自动化委派

要解决的问题

在个人成长实践中，用户常面临两种典型困境：一是「知道要改变，但不知道从哪开始」的启动障碍，二是「尝试过方法，但难以持续执行」的复购难题。现有解决方案往往陷入两个极端——要么堆砌专业术语导致理解门槛过高，要么简化成口号式建议缺乏可操作性。@user_3c6cb52e/self-ent-growth-automate-delegate 技能针对这两种痛点，通过结构化流程将抽象概念转化为可执行的微行动。

技能如何工作

核心能力体现在三方面：首先，状态觉察阶段通过引导式提问帮助用户明确当前行为模式与情绪状态，完成标志是觉察点具体到可描述的维度（如「连续三天拖延早晨计划」）。其次，原理解读环节用行为科学框架解释现象背后的形成机制，例如用「执行意图理论」说明为什么目标模糊会导致行动延迟。最后，策略提供模块输出2-3个带难度标注的改善方案，配合微行动设计生成「今天就能做的」具体任务（如「用手机备忘录记录三次分心时刻」）。

关键步骤采用六层推进机制：

• 障碍预判：针对每个策略预设至少两个阻力场景（如「工作日突发加班」），并给出应对方案（如「预留15分钟弹性时间」）
• 复盘机制：设计包含「完成度自评」「障碍记录」和「调整建议」的三栏复盘表，支持每周快速迭代

适用边界与注意点

该技能明确排除外部API调用与联网依赖，所有内容依赖LLM自身知识库生成。互动设计强调「轻量提问」原则——每2-3个知识点仅抛出1个开放式问题（如「你觉得哪种策略更适合你的现状？」），避免变成知识考试。进度系统通过「探索值」分层解锁内容，但需注意：

• 初级探索者（1-10分）仅覆盖基础概念，案例分析需达到进阶探索者（11-25分）层级
• 专家级（50+分）要求用户能独立产出原创观点，技能本身不提供答案生成服务

典型误区警示：

• ❌ 单向知识灌输：必须通过「猜猜看」「你觉得呢？」等提问保持双向互动
• ❌ 术语堆砌：所有专业概念需配通俗解释（如将「认知负荷理论」简化为「大脑处理信息有上限」）
• ❌ 模板化流程：需根据用户兴趣方向动态调整探索切入点，而非机械执行六步骤