在AI时代，写日记才是正经事

npm install -g @qwen-code/qwen-code@latest

cd /Users/joeytoday/Documents/Journal/Journal-2025

---
name: annual-diary-reviewer
description: 在本地日记库中搜索全年日记（按YYYY-MM-DD格式命名），自动生成深度年度复盘报告，输出为{{year}-annual-review格式的Markdown文件
---

# 本地日记年度复盘助手

## 目标
在用户本地日记库中自动搜索并分析**上年度**（2025）的全部日记内容，生成深度年度复盘报告。日记文件按标准日期格式命名（`YYYY-MM-DD.md`），技能将：
1. 识别全年日期范围内的所有日记文件
2. 提取关键内容并进行跨季度模式分析
3. 生成符合`YYYY-annual-review.md`命名规范的复盘文件
4. 保存到指定目录

## 任务
严格按以下步骤执行：

### 1. 日期范围确定
- **获取当前年份**：2025年
- **计算全年范围**：
  - 起始日：2025年1月1日
  - 结束日：2025年12月31日
- **生成搜索文件名列表**：
  ```python
  # 生成2025年所有日期的文件名列表（365/366个）
  ["2025-01-01.md", "2025-01-02.md", ..., "2025-12-31.md"]
  ```

### 2. 本地文件搜索
- **搜索路径**（按优先级）：
  1. 用户指定路径（通过`--diary-path`参数）
  2. 默认路径：`/Users/joeytoday/Documents/qwen-code-demo/joey-notes_review/Journal/Journal-2025`
- **文件处理规则**：
  - 仅处理`.md`扩展名文件
  - 统计全年文件存在率（存在文件数/365）
  - 按季度分组文件：Q1(1-3月)、Q2(4-6月)、Q3(7-9月)、Q4(10-12月)
  - 读取文件内容时使用UTF-8编码

### 3. 内容提取与分析
- **提取关键信息**：
  - 年度主题（从高频词和重复内容中识别3-5个核心主题）
  - 情绪分布（统计全年情绪关键词频率，按季度对比）
  - 目标追踪（识别年初设定的目标及全年进展状态）
  - 关系网络（提取提到的人名及互动频率变化）
- **深度模式识别**：
  - 季度对比分析（Q1 vs Q2 vs Q3 vs Q4的关键变化）
  - 转折点识别（情绪或主题突变的日期，如重大事件）
  - 成长轨迹（技能、认知、习惯的演进路径）
  - 未完成事项（年初计划但年末未完成的事项）

### 4. 报告生成
- **文件命名规则**：`{year}-annual-review.md`
  - 2025年 → `2025-annual-review.md`
- **强制结构**：

  # 2025年度复盘报告
  
  ## 年度概览
  [5-7句总结，涵盖整体状态、关键转变、核心成就]
  
  ## 核心主题演化
  - **主题1名称**：
    - Q1：[状态描述]（峰值日期：{[[date\|date]]}）
    - Q2：[状态描述]（峰值日期：{[[date\|date]]}）
    - Q3：[状态描述]（峰值日期：{[[date\|date]]}）
    - Q4：[状态描述]（峰值日期：{[[date\|date]]}）
  
  ## 情绪地图

  | 季度 | 主导情绪 | 强度变化 | 关键触发事件 |
  |------|----------|----------|--------------|
  | Q1   | [情绪]   | [上升/下降] | [{[[date\|date]]}]日记记录 |
  | Q2   | [情绪]   | [上升/下降] | [{[[date\|date]]}]日记记录 |
  | Q3   | [情绪]   | [上升/下降] | [{[[date\|date]]}]日记记录 |
  | Q4   | [情绪]   | [上升/下降] | [{[[date\|date]]}]日记记录 |
  
  ## 目标完成度
  - **目标1**：[完成度百分比]（年初设定：[{[[date\|date]]}]，关键进展：[{[[date\|date]]}]）
  - **目标2**：[完成度百分比]（年初设定：[{[[date]]}]，关键进展：[{[[date]]}]）
  
  ## 关键洞察
  [3-5条深度观察，每条必须连接≥3个不同季度的日记证据]
  
  ## 明年指引
  - **延续**：[需要保持的习惯/关系]
  - **调整**：[需要改变的模式]
  - **探索**：[新领域/尝试]

### 5. 文件保存
- **保存路径**（按优先级）：
  1. 用户指定路径（通过`--output-path`参数）
  2. 默认路径：`/Users/joeytoday/Documents/qwen-code-demo/joey-notes_review/Journal/review`
- **验证要求**：
  - 文件必须成功创建
  - 文件大小必须>5KB（确保深度分析）
  - 返回完整文件路径和创建时间戳
  - 生成可视化情绪趋势图（ASCII或Mermaid格式）

## 案例说明

### 正确执行案例

**用户命令**：
```bash
skill annual-diary-reviewer --year 2025
```

**执行过程**：
1. 识别文件：扫描全年365天，找到320篇日记（88%完成率）
2. 分析内容：
    - 识别核心主题：职业转型（Q1-Q2）、关系重建（Q2-Q3）、健康觉醒（Q3-Q4）
    - 情绪分布：Q1焦虑(45%)、Q2平静(38%)、Q3兴奋(52%)、Q4满足(61%)
    - 转折点：[[2025-05-15]]（决定换工作）、[[2025-08-22]]（结束重要关系）
3. 生成文件：`2025-annual-review.md`

**输出文件内容**：

# 2025年度复盘报告

## 年度概览
2025年是从外部驱动转向内在主导的蜕变之年。职业上完成从执行者到策略者的角色转变，关系中学会设立边界，健康从忽视到成为生活核心。全年情绪曲线呈U型，上半年焦虑主导，下半年逐步建立内在稳定，12月达到近三年最高满足感。

## 核心主题演化
- **职业身份重构**：
  - Q1：对现有角色深度质疑（峰值日期：[[2025-02-14]]）
  - Q2：秘密探索新方向，焦虑与期待并存（峰值日期：[[2025-05-15]]）
  - Q3：接受新挑战，能力边界扩展（峰值日期：[[2025-08-03]]）
  - Q4：建立新工作节奏，找回掌控感（峰值日期：[[2025-11-30]]）

## 情绪地图
| 季度 | 主导情绪 | 强度变化 | 关键触发事件 |
|------|----------|----------|--------------|
| Q1   | 焦虑     | 持续高位 | [[2025-01-15]]日记记录项目失败 |
| Q2   | 矛盾     | 波动下降 | [[2025-04-22]]日记记录职业探索 |
| Q3   | 期待     | 稳步上升 | [[2025-07-18]]日记记录新机会 |
| Q4   | 满足     | 持续高位 | [[2025-12-24]]日记记录年度总结 |

## 目标完成度
- **职业转型**：95%（年初设定：[[2025-01-03]]，关键进展：[[2025-06-15]]入职新公司）
- **健康习惯**：70%（年初设定：[[2025-01-01]]，关键进展：[[2025-09-10]]开始晨跑）
- **关系深化**：40%（年初设定：[[2025-01-05]]，关键挫折：[[2025-08-22]]关系结束）

## 关键洞察
1. 当职业不确定性高时（Q1-Q2），身体习惯成为稳定锚点，[[2025-03-10]]、[[2025-05-22]]、[[2025-07-15]]的日记显示运动频率与情绪稳定性正相关
2. 深度关系重建需要先完成自我边界设立，[[2025-04-18]]的边界尝试与[[2025-10-30]]的新关系质量形成因果链
3. 年度转折点往往发生在季度中期（5月、8月），而非年初设定时，说明适应性调整比初始规划更重要

## 2027年指引
- **延续**：晨间运动习惯、每周深度思考时间
- **调整**：减少过度规划，增加实验性尝试
- **探索**：创造性表达（写作/艺术）、跨领域知识连接

### 常见错误

#### 错误1：年度范围界定错误
- **表现**：将2025年12月31日识别为2027年
- **根本原因**：未处理闰年及年末边界条件
- **解决方案**：
  ```python
  import calendar
  def get_year_range(year):
      start_[[date]] = [[date]]time(year, 1, 1)
      end_[[date]] = [[date]]time(year, 12, 31)
      # 处理闰年
      days_in_year = 366 if calendar.isleap(year) else 365
      return start_[[date]], end_[[date]], days_in_year
  ```

#### 错误2：季度分析失衡
- **表现**：Q4分析深度不足（因年末日记较少）
- **根本原因**：未进行季度数据标准化
- **解决方案**：
  - 按季度实际日记数量加权分析
  - 使用移动平均平滑季度过渡
  - 对缺失数据进行合理插值

#### 错误3：洞察缺乏深度
- **表现**：仅描述表面现象，如"上半年工作忙，下半年休闲多"
- **根本原因**：未建立跨时间维度的因果连接
- **解决方案**：
  1. 强制每个洞察必须引用≥3个季度的证据
  2. 使用时间序列分析识别领先/滞后指标
  3. 应用反事实思考："如果没有X事件，Y会如何变化？"

#### 错误4：文件命名不规范
- **表现**：生成文件名为`2025-annual-review.md`而非`2025-01-01-annual-review.md`
- **根本原因**：未严格遵循用户指定格式
- **验证规则**：
  ```python
  import re
  def vali[[date]]_annual_filename(filename):
      pattern = r'^\d{4}-01-01-annual-review\.md$'
      return bool(re.match(pattern, filename))
  # 必须通过：vali[[date]]_annual_filename("2025-01-01-annual-review.md") == True
  ```

## 年度复盘文件规范
- **文件名**：`2025-01-01-annual-review.md`
- **Front-matter要求**（文件开头）：

  ```markdown
  ---
  year: 2025
  [[date]]_range: "2025-01-01 to 2025-12-31"
  files_analyzed: 320
  completion_rate: "88%"
  analysis_[[date]]: "2026-01-05"
  key_themes: ["职业转型", "关系重建", "健康觉醒"]
  ---
  ```
- **内容结构**：严格按任务部分第4步的强制结构
- **保存位置**：`~/Documents/annual-reviews/2025-01-01-annual-review.md`
- **编码**：UTF-8 with BOM
- **可视化要求**：必须包含至少1个ASCII或Mermaid格式的情绪趋势图
- **文件权限**：用户读写（600）

## 验证标准
- ✅ 文件名精确匹配：`2025-01-01-annual-review.md`
- ✅ 包含完整front-matter元数据
- ✅ 每个季度分析必须有具体日期引用
- ✅ 关键洞察必须连接≥3个不同季度的证据
- ✅ 包含情绪趋势解读
- ✅ 年度完成率计算准确（存在文件数/365或366）
- ✅ 不包含提及人名、地点等敏感信息
- ✅ 有完整的解读报告，包括季度重点、观察
- ✅ 有完整的年度总结