自 scripts/ask_cited.py，不能凭记忆引用。为避免每次提问都实时查询（一次约20–30秒），应在第0步后批量预取核心问题并复用缓存结果。核心预取命令示例：
for q in "How many sets per muscle per week and what weekly frequency does Jeff recommend?" "What rep ranges and proximity to failure (RIR) does Jeff recommend for hypertrophy?" "How does Jeff recommend selecting exercises and using the lengthened/stretched position?" "How does Jeff recommend progressing load and reps over time (progressive overload)?" ; do python3 scripts/ask_cited.py "$q"; echo; done
每条主张后以 📎 Source: "Exact Title Returned" 单独一行标注；用户要求看证据时，可粘贴引文段落。未预取的主题在引用前需额外运行 python3 scripts/ask_cited.py "..."。
限制与硬性规则：若 helper 未返回相关来源，不得声称是 Jeff 的观点，应说明 notebook 未直接覆盖该内容，换问法或跳过。不得引用本次会话未从 helper 获得的标题。本访谈仅限训练，不得引用 Huberman 或任何非 Jeff 来源。伤病和心肺细节常无 Jeff 来源，可无引用地给出常识性约束建议。适配其他专家时，可更换 notebook id（.notebooklm-id 或 $NOTEBOOKLM_ID）并替换训练主题，其余流程不变。
常见错误：一次抛出所有问题、每个问题前都查询、凭记忆引用标题、断言无引用主张、跳过第0步。修复方式分别为：一次只问一个、预取一次并缓存、只引用本次 helper 返回的内容、放弃或先查询真实来源、先加载数据。