← 返回 Skills 市场
siyuanfeng636-cpu

Dida Coach

作者 siyuanfeng636-cpu · GitHub ↗ · v1.2.0 · MIT-0
cross-platform ⚠ suspicious
253
总下载
1
收藏
1
当前安装
7
版本数
在 OpenClaw 中安装
/install dida365-coach-skills
功能描述
结合滴答清单 MCP 和本地生产力系统的任务教练技能，用于把目标拆解成阶段计划、把任务转换成时间盒，并自然地查询、创建、更新、完成、移动任务，支持管理视角、承诺跟踪、周/月复盘与闭环跟进。用户提到“拆目标”“做计划”“时间盒”“复盘”“改时间”“提醒”“拖延”“查任务”“完成任务”“清单管理”“生产力系统”“承诺...
使用说明 (SKILL.md)

Dida Coach

将滴答清单当作执行层，把本地生产力系统当作管控层，再把更自然的教练式对话、时间盒调度、通用任务管理、复盘分析和闭环跟进组合成一个工作流。

使用顺序

  1. 先读取 tools/mcp_client.py，检查 dida365 MCP 是否已配置。
  2. 如果是首次接入或连接失败，先读取 references/mcp-client-setup.md 给出远程 MCP 最短路径；如果用户明确想走“像 Getnote 一样的本地授权”，再读取 references/openapi-auth-setup.md。
  3. 再读取 tools/config_manager.py，加载用户文风、工作法和提醒偏好。
  4. 涉及滴答字段读写时，先读取 references/mcp-tool-routing.md 确认真实 MCP 工具名，再读取 references/dida-field-semantics.md。
  5. 按用户意图选择对应 prompt：
  6. 需要结构化判断时，使用 tools/ 下的工具模块；需要具体对话话术时，再读取相应 prompt 和文风文件。

意图路由

  • 用户说“我想提高英语”“我想坚持健身”这类长期目标时，使用任务拆解流程。
  • 用户说“我今天有哪些任务”“列出所有清单”“把这个任务标记完成”“把它移到工作清单”这类通用任务管理请求时，使用通用任务管理流程。
  • 用户说“帮我建立生产力系统”“看我当前最该推进什么”“梳理承诺和等待项”“记录专注/干扰”“重置晨间或收尾流程”时，使用生产力管控流程。
  • 用户说“我要写报告”“帮我排今天的专注时间”这类执行型任务时，使用时间盒流程。
  • 用户说“复盘今天/这周/这月”“看看我最近为什么总拖延”时，使用复盘流程。
  • 用户说“把盒子 2 改到下午”“今天全部顺延”时，使用改时间和闭环流程。

工具选择

  • tools/mcp_client.py 用于检测本地 dida365 MCP 是否存在，并生成设置指引；同时兼容 OpenClaw 的 transport.type=http 远程配置。
  • references/mcp-client-setup.md 用于按 Claude Desktop、ChatGPT、Claude Code、Cursor、VS Code、OpenClaw 等客户端给出最短接入步骤。
  • references/openapi-auth-setup.md 用于指导“滴答开放平台本地 OAuth”路线：创建开放平台应用、填写 http://localhost:38000/callback、生成授权链接并把 token 写入本地 .env。
  • references/mcp-tool-routing.md 用于把“查任务 / 查清单 / 创建 / 更新 / 完成 / 移动 / 复盘”映射到真实的滴答清单 MCP 工具名。
  • tools/config_manager.py 用于加载默认配置和用户覆盖配置，并读取文风/工作法/提醒设置。
  • tools/openapi_auth.py 用于本地 Open API 授权：生成授权链接、监听 localhost:38000/callback、用授权码换 token，并写入 ~/.dida-coach/dida-openapi.env。
  • tools/productivity_system.py 用于管理 ~/.dida-coach/productivity/，负责初始化本地生产力系统、生成 dashboard/承诺/专注/周月复盘摘要，并维护受管文件。
  • tools/task_parser.py 用于从自然语言中提取目标类型、任务描述、优先级、标签和改时间参数。
  • tools/dida_semantics.py 用于统一滴答优先级映射，并保守判定“当前任务是否真的完成”。
  • tools/timebox_calculator.py 用于计算时间盒、调整排程、生成检查点和人类可读时间表。
  • tools/work_method_recommender.py 用于根据任务特征推荐番茄/长番茄/超昼夜节律等工作法。
  • tools/review_analyzer.py 用于分析任务完成率、未完成模式和自动化机会，并生成日/周复盘文本。

关键约束

  • 未配置 MCP 时，不假装已经写入滴答清单；先明确提示配置步骤。
  • 在 OpenClaw 里，如果用户允许修改本地配置，优先把 dida365 写入 OpenClaw 的 mcpServers，使用 transport.type=http 和 transport.url=https://mcp.dida365.com；再引导用户点击一次连接按钮完成浏览器 OAuth。
  • OpenClaw 优先走“半自动接入”：先自动写 ~/.openclaw/openclaw.json，再让用户在 MCP / Tools / 依赖面板里点 Connect、Authorize 或 Sign in。
  • 在 ClawHub 或其他支持内置 MCP 授权的客户端里，优先让用户直接点击 dida365 的连接按钮并完成浏览器 OAuth，不要默认要求先执行 claude mcp add 或 /mcp。
  • 不要把 /mcp 当成 shell 命令。它只在 Claude Code 会话里有效，不是终端里的普通命令。
  • 如果用户想走“像 Getnote 那样点链接授权后自动落盘”的路线，可以改走滴答开放平台本地 OAuth：让用户创建应用、填写 http://localhost:38000/callback，再用本地 helper 完成授权和 .env 写入。
  • 本地生产力系统固定写入 ~/.dida-coach/productivity/；首次初始化前必须明确告知并拿到确认。
  • 本地层只保存 dashboard、承诺、等待项、专注、例行、周月复盘和摘要索引，不复制完整滴答任务库。
  • 单个明确写操作默认直接执行并回读；高风险批量动作再确认。
  • 缺信息时先推断再补问，不要把用户带进表单式追问。
  • 对查询类请求可以直接读取并汇总；对创建、更新、完成、移动这类写操作，仍然要先说明动作，再执行并回读。
  • 所有“今天 / 明天 / 现在 / 还有多久 / 下午几点前”这类相对时间判断，都必须以用户当前本地时区为准；如果当前时间来源不可靠，优先汇报绝对时间，不要口算剩余时长。
  • 涉及截止时间、提醒时间和检查点倒计时时，先把“当前本地时间”和“目标绝对时间”写清，再计算分钟/小时差。
  • 每个时间盒都要包含可验证的成果定义，而不是只有时长。
  • 用户未完成任务时，先判断阻碍，再给补救方案，不要只做情绪化鼓励。
  • 文风由 config.yaml 决定；如用户临时指定更严厉或更温和的风格，允许按本次对话覆盖。
  • 创建或更新滴答任务后，必须回读校验优先级、截止时间、提醒时间和当前状态。
  • 含远程 MCP 的 skill 会比纯本地 skill 更慢；纯查询请求应尽量减少工具链长度，写操作只在必要时执行回读校验，避免无意义的串联查询。
安全使用建议
This skill appears to do what it claims (task coaching + MCP integration + local productivity files), but it will read and write local configuration and can persist OAuth tokens. Before installing or enabling autonomous use: 1) Require an explicit, human confirmation step in the client before any write (initialization, OpenClaw edits, or token writes). 2) Do not provide client_id/client_secret unless you trust the code; prefer the remote MCP/browser-flow if you want less local credential persistence. 3) Backup ~/.openclaw/openclaw.json and inspect ~/.dida-coach/* files the first time the skill runs. 4) If you want to limit blast radius, disallow autonomous invocation or require confirmation prompts for any write that affects other applications. 5) If unsure, review the included files (tools/openapi_auth.py, tools/mcp_client.py, tools/productivity_system.py) to confirm exactly what will be written and when.
功能分析
Type: OpenClaw Skill Name: dida365-coach-skills Version: 1.2.0 The skill bundle implements a Dida365 (TickTick) integration with high-risk capabilities, including the ability to modify the agent's own configuration file (~/.openclaw/openclaw.json) via tools/mcp_client.py and running a local HTTP server on port 38000 to capture OAuth credentials in tools/openapi_auth.py. While these features are aligned with the stated purpose of 'semi-automatic' setup and authentication, they represent a significant attack surface. The instructions in prompts/system.md also encourage the agent to perform single write operations without explicit secondary confirmation, which could be leveraged if the agent is misdirected. No evidence of intentional malice or unauthorized data exfiltration was found.
能力评估
✓ Purpose & Capability
The skill's name/description (task coaching + TickTick/Dida MCP + local productivity layer) aligns with the included modules (MCP client, OpenAPI OAuth helper, local productivity files, task parsing, timebox calculation, review analysis). The declared required_mcp (dida365) and MCP endpoints match the described integration.
ℹ Instruction Scope
SKILL.md explicitly instructs the agent to read many local files and to create/update local state (e.g., ~/.dida-coach/productivity/, ~/.openclaw/openclaw.json, and optionally ~/.dida-coach/dida-openapi.env). These file reads/writes are coherent with the stated purpose, but the instructions permit modifying other client configuration (OpenClaw) and running a local OAuth callback listener — activities that should only happen with explicit user approval.
✓ Install Mechanism
There is no external install spec or remote download. All code is bundled in the skill. No network installers or URL-based extracts were used. This lowers supply-chain risk compared with downloading arbitrary archives.
ℹ Credentials
The skill declares no required env vars, which is consistent because OAuth credentials are optional/user-supplied. However, it includes helpers that will persist client_id/client_secret and tokens to local files if the user elects the local OAuth path. Asking users for client_id/client_secret and writing tokens to ~/.dida-coach/dida-openapi.env is proportionate to the OpenAPI flow but is sensitive and should be confirmed by the user before writing.
⚠ Persistence & Privilege
The skill can modify other tooling config (it documents writing to ~/.openclaw/openclaw.json to add dida365 to mcpServers) and will create a local productivity directory (~/.dida-coach/productivity/). While SKILL.md states these actions require user confirmation, the agent has functions to perform these writes programmatically. Combined with default autonomous invocation being allowed (disable-model-invocation=false), this raises risk if the agent is allowed to act without a human-in-the-loop or if confirmations are not enforced by the runtime.
如何使用
  1. 确保已安装 OpenClaw（本地或 Docker 部署）
  2. 在对话框中输入安装命令：/install dida365-coach-skills
  3. 安装完成后，直接呼叫该 Skill 的名称或使用 /dida365-coach-skills 触发
  4. 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.2.0
**新增本地生产力系统、支持更灵活 OAuth 授权，扩展复盘与管理视角。** - 新增本地生产力系统模块，支持初始化、承诺/等待项/专注记录及周/月复盘摘要。 - 支持滴答开放平台本地 OAuth 授权流程，文档与工具集成多种授权方式。 - 增加生产力管控与月复盘 prompt，完善日/周/月回顾能力。 - 工具目录新增 openapi_auth.py、productivity_system.py，提供本地授权及生产力管理能力。 - skill 说明与流程详解更加完善，详细约束本地行为和远程同步时机。 - 修正意图路由与约束，细化支持“生产力系统”“承诺”“等待项”等管理请求。
v1.0.6
- No functional or documentation changes; version bump only. - All sources, descriptions, constraints, and workflow remain unchanged.
v1.0.5
- 增强对相对时间的判断，明确要求所有“今天/明天/还有多久”等操作以用户本地时区为准，并在时间相关操作中提供绝对时间和当前本地时间。 - 强化时间相关操作指引，涉及截止时间、提醒时间、检查点倒计时时，新增明确写明绝对时间和分钟/小时差的要求。 - 新增性能约束：纯查询操作应尽量减少工具链长度，写操作仅在必要时执行回读，避免无意义的串联查询。 - 其余为文档细节优化和流程描述补充。
v1.0.4
v1.0.4 - 增强 OpenClaw 远程 MCP 配置指引，支持 `transport.type=http` 并自动推荐添加 `https://mcp.dida365.com`。 - 优化 MCP 配置流程：在 OpenClaw 客户端优先引导直接写入 `mcpServers` 并使用 OAuth，适配更智能自动填写和快捷连接。 - 文档细化工具用法说明，完善关键约束，明确 OpenClaw/ClawHub 自动权限场景下的最佳操作建议。 - 保持写操作前提示、缺信息先推断等既有原则。 - 兼容原有功能，提升多客户端场景下的易用性和自动化体验。
v1.0.3
- 增加对任务的自然查询、创建、更新、完成、移动与清单管理等通用操作，支持更广泛的任务管理请求 - 新增通用任务管理 prompt（prompts/task_management.md），新增 MCP 工具路由参考（references/mcp-tool-routing.md） - 意图路由与关键词匹配更细化，覆盖查任务、完成任务、清单管理相关场景 - 关键约束优化：查询类请求可直接汇总，写操作会先说明再执行并校验回读 - 工具引用流程更新，优先查路由表再匹配真实 MCP 工具名 - 调整默认操作模式：单条明确操作默认直接执行，只有高风险批量操作需再确认
v1.0.1
- 增加 references/mcp-client-setup.md，按不同客户端提供 dida365 MCP 快速接入指引 - setup 流程优化，首次接入或连接失败时自动给出最短配置路径 - 工具链文档和 prompt 分流流程明确客户端适配覆盖（含 OpenClaw、ClawHub 等） - 约束优化：OpenClaw/ClawHub 环境下优先推荐内置授权流程，不默认要求命令行配置 - 文档细节梳理，完善各环节说明与约束
v1.0.0
Initial release of dida-coach, a task coaching skill for Dida365 MCP users. - Supports goal breakdown, timeboxing, daily/weekly reviews, rescheduling, and closure follow-up. - Intelligent intent routing triggers the right workflow based on user input (e.g., goal setting, timeboxing, review, etc.). - Integrates multiple tool modules for config management, task parsing, timebox calculation, and review analysis. - Adapts coaching style based on user’s preferences, with robust constraints and error handling (e.g., MCP setup check, confirmation before action). - Ensures outcome-driven timeboxes and actionable follow-up for incomplete tasks.
元数据
Slug dida365-coach-skills
版本 1.2.0
许可证 MIT-0
累计安装 1
当前安装数 1
历史版本数 7
常见问题

Dida Coach 是什么？

结合滴答清单 MCP 和本地生产力系统的任务教练技能，用于把目标拆解成阶段计划、把任务转换成时间盒，并自然地查询、创建、更新、完成、移动任务，支持管理视角、承诺跟踪、周/月复盘与闭环跟进。用户提到“拆目标”“做计划”“时间盒”“复盘”“改时间”“提醒”“拖延”“查任务”“完成任务”“清单管理”“生产力系统”“承诺... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 253 次。

如何安装 Dida Coach？

在 OpenClaw 或 Claude Code 对话框中运行命令「/install dida365-coach-skills」即可一键安装，无需额外配置。

Dida Coach 是免费的吗？

是的，Dida Coach 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。

Dida Coach 支持哪些平台？

Dida Coach 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。

谁开发了 Dida Coach？

由 siyuanfeng636-cpu（@siyuanfeng636-cpu）开发并维护，当前版本 v1.2.0。

推荐 Skills
self-improving agent
Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Clau...
⬇ 463815 · by pskoett
Skill Vetter
Security-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
⬇ 259802 · by spclaudehome
Polymarket
Query Polymarket prediction markets. Check odds, find trending markets, search events, track price movements.
⬇ 232503 · by joelchance
Self-Improving + Proactive Agent
Self-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
⬇ 200680 · by ivangdavila
Github
Interact with GitHub using the `gh` CLI. Use `gh issue`, `gh pr`, `gh run`, and `gh api` for issues, PRs, CI runs, and advanced queries.
⬇ 191345 · by steipete
ontology
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linkin...
⬇ 190333 · by oswalpalash

💬 留言讨论