用户：今天能量 5 分吧，上午开了个会，下午跟 openclaw 死磕，没啥进展
AI: 好的，我来整理：
     - 今日事件：上午开会、下午优化 openclaw
     - 能量：5 分
     - 情绪：有些沮丧
     - 洞察：...
     确认保存吗？

## 思维模型分析

### 1. 第一性原理
openclaw 优化的本质不是代码问题，而是工作流设计问题...

### 2. 逆向思维
如果不优化，当前系统也能用，但长期会积累技术债...

...（共 6 个模型）

日记洞察："拖延是因为任务太大"
→ 内化为记忆："任务分解原则：任何>2 小时的任务都应拆解"
→ 存入：memory/L2_长期/工作原则.md

python --version  # 应 >= 3.10
git --version     # 应已安装
opencode --version  # 应已安装

Diary Force - 日记催命鬼

拖延症终结者：不给你逃避的机会，写完才能睡觉。

每晚 23:00 自动执行：日记检测 → 交互式记录 → 思维模型分析 → 记忆内化 → Git 归档

什么时候使用这个技能

必须使用此技能的情况：

• - 每晚 23:00 cron 触发时（默认）
• 用户说写日记、记日记、今天还没记日记
• 用户提到思维模型分析、内化记忆
• 用户想记录当天经历但不知道如何结构化
• 用户能量低、情绪波动、需要反思时

不要用此技能：

• - 用户只想简单记录（用普通笔记技能）
• 用户明确要求不分析

核心理念

1. 1. 强制但不暴力 - 催促但提供便捷入口
2. 结构化思考 - 用思维模型代替流水账
3. 持续积累 - 每天进步 1%，一年 37 倍
4. 可追溯 - Git 版本控制，可回顾成长轨迹

---

完整工作流

23:00 cron 触发
↓
检查日记是否存在 (E:\My-life\daily/YYYY-MM-DD.md)
↓
┌─ 已写完 ──→ 询问是否需要思维模型分析
│ ↓ 是
│ 调用 OpenCode (minimax-m2.5-free)
│ ↓
│ 6 种思维模型分析 → 追加到日记
│ ↓
│ 记忆内化 → Git push
│
└─ 没写完 ──→ 催促用户写日记
↓
交互式记录（用户口述，AI 整理）
↓
用户确认 → 保存到日记
↓
思维模型分析（可选）
↓
记忆内化 → Git push

---

核心功能详解

1. 日记检测

检测逻辑：
python
import os
from datetime import datetime

today = datetime.now().strftime(%Y-%m-%d)
diary_path = fE:\\My-life\\daily\\{today}.md

if os.path.exists(diary_path):
# 已写完，询问是否分析
ask_analysis()
else:
# 没写完，催促
remind_user()

注意事项：

• - 路径配置在 scripts/diaryforce.py 中
• 可通过环境变量 DIARYPATH 覆盖

---

2. 交互式记录

适用场景：用户累得不想打字，只想随便说说

工作流程：

1. 1. 用户语音/文字输入（碎片化）
2. AI 自动提取结构化内容：

- 今日事件（3 件重要的事）
- 能量评分（1-10 分）
- 情绪状态
- 关键洞察
- 明日计划

1. 3. 生成 Markdown 格式日记
2. 用户确认后保存

示例对话：

用户：今天能量 5 分吧，上午开了个会，下午跟 openclaw 死磕，没啥进展
AI: 好的，我来整理：
- 今日事件：上午开会、下午优化 openclaw
- 能量：5 分
- 情绪：有些沮丧
- 洞察：...
确认保存吗？

---

3. 思维模型分析（核心卖点！）

调用工具：OpenCode CLI (minimax-m2.5-free 模型)

6 种思维模型：

模型	用途	输出示例
1. 第一性原理	拆解问题本质	openclaw 优化的本质是...
2. 逆向思维

从反面思考 | 如果不优化会怎样？ |
| 3. 二阶思维 | 考虑长期影响 | 这个改动一周后的影响是... |
| 4. 概率思维 | 评估成功概率 | 成功概率 30%，因为... |
| 5. 机会成本 | 考虑放弃的价值 | 花时间优化 openclaw 放弃了... |
| 6. 系统思维 | 整体视角 | 从系统看，这是子问题... |

分析方法：
python

scripts/think.py

prompt = f
用户输入：{user_input}

请用 6 种思维模型分析：

1. 1. 第一性原理：...
2. 逆向思维：...
3. 二阶思维：...
4. 概率思维：...
5. 机会成本：...
6. 系统思维：...

每个模型 1-2 句话，直击本质。

输出格式：
markdown

思维模型分析

1. 第一性原理

openclaw 优化的本质不是代码问题，而是工作流设计问题...

2. 逆向思维

如果不优化，当前系统也能用，但长期会积累技术债...

...（共 6 个模型）

---

4. 记忆内化

内化位置：memory/L1每日/ 或 memory/L2长期/

内化逻辑：

1. 1. 提取日记中的关键洞察
2. 转换为记忆条目
3. 写入 memory/ 目录
4. Git commit & push

示例：

日记洞察：拖延是因为任务太大
→ 内化为记忆：任务分解原则：任何>2 小时的任务都应拆解
→ 存入：memory/L2_长期/工作原则.md

---

使用方式

方式 1：Cron 自动触发（推荐）

OpenClaw Cron 配置：
yaml

.openclaw/state/cron.yaml

• - schedule: 0 23 * # 每晚 23:00

command: python scripts/diary_force.py auto

方式 2：手动触发 - 完整流程

bash

开始交互式日记

python scripts/diary_force.py start

完成后内化

python scripts/diary_force.py done

方式 3：仅思维模型分析

bash

分析指定内容

python scripts/think.py 今天能量 5 分，尝试优化 openclaw 但效果一般

或直接调用

python scripts/diary_force.py analyze 用户输入内容

方式 4：查看今日状态

bash
python scripts/diary_force.py status

---

文件结构

diary-force/
├── SKILL.md # 本文件
├── scripts/
│ ├── diary_force.py # 主脚本（交互式日记）
│ └── think.py # 思维模型分析
├── evals/
│ └── evals.json # 测试案例（待创建）
└── README.md # 商业化说明（待创建）

---

测试案例

测试 1：日记检测正常

输入：python scripts/diary_force.py auto（日记已存在）

预期输出：

• - 检测到日记存在
• 询问是否需要思维模型分析
• 如选择是，调用分析并追加

测试 2：日记缺失催促

输入：python scripts/diary_force.py auto（日记不存在）

预期输出：

• - 检测到日记缺失
• 发送催促消息
• 提供交互式记录入口

测试 3：思维模型分析

输入：python scripts/think.py 今天能量 5 分，优化 openclaw 失败

预期输出：

• - 6 种思维模型分析
• 每种 1-2 句话
• 直击本质，不废话

---

依赖项

依赖	版本	用途
Python	3.10+	运行环境
Git

任意 | 版本控制 |
| OpenCode CLI | 最新 | 思维模型分析 |
| 记忆系统 | 本地 | 内化存储 |

安装检查：
bash
python --version # 应 >= 3.10
git --version # 应已安装
opencode --version # 应已安装

---

商业化说明（SkillPay）

定价策略

服务	定价	说明
单次调用	$0.0001/次	包含完整流程（日记 + 分析 + 内化）
思维模型分析

$0.0002/次 | 单独分析服务 | | 包月无限 | $3/月 | 适合高频用户（每天不到$0.1） | | 包年 | $30/年 | 最划算（每天$0.08） |

目标用户

• - 拖延症患者 - 需要外部督促
• 知识工作者 - 需要结构化思考