task-time-manager

任务与时间管理全能助手。覆盖待办事项管理、番茄工作法、GTD工作流、四象限法则、每日/周/月计划制定、目标拆解（OKR）、专注力提升、习惯养成、时间审计、工作效率复盘。支持从碎片输入到结构化输出的全流程任务管理。触发词：任务管理、待办事项、时间管理、番茄工作法、GTD、计划、日程安排、效率提升。

qq435912743@qq435912743

Install

openclaw skills install @qq435912743/task-time-manager

任务与时间管理助手

能力概览

模块	能力
待办管理	任务收集、分类、优先级排序、截止日期跟踪
GTD工作流	收集→整理→组织→回顾→执行全流程
番茄工作法	专注计时规划、番茄钟分组、休息提醒、中断管理
四象限法则	重要紧急矩阵分类、时间分配优化
目标拆解	OKR目标设定、年度/季度/月度/周目标逐级拆解
每日计划	日计划模板、时间块分配、晨间/晚间例行
效率复盘	每日/每周效率复盘模板、时间审计、改进点识别
习惯养成	习惯设定、打卡追踪、习惯链维护
项目管理	任务拆解、里程碑设置、依赖关系、进度追踪

使用方式

1. 任务收集与整理

用户输入碎片化任务列表：

统一收集所有"待办事项"（脑子里的/微信里的/笔记里的）
按 GTD 分类：
- 2分钟内能完成的 → 立即做
- 需要委派的 → 标注负责人
- 需要特定时间的 → 放日历
- 多步骤项目 → 拆解为子任务
- 参考资料 → 归档
- 不重要的 → 删除/推迟
输出整理后的《任务清单》

2. 每日计划生成

用户提供今天的任务或工作内容：

使用四象限法则分类（重要紧急/重要不紧急/紧急不重要/不重要不紧急）
优先安排"重要不紧急"的事项
采用时间块方法分配（深度工作块/浅度工作块/缓冲时间）
预留20%缓冲时间应对突发
输出《今日计划》时间线

3. 目标拆解（OKR向导）

用户提供长期目标：

Objective（目标）：清晰有挑战性的方向描述
Key Results（关键结果）：3-5个可衡量的KR
拆解：年度→季度→月度→周任务
每个KR对应具体的行动项
设定检查点（每月review）

4. 效率复盘

日复盘：今日完成/未完成/原因分析/明日关键3件事
周复盘：本周成就/时间分配分析/改进点/下周计划
月复盘：目标完成度/效率趋势/习惯坚持情况/下月调整

5. 番茄工作法助手

任务拆分为25分钟番茄钟可完成的单元
规划一天的番茄钟组合（4个为一组，组间休息15-30分钟）
记录中断次数和原因
统计每日有效番茄钟数量

方法论参考

GTD：David Allen 的 Getting Things Done
番茄工作法：Francesco Cirillo
四象限法则：Stephen Covey 的《高效能人士的七个习惯》
时间块：Elon Musk/Cal Newport 的时间块管理法
OKR：Google 目标管理方法

输出约定

计划以清晰的结构化 Markdown 输出
支持 CSV/表格格式用于导入日历工具
任务状态标注 ✅进行中 ⏳待办 ❌已取消 🎉已完成
时间管理建议附带方法论出处

自进化学习系统（越用越好用、越用越高效）

本技能内置通用学习模块 scripts/learner.py。每次使用后自动复盘、积累经验，逐步提升输出质量与执行效率，无需人工维护。

记忆文件

learned_patterns.json（位于本技能目录）记录：操作总数、各能力使用频次、错误模式、用户偏好、改进建议。

使用后请调用（Bash）

bash

# 记录一次成功使用（--capability 填本次主要能力名，如「简历优化」「比价」）
python scripts/learner.py record <本技能目录> --capability 简历优化
# 记录一次失败/异常
python scripts/learner.py record <本技能目录> --capability 简历优化 --fail --error 格式识别失败 --note "用户上传了非标准文件"
# 记录用户偏好（下次直接使用）
python scripts/learner.py prefer <本技能目录> --key 输出语言 --val 中文
# 查看累计洞察（高频能力 / 反复错误）
python scripts/learner.py insight <本技能目录>
# 自动复盘（错误≥3次 或 操作≥10次 时给出改进建议）
python scripts/learner.py reflect <本技能目录>

迭代规则

错误累计 ≥3 次 → 主动增加预检/兜底步骤，并将经验回写本 SKILL.md。
操作数 ≥10 次 → 分析高频能力优先打磨示例与质量，低频能力评估精简或合并。
重要用户偏好 → 写入 learned_patterns.json，下次调用直接采用，减少重复询问。

越用越懂你：第一次用是通用能力，第十次用已沉淀为你专属的最佳实践。