shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

AI使用统计助手

每日AI使用统计与日报自动生成工具。扫描用户指定日期的WorkBuddy任务文件夹， 自动读取并分析每个任务的内容（含AI工作日志），提取关键信息，按标准15字段格式输出AI日报记录。 支持单任务多日拆分、多任务单日并行、耗时自动计算、可复用资产标记。 核心特点： - 新增"用户任务"字段，从人的视角还原真实意图 - 产出类型和产出物以目标产物为准，排除中间产物 - 必须读取.workbuddy对话日志还原任务背景 - 工作目录自动检测，无需手动配置 触发词： - "帮我生成今天的AI日报" - "统计我今天的AI使用情况" - "分析我XX月XX日的任务" - "帮我写AI日报" - "每日AI总结" - "AI使用统计" 适用场景： - 公司要求每日/定期汇报AI使用情况 - 个人追踪AI提效数据 - 团队共享AI工作流与资产沉淀 隐私说明： - 本Skill仅读取用户本地WorkBuddy任务文件夹内容 - 所有分析在本地完成，不上传任何数据到外部服务 - 示例数据均为虚构，不包含任何真实业务信息

personAuthor: user_eaf30373hubcommunity
downloadDownload package

AI日报自动生成

概述

本技能用于自动化生成AI每日使用统计日报。通过扫描WorkBuddy历史任务文件夹，读取任务内容+AI工作日志，还原用户真实意图，分析AI使用场景、目标产出物、耗时等关键信息，输出标准化的日报表格记录。

核心设计原则：

  1. 用户任务优先 — 从人的视角描述"我原本想要完成什么"，而非AI对意图的识别
  2. 目标产物导向 — 产出类型和产出物以用户最终需要的交付物为准，排除中间产物
  3. 工作日志必读 — 必须读取 .workbuddy 目录下的对话记录，还原任务背景

工作流程决策树

用户请求生成AI日报
  │
  ├─ 用户提供明确日期？
  │    ├─ 是 → 扫描该日期的所有任务文件夹
  │    └─ 否 → 默认扫描今天（当前日期）
  │
  ├─ 扫描任务文件夹
  │    └─ 路径：F:\WorkBuddy\<日期前缀>-*
  │
  ├─ 分析每个任务文件夹
  │    ├─ 读取.workbuddy目录下的对话日志（优先）
  │    ├─ 读取主要产出文件（最大的md文件）
  │    ├─ 提取用户真实意图 → 生成"用户任务"描述
  │    ├─ 判断目标产物类型（排除中间产物）
  │    ├─ 提取最终交付物（而非中间文件）
  │    └─ 判断任务类别（工作模块、使用场景）
  │
  ├─ 合并/拆分判断
  │    ├─ 同一任务跨多天 → 按天合并为一条
  │    └─ 一天内多个独立任务 → 每条任务独立记录
  │
  └─ 输出标准格式日报
       ├─ 15字段表格（单条或多条）
       ├─ 汇总统计数据
       └─ 关键发现与建议

执行步骤

步骤1：扫描任务文件夹

扫描用户 WorkBuddy 目录下指定日期的所有任务文件夹。

工作目录自动检测（无需配置）：

  1. 检测当前会话所在目录的父目录（如 F:\WorkBuddy）
  2. 检测常见默认路径：F:\WorkBuddy、C:\WorkBuddy、~/WorkBuddy
  3. 如以上均未找到，询问用户手动输入路径

扫描规则：

  • 文件夹名以日期前缀开头（前10位：YYYY-MM-DD）
  • 按时间排序，从早到晚
  • 跳过系统目录和隐藏目录（如 .workbuddy）

步骤2：分析每个任务文件夹（核心步骤）

2.1 读取AI工作日志（优先）

必须读取 .workbuddy 目录下的对话记录，还原用户的真实意图。

日志路径： <工作目录>\<任务文件夹>\.workbuddy\memory\YYYY-MM-DD.md

读取规则：

  • 优先读取对话日志，从中提取用户最初的任务描述
  • 如果日志不存在或为空，再从产出文件反推
  • 日志中通常包含用户的原始query和AI的回应

2.2 读取主要产出文件

  • 列出文件夹内所有文件（排除.workbuddy子目录）
  • 找出最大的产出文件（通常是.md文档）
  • 记录文件大小和修改时间

2.3 内容分析维度

| 分析维度 | 提取内容 | 判断依据 | |---------|---------|---------| | 用户任务 ⭐ | 人的视角的任务描述 | 工作日志中的用户原始query + 对话上下文 | | 任务简述 | AI视角的任务概括 | 文件名 + 文档标题 + 内容关键词 | | 工作模块 | 业务归属 | 内容中涉及的产品/业务线 | | 使用场景 | AI做什么 | 文档类型（PRD/代码/分析/报告） | | AI工具 | 用了什么 | 内容中提及的AI工具或默认WorkBuddy | | AI具体用途 | 让AI执行的动作 | 内容描述中的AI辅助环节 | | 产出类型 ⭐ | 目标产物类型 | 用户最终需要的交付物类型，非中间产物 | | 产出物 ⭐ | 最终交付物 | 用户真正需要的文件，排除中间产物 | | 可复用性 | 是否可沉淀 | 是否包含模板、脚本、标准化流程 |

步骤3：填写15字段日报记录

每条任务对应一条记录，字段如下：

| 序号 | 字段名称 | 字段类型 | 填写规则 | |------|----------|----------|----------| | 1 | 日期 | 日期 | 任务实际执行日期 | | 2 | 提交人 | 文本 | 默认当前用户 | | 3 | 工作模块 | 多选 | 预设分类，见下方选项 | | 4 | 使用场景 | 多选 | 预设分类，见下方选项 | | 5 | 用户任务 ⭐ | 文本 | 从人的视角描述"我原本想要完成什么" | | 6 | 任务简述 | 文本 | AI视角的一句话概括，动词开头 | | 7 | AI工具 | 多选 | 实际使用的工具 | | 8 | AI具体用途 | 文本 | AI执行的具体动作描述 | | 9 | 产出类型 ⭐ | 多选 | 目标产物类型，排除中间产物 | | 10 | 产出物 ⭐ | 文本 | 用户最终需要的交付物，非中间文件 | | 11 | 原耗时(分钟) | 数字 | 不用AI预估时间 | | 12 | 实际耗时(分钟) | 数字 | 用AI实际花费时间 | | 13 | 节省时间(分钟) | 公式 | =原耗时-实际耗时 | | 14 | 可复用 | 单选 | 是否产生可复用资产 | | 15 | 会话/任务ID | 文本 | WorkBuddy文件夹名称，如2026-06-11-17-41-53 |

关键字段填写规范

字段5：用户任务（新增，核心字段）

定义： 从人的视角描述"我原本想要完成什么任务"，还原用户的真实意图。

填写规则：

  • 站在用户角度，用第一人称或客观描述
  • 描述的是"目标"而非"过程"
  • 来源于工作日志中的用户原始query
  • 不要写AI做了什么，要写用户想要什么

对比示例：

| ❌ 差的写法（AI视角） | ✅ 好的写法（用户视角） | |---------------------|----------------------| | "AI生成了会议转录文本" | "整理与外部合作方的会议录音，提取关键讨论点和待办事项" | | "AI撰写了投资分析报告" | "分析目标公司基本面，输出一份可供投资决策参考的研究报告" | | "AI编写了Python脚本" | "为团队开发一个能自动生成数据图表的可视化工具" |

字段9：产出类型（目标产物导向）

定义： 用户最终需要的交付物的类型，排除中间产物和过程文件。

排除清单（中间产物，不应作为产出类型）：

  • 转录文本（如果目标是会议纪要，转录只是中间步骤）
  • 数据抓取脚本（如果目标是报告，脚本只是工具）
  • Prompt调试记录
  • 过程草稿、中间版本

目标产物类型选项：

会议纪要、研究报告、投资分析报告、数据分析报告、
可视化图表、可视化工具、制度文档、制度方案、
SKILL定义、知识库条目、竞品分析报告、产品需求文档(PRD)、
技术方案文档、代码脚本、自动化脚本、数据模型、
其他

对比示例：

| ❌ 差的写法（含中间产物） | ✅ 好的写法（目标产物） | |-------------------------|----------------------| | 会议产出、文档 | 会议纪要 | | 代码、数据分析报告 | 可视化工具（数据图表生成器） | | 代码、文档 | 市场数据监控报告 | | 文档 | SKILL定义 | | 文档、知识库条目 | 团队技能分类体系 |

字段10：产出物（目标产物导向）

定义： 用户最终需要的交付物，排除中间文件和过程产物。

排除清单（中间产物，不应列出）：

  • doc1_text.txt、doc2_text.txt（如果是会议录音转录的中间文件）
  • gen_chart.py（如果目标是数据图表，脚本只是实现工具）
  • process_data.py（如果目标是数据监控报告，脚本只是数据处理工具）
  • 调试记录、临时文件

应列出的目标产物：

  • 最终报告文件名
  • 最终生成的图表文件
  • 最终制度文档
  • 最终SKILL定义文件
  • 最终分类汇总表

对比示例：

| ❌ 差的写法（含中间产物） | ✅ 好的写法（目标产物） | |-------------------------|----------------------| | doc1_text.txt, doc2_text.txt | 外部合作项目会议纪要 | | gen_chart.py, temp_chart.svg | 市场数据可视化图表 | | process_data.py, temp_report.md | 市场数据监控日报 | | analysis_skill.md | 投资分析Skill（含工作流程+数据源定义+输出模板） | | skills_list.md | 团队技能分类汇总体系 |

步骤4：耗时估算

原耗时估算方法（三选一）：

  1. 历史参照法：上次做同类任务实际花了多久
  2. 子任务拆解法：拆成已知步骤分别估算后加总
  3. N/A标记：探索型工作，无法估算，填0

实际耗时估算：

  • 包含：写Prompt、等待AI生成、审核输出、手动修改、多轮迭代
  • 不包含：AI工具的学习时间、任务启动前的思考时间

节省时间计算：

节省时间 = 原耗时 - 实际耗时
（可为负数，如实记录AI第一次使用反而更慢的情况）

步骤5：合并与拆分判断

按天合并原则（同一任务跨多天）：

  • 同一主题的任务，分散在不同日期 → 每天一条，任务简述标注阶段
  • 示例："产品功能模块全流程设计（第一阶段：需求文档）"

独立记录原则（一天内多个任务）：

  • 不同主题的任务，即使在同一天 → 各自独立记录
  • 示例：上午做"制度方案设计"，下午做"数据分析报告" → 2条记录

步骤6：输出格式

6.1 单条记录格式

输出Markdown表格，包含全部15个字段。

6.2 多条记录格式

先输出每条记录的详细表格，再输出汇总统计：

### 日期汇总数据

| 汇总项 | 数值 |
|--------|------|
| 有效任务数 | X条 |
| 总原耗时 | XXX分钟（X小时） |
| 总实际耗时 | XXX分钟（X小时） |
| 总节省时间 | XXX分钟（X小时） |
| 整体提效比例 | XX% |
| 可复用资产数 | X份 |

6.3 扫描原始记录

输出扫描到的文件夹清单，用于核对。

6.4 关键发现

分析当日AI使用的特点和规律：

  • 任务多样性评估
  • AI角色定位（辅助写作/代码生成/数据分析等）
  • 产出物质量评估
  • 可复用资产识别
  • 潜在问题或异常

特殊场景处理

场景1：文件夹为空

  • 标记为"无产出文件"
  • 不计入有效任务数
  • 在扫描结果中标注

场景2：一个任务跨多天

  • 每天输出一条记录
  • 任务简述中标注阶段
  • 产出物只列当天产出的文件

场景3：一天内多个独立任务

  • 每个任务独立输出一条记录
  • 分别估算各自的原耗时和实际耗时

场景4：探索型工作（无法估算原耗时）

  • 原耗时填0
  • 节省时间显示为N/A
  • 在任务简述中标注"探索型，无传统对照"

场景5：AI效果不佳（实际耗时 > 原耗时）

  • 如实记录，节省时间为负数
  • 在关键发现中分析原因

质量标准

输出日报必须满足：

  1. 准确性：任务主题、产出物名称必须与文件内容一致
  2. 完整性：15个字段全部填写，无空项
  3. 用户视角："用户任务"字段必须从人的角度描述，而非AI视角
  4. 目标产物导向：产出类型和产出物必须是用户最终需要的，排除中间产物
  5. 工作日志已读：必须确认已读取.workbuddy目录下的对话日志
  6. 可追溯：扫描原始记录包含文件夹名称，便于后续核查
  7. 量化性：尽量提供耗时数据，体现AI提效效果

注意事项

  1. 必须读取工作日志：分析任务时，优先读取 .workbuddy/memory/YYYY-MM-DD.md 还原用户真实意图。
  2. 用户任务 ≠ 任务简述："用户任务"是人的视角（我想要什么），"任务简述"是AI视角（做了什么）。
  3. 产出物 ≠ 中间文件：产出物必须是用户最终需要的交付物，不是AI生成过程中的中间文件。
  4. 产出类型要精准：不要用笼统的"文档""代码"，要用"会议纪要""研究报告""可视化工具"等精准描述。
  5. 原耗时估算：前两周允许估算不准，这是校准期。
  6. 不要事后补填：尽量当天完成当天分析，记忆最准确。