基底核刻录机 · 行为自动化与习惯养成

要解决的问题

在 AI Agent 的长程任务中，很多操作并不是全新问题：同一类整理、查询、模板化生成、风格化输出会反复出现。若每次都走完整意图解码、预检和确认流程，响应路径会变长，用户也会频繁重复相同偏好。habit-loop 处理的是这类高频工作流的重复成本：把多次验证过的任务路径沉淀成可复用规则，而不是每次重新推理。

工作方式

该技能围绕一个本地习惯库工作，存储位置为 .workbuddy/dreams/habit-store.json。其核心闭环包括：

• 自动形成：当同类任务出现 3 次以上，或 task-frequency-tracker.json 中出现可识别模式时，系统会把候选任务标记为习惯规则。
• 命中执行：后续任务与规则匹配时，直接执行已验证路径，跳过部分预检和确认步骤，减少 3 到 5 秒级别的流程开销。
• 学习与维护：用户绕过规则时记录为例外；规则持续命中则增强置信度；长期未使用则衰减，避免过时逻辑污染后续执行。

它也与周边 Skill 形成联动：高置信、高次数的习惯可被建议升级为正式 Skill；工作记忆、REM 洞察和风格偏好可作为习惯候选的来源。

适用边界

这套机制适合重复度高、边界清楚、结果可验证的任务，例如固定格式整理、常见查询、模板化输出和偏好固化。对于高风险操作、强上下文依赖、一次性的复杂决策，不建议默认免确认执行。使用时需要保留 habit-store.json 的可审计性，并在规则异常时能快速回退到完整检查流程。