结构化日常规划系统，帮助 AI agent 跨会话追踪任务、记录交付物并保持执行问责。
说明：
## 核心用法
Agent Daily Planner 是一套专为 AI agent 设计的日常规划与执行追踪工作流。其核心机制是通过标准化命令生成、更新和回顾每日计划文件，解决 agent 会话间上下文丢失的痛点。
**日常流程**：会话开始时运行 `/plan today` 自动生成当日计划，该命令会整合昨日未完成任务、活跃项目及阻塞项；任务完成后立即用 `/plan ship` 记录交付；会话结束前运行 `/plan review` 评估完成度。每周可通过 `/plan week` 生成本周复盘。
**文件结构**：每日计划存储为 `memory/YYYY-MM-DD.md`，采用固定 Markdown 模板，包含优先级任务（Must Do）、弹性目标（Stretch Goals）、阻塞项、交付记录和会话笔记五个区块。可选的 `projects.json` 用于跨日追踪活跃项目。
## 显著优点
– **上下文连续性**：通过结构化文件系统彻底解决会话重启后的重新定向问题，实现”昨日计划-今日执行-明日继承”的闭环
– **轻量无侵入**：仅操作专属文件，不触碰用户其他记忆系统，可与任意其他 skill 并存
– **多维度回顾**：支持日/周/standup 三种复盘粒度，适配个人追踪与团队同步场景
– **阻塞项显性化**：独立的 blocker 追踪机制，支持责任人标注，降低协作摩擦
## 潜在局限
– **手动执行依赖**：所有命令需主动触发，无自动提醒或定时机制
– **无优先级算法**：任务排序完全依赖用户输入，缺乏紧急/重要四象限等智能排序
– **协作边界模糊**：虽支持 blocker 标注责任人，但无通知机制，依赖外部沟通渠道
– **数据孤岛风险**：长期历史数据分散于每日文件中，跨月度趋势分析需额外工具
## 适合人群
– 高频使用 agent 进行多会话长周期项目的个人开发者或研究员
– 需要向人类协作者定期汇报进展的 hybrid 工作流场景
– 对” shipped 文化”有认同，希望建立可量化的交付记录的用户
## 常规风险
– **文件冲突**：若用户手动编辑 `memory/` 下的规划文件，可能导致解析失败
– **日期边界**：跨时区或夜间会话可能产生日期归属歧义（未明确时区处理逻辑）
– **累积债务**：长期使用 `/plan carry` 而未清理的任务可能无限膨胀，需定期人工审视
## 安全说明
本评估基于功能设计文档分析，未执行代码级安全扫描。该 skill 仅执行文件读写操作，无网络请求或外部命令执行能力，理论攻击面较小。
会员专属
