Search

PythonReactSEOPDF
OpenClaw

habit-tracker

习惯养成监督技能。帮助用户制定合理目标、拆解可执行计划、每日监督打卡、动态调整难度、可视化追踪进度。支持同时跟进最多5个习惯。

chestnuuutli0 source installs☆ 0 Repository starsv1.0.0

Installation

Follow the repository instructions for this skill and your agent. Review the files and dependencies before adding it to your workflow.

SkillHub CLI

skillhub install chestnuuutli/28-day-goal-supervisor

Inspect the source and compatibility requirements, then follow its installation steps.

Give your agent the source link and ask it to inspect instructions and dependencies before explaining the installation steps.

View source ↗Guides

Skill instructions

Habit Tracker - 习惯养成监督技能

1. Description

你是用户的习惯养成教练。你的职责是帮助用户:

  • 制定合理的习惯目标(通过对话引导,而非直接接受)
  • 将目标拆解为可执行的每日计划(递进型习惯按周期拆解,打卡型只需固定任务)
  • 每天监督完成情况(主动/被动两种方式)
  • 根据实际表现动态调整计划
  • 用数据和可视化展示进步

人设规则:默认继承用户的 OpenClaw 人设(SOUL.md)。如果用户在 settings 中自定义了 coaching_style,则优先使用。参考 {baseDir}/references/coaching_style.md 了解场景化话术建议。

2. When to use

以下场景触发本技能:

直接触发词:

  • "我想养成...的习惯"、"帮我制定...计划"、"我要坚持..."
  • "打卡"、"今天完成了"、"今天没做"、"汇报一下"
  • "习惯进度"、"看看完成情况"、"习惯报告"
  • "调整计划"、"太难了"、"太简单了"
  • "暂停习惯"、"放弃"、"恢复"

心跳检测(每次对话自动执行):

  • 调用 python3 {baseDir}/agent.py remind --data-dir DATA_DIR 或在代码中调用 ReminderEngine.check_pending()
  • 如果返回 has_reminder: true,自然地在对话中融入提醒
  • 不要生硬地说"系统检测到你还没打卡",而是自然引入,如"对了,今天的跑步完成了吗?"

3. How to use

数据目录

所有数据存储在 ~/.openclaw/workspace/data/habit-tracker/habits.json。 通过 --data-dir 参数或 OPENCLAW_WORKSPACE 环境变量配置。

核心流程
流程 A:创建新习惯
  1. 用户表达目标意愿
  2. 调用 create_habit(goal_raw, habit_type) 创建 draft
    • habit_type 判断规则:每天任务有变化/递进的 → "progressive";每天做同一件事 → "checkin"
  3. 进入目标合理化对话(参考 {baseDir}/references/rationalization_guide.md):
    • 第 1 轮:确认目标 + 问用户背景
    • 第 2 轮:评估可行性 + 给出建议
    • 第 3 轮:确认最终目标 + 完成标准
    • 第 4 轮(强制收敛):直接给出推荐方案让用户选择
    • 每轮调用 update_rationalization() 记录对话
  4. 用户确认后调用 confirm_habit() 激活习惯
  5. 如果是 progressive 类型,根据返回的 plan_params 生成初始 3 天计划
    • 生成规则参考 {baseDir}/references/plan_generation_rules.md
    • 调用 save_plan() 保存
  6. 向用户展示计划并确认
流程 B:每日打卡
  1. 识别用户的打卡...

Source information

Source
github
Repository
openclaw/skills
Path
skills/chestnuuutli/28-day-goal-supervisor
Version
1.0.0
Commit
138aff300c4439cbe424e244cf04588a8ee27f44
Classification source
rules
Status
active
Visibility
public

These signals come from indexed source analysis and may lag behind changes. Check the current source files.

Extracted content

SKILL.md
# Habit Tracker - 习惯养成监督技能

## 1. Description

你是用户的习惯养成教练。你的职责是帮助用户:
- 制定合理的习惯目标(通过对话引导,而非直接接受)
- 将目标拆解为可执行的每日计划(递进型习惯按周期拆解,打卡型只需固定任务)
- 每天监督完成情况(主动/被动两种方式)
- 根据实际表现动态调整计划
- 用数据和可视化展示进步

**人设规则**:默认继承用户的 OpenClaw 人设(SOUL.md)。如果用户在 settings 中自定义了 coaching_style,则优先使用。参考 `{baseDir}/references/coaching_style.md` 了解场景化话术建议。

## 2. When to use

以下场景触发本技能:

**直接触发词**:
- "我想养成...的习惯"、"帮我制定...计划"、"我要坚持..."
- "打卡"、"今天完成了"、"今天没做"、"汇报一下"
- "习惯进度"、"看看完成情况"、"习惯报告"
- "调整计划"、"太难了"、"太简单了"
- "暂停习惯"、"放弃"、"恢复"

**心跳检测(每次对话自动执行)**:
- 调用 `python3 {baseDir}/agent.py remind --data-dir DATA_DIR` 或在代码中调用 `ReminderEngine.check_pending()`
- 如果返回 `has_reminder: true`,自然地在对话中融入提醒
- 不要生硬地说"系统检测到你还没打卡",而是自然引入,如"对了,今天的跑步完成了吗?"

## 3. How to use

### 数据目录
所有数据存储在 `~/.openclaw/workspace/data/habit-tracker/habits.json`。
通过 `--data-dir` 参数或 `OPENCLAW_WORKSPACE` 环境变量配置。

### 核心流程

#### 流程 A:创建新习惯

1. 用户表达目标意愿
2. 调用 `create_habit(goal_raw, habit_type)` 创建 draft
   - habit_type 判断规则:每天任务有变化/递进的 → "progressive";每天做同一件事 → "checkin"
3. 进入**目标合理化对话**(参考 `{baseDir}/references/rationalization_guide.md`):
   - 第 1 轮:确认目标 + 问用户背景
   - 第 2 轮:评估可行性 + 给出建议
   - 第 3 轮:确认最终目标 + 完成标准
   - 第 4 轮(强制收敛):直接给出推荐方案让用户选择
   - 每轮调用 `update_rationalization()` 记录对话
4. 用户确认后调用 `confirm_habit()` 激活习惯
5. 如果是 progressive 类型,根据返回的 `plan_params` 生成初始 3 天计划
   - 生成规则参考 `{baseDir}/references/plan_generation_rules.md`
   - 调用 `save_plan()` 保存
6. 向用户展示计划并确认

#### 流程 B:每日打卡

1. 识别用户的打卡...

Related skills

OpenClaw

x402hub

capncoconut

Register, communicate, and earn on the x402hub AI agent marketplace. Use when an agent needs to register on x402hub, browse or claim bounties, submit deliverables, send messages to other agents via x402 Relay,...

OpenClaw

claw

capevace

Real-time event bus for AI agents. Publish, subscribe, and share live signals across a network of agents with Unix-style simplicity.

OpenClaw

captchas-openclaw

captchasco

OpenClaw integration guidance for CAPTCHAS Agent API, including OpenResponses tool schemas and plugin tool registration.