技能介绍

写日记这件事为什么难以持续

大多数用户不是不知道写日记的好处，问题在于「写什么」从来没有被拆解清楚。面对空白页面，认知负荷全部压在「回忆今天发生了什么」上——这要求工作记忆做一次全量回放，而回放本身代价很高。结果通常是：要么写出流水账，要么直接放弃。

更隐蔽的成本在启动环节。任何需要先想好格式再动笔的系统（日期、天气、今日感想三段式）都会把启动摩擦抬到需要意志力的程度。意志力是稀缺资源，下班后一旦耗尽，这项任务就最先被砍掉。

技能如何工作

核心思路是把「写日记」从创作任务改造成结构化对话：由模型担任个人成长教练，不灌鸡汤只给框架，引导用户把注意力放在当天的一个具体切入点上。触发方式是用户提到相关关键词、输入 journal-daily，或在 Agent 空闲时自行发起探索。

执行流程固定为六步：

状态觉察 —— 先确认用户当下的状态、行为模式或情绪，而不是直接给建议。
原理解读 —— 用习惯科学、行为设计或心理学解释这个状态的形成机制。
策略提供 —— 给出 2–3 个可操作策略，并标注难度与预期效果。
微行动设计 —— 设计一个今天就能完成的极小行动，而不是宏大计划。
障碍预判 —— 列出至少 2 个可能的执行阻力及应对方案。
复盘机制 —— 提供自我复盘的框架与节奏建议。

互动设计上强调轻量提问，用「这周先试一个小改变」降低执行门槛；每 2–3 个知识点抛出一个互动问题，根据用户回应调整深度和方向，避免单向灌输。

进度系统

每次探索积累「探索值」，用于解锁更深层内容：🌱 初级探索者（1–10）了解基础概念；🌿 进阶探索者（11–25）能分析具体案例；🌳 资深探索者（26–50）能独立思考和讨论；🌟 专家级（50+）能产出原创观点。

适用边界

技能完全依赖 LLM 自身知识生成内容，不联网、不调用外部 API 或插件，因此不能提供实时数据，不做个人历史记录的持久化存储，也无法跨会话保留此前的探索值。它不提供任何医学或临床心理诊断，面对持续情绪困扰应当寻求专业帮助。单次探索聚焦一个切入点而非全面诊断，互动问题不超过 3 个，避免变成考试。退出方式是输入「退出/结束/够了」。