Productivity Automation Kit

效率自动化工具箱 — 自动化工作流模板 + 日程管理助手 + 任务提醒工具 + 数据整理自动化。整合热门Skill功能，帮助用户识别自动化机会、设计工作流、管理日程、追踪任务、整理数据。触发词：效率自动化、工作流模板、日程管理、任务提醒、数据整理自动化、每天提醒、每周计划、自动化流程、省时工具。

Security Scan

The package's files and runtime instructions match a productivity automation toolkit: the code implements local data ETL, schedule planning, and reminder scripts and does not request external credentials or perform network exfiltration.

Purpose & Capability

Name/description (productivity automation, workflows, scheduling, reminders, data cleaning) align with the included scripts (data_automation.py, schedule_planner.py, task_reminder.sh) and documentation. Note: many workflow templates reference external systems/APIs (CRM, Slack, content queues, sales_api) as examples, but the shipped code does not itself integrate with remote services or require credentials — adapters would be needed to connect to those systems.

Instruction Scope

SKILL.md + README instruct using the local scripts. The scripts operate on user-supplied files (JSON/CSV task files, input data) and create local directories (logs, tasks, data/processed, schedules). They do not attempt to read system-wide secrets or network endpoints. Minor issue: the bash reminder script uses jq but the skill metadata does not declare jq as a required binary; users without jq will encounter runtime errors.

Install Mechanism

No install spec; this is effectively an instruction-and-script package that runs local Python/Bash code. Nothing is downloaded or executed from external URLs during install.

Credentials

The skill declares no required environment variables, no credentials, and no config paths. The code only reads files supplied at runtime (input data, optional config) — so requested environment access is minimal and proportionate.

Persistence & Privilege

always:false and default autonomous invocation allowed (platform normal). The skill does not request persistent system-level privileges or attempt to modify other skills' configurations.

Assessment

This package appears coherent and local-only: it runs Python (3.7+) scripts and a Bash reminder script that expects jq. Before running, verify you have Python 3.7+ and jq installed, inspect input files you pass in (they will be read and written to local folders), and run the scripts in a controlled directory or sandbox. If you plan to connect to external services (Slack, CRM, email, APIs) the toolkit only provides templates — you'll need to add adapters and supply credentials; do not store secrets in plaintext files inside the project. If you want extra caution, run the scripts with non-privileged user permissions and review/modify the code to add explicit validation or logging policies.

效率自动化工具箱 (Productivity Automation Kit)

概述

整合自动化工作流、日程管理、任务提醒、数据整理四大功能模块，为个人和团队提供一站式效率自动化解决方案。

适用场景：

• 识别可自动化的高价值任务
• 设计并实现自动化工作流程
• 管理日程、设置任务提醒
• 自动整理和分析数据

---

模块一：自动化工作流模板

1.1 工作流识别 — 什么值得自动化？

自动化机会评分矩阵：（每项 0-3 分，总分 ≥12 立即自动化）

维度	0分	1分	2分	3分
频率	每月1次	每周1次	每天1次	每天多次
耗时	<5分钟	5-15分钟	15-60分钟	>1小时
错误影响	轻微	需返工	面向客户	营收损失
复杂度	5+决策点	3-4决策点	1-2决策点	纯规则
系统集成	4+系统	3系统	2系统	1系统

高价值自动化信号（立即行动）：

• ✅ 同一任务每周执行 ≥5 次
• ✅ 每次耗时 ≥10 分钟
• ✅ 规则固定、无需创意判断
• ✅ 手动操作导致数据错误

低价值信号（跳过）：

• ❌ 每月不到1次
• ❌ 需要复杂判断
• ❌ 非标准化流程

1.2 工作流设计模板

┌─────────────────────────────────────────────────┐
│ WORKFLOW: [工作流名称]                           │
│ 版本: v1.0    创建日期: [日期]                   │
├─────────────────────────────────────────────────┤
│ 触发器 TRIGGER                                  │
│   类型: [schedule|webhook|event|manual]         │
│   条件: [触发条件描述]                           │
├─────────────────────────────────────────────────┤
│ 输入 INPUTS                                    │
│   - [输入项1]: 来源 [来源系统]                   │
│   - [输入项2]: 来源 [来源系统]                   │
├─────────────────────────────────────────────────┤
│ 步骤 STEPS                                      │
│   Step 1: [操作名称]                            │
│     执行: [具体动作]                            │
│     成功→: Step 2                              │
│     失败→: 错误处理器                           │
│   Step 2: [操作名称]                            │
│     ...                                         │
├─────────────────────────────────────────────────┤
│ 错误处理 ERROR HANDLING                         │
│   重试: 最多3次，指数退避                       │
│   告警: [失败时通知渠道]                        │
├─────────────────────────────────────────────────┤
│ 输出 OUTPUTS                                   │
│   - [输出项1]: 目的地 [目标系统/文件]            │
│   - [输出项2]: 目的地 [目标系统/文件]            │
└─────────────────────────────────────────────────┘

1.3 预置工作流模板

模板A：每日内容自动化

触发器: 每天 09:00 (cron: 0 9 * * *)
步骤:
  1. 生成当日励志语录 (AI生成)
  2. 生成配套图片提示词
  3. 发布到社交媒体队列
  4. 记录发布日志
错误处理: 失败发送通知，重新执行最多3次
输出: content_queue/daily_YYYY-MM-DD.json

模板B：周报自动生成

触发器: 每周一 08:00 (cron: 0 8 * * 1)
步骤:
  1. 汇总本周任务完成数据
  2. 计算KPI达成率
  3. 生成结构化周报
  4. 发送至指定邮箱/群组
输出: reports/weekly_YYYY-WXX.json

模板C：潜在客户处理流水线

触发器: 新表单提交 / 新邮件到达
步骤:
  1. 验证数据完整性，去重
  2. 补充企业信息（自动化查询）
  3. 评分 (0-100 ICP匹配度)
  4. 路由:
     - 80分+: 即时通知 + 日历链接
     - 40-79分: 加入培育序列
     - <40分: 自动回复资料
  5. 记录至CRM
输出: leads/processed_YYYY-MM-DD.json

模板D：发票与付款处理

触发器: 发票收据到达（邮件附件 / 上传）
步骤:
  1. 提取关键信息（供应商、金额、到期日）
  2. 匹配至预算类别 / 采购订单
  3. 审批路由:
     - 金额在核准范围内 → 自动审批
     - 超阈值 → 转交经理
     - 无匹配PO → 标记待审
  4. 更新财务系统状态
  5. 发送付款确认通知
输出: invoices/processed_YYYY-MM-DD.json

1.4 ROI计算公式

月节省时间(小时) = (单次分钟数 / 60) × 月执行次数
自动化投入 = (搭建时间 × 时薪) + 工具月费
回收周期(月) = 投入 / 月节省价值

示例:
  任务: 手动填写表单 (15分钟/次, 20次/月)
  节省: 15/60×20 = 5小时/月
  投入: 1小时搭建 + $20/月工具费
  回收周期: 0.2个月 → 立即值得！

---

模块二：日程管理助手

2.1 时间块规划法 (Time-boxing)

核心原则：

• 给每件事分配固定时间块，严格保护不被侵占
• 优先级最高的任务优先安排进时间块
• 周末也预留处理重要事务的时间

每日时间块模板：

┌──────────┬────────────────────────────────┐
│ 时段     │ 安排                           │
├──────────┼────────────────────────────────┤
│ 06:00-08:00 │ 晨间准备 + 深度工作(黄金时段) │
│ 08:00-10:00 │ 高价值任务 (创意/决策)        │
│ 10:00-12:00 │ 会议 + 协作                   │
│ 12:00-13:30 │ 午餐 + 休息                   │
│ 13:30-15:30 │ 下午工作 (适合邮件/琐事)       │
│ 15:30-17:30 │ 收尾工作 + 明日计划           │
│ 17:30-19:00 │ 个人时间                      │
│ 19:00-22:00 │ 弹性时间 / 副业               │
│ 22:00-06:00 │ 睡眠                          │
└──────────┴────────────────────────────────┘

2.2 艾森豪威尔矩阵（优先级判断）

	紧急	不紧急
重要	🔴 立即处理	🟡 计划执行
不重要	🟠 委托他人	🟢 删除/忽略

2.3 能量管理匹配

高能量时段 (认知高峰) → 深度工作、创意决策、学习新技能
中能量时段 → 会议、邮件、协作沟通
低能量时段 → 机械性任务、数据整理、归档

能量低谷应对策略：

• 短暂休息（15-20分钟小睡或散步）
• 切换任务类型（从脑力切换到体力）
• 简单任务填充（邮件处理、文件整理）

2.4 每周规划流程

每周日 (20分钟)：
  1. 回顾上周完成与未完成
  2. 确定本周3大核心目标
  3. 分配至本周时间块
  4. 预判潜在阻碍，准备备选方案

每天晚间 (5分钟)：
  1. 回顾今日完成
  2. 确认明日Top 3任务
  3. 清理收件箱至0

---

模块三：任务提醒工具

3.1 任务分类系统

📌 今日必做 (MIT - Most Important Tasks)
   - 最多3项，必须今天完成
   - 通常是最高价值的工作

📋 本周承诺
   - 本周内需要完成的任务
   - 来源：目标分解、会议决策、承诺

🔄 等待中
   - 委托给他人的任务
   - 等待外部条件的任务

✅ 已完成
   - 记录已完成的重要任务
   - 用于回顾和数据统计

3.2 任务优先级判断

2分钟法则： 能2分钟内完成的事，立即做，不要进入待办清单。

5分钟起步法： 不想开始时，告诉自己"只做5分钟"——往往开始后就停不下来。

3.3 任务提醒模板

任务提醒模板:
  任务: [任务名称]
  来源: [来自哪里：会议/邮件/自己安排]
  截止时间: [YYYY-MM-DD HH:MM]
  优先级: [P0/P1/P2/P3]
  预计耗时: [X小时/分钟]
  关联目标: [对应的目标或项目]
  阻碍因素: [当前卡点]
  需要资源: [完成所需资源]
  提醒时间: [提前多久提醒：1小时/1天/1周]
  提醒方式: [通知/邮件/消息]

3.4 每日任务循环

🌅 晨间 (5分钟)
  → 查看今日MIT (最多3项)
  → 确认时间块安排
  → 清空昨日遗留（决定做/删/推迟）

☀️ 日间
  → 执行时间块任务
  → 新任务立即捕获至收集箱
  → 2分钟法则处理琐事

🌙 晚间 (5分钟)
  → 标记完成/未完成
  → 明日Top 3确认
  → 收件箱归零

3.5 拖延诊断与克服

拖延类型	表现	应对策略
启动困难	不知道从哪里开始	分解至"5分钟就能做完"的第一步
完美主义	怕做不好而不开始	设定"完成版"标准，先做再改
疲劳拖延	精力不足不想动	降低难度，用5分钟代替1小时
恐惧拖延	害怕失败或被评价	拆分任务，降低每次的暴露感
混乱拖延	太多事不知从何下手	强制选出Top 3，其余删除

---

模块四：数据整理自动化

4.1 数据整理工作流模板

触发器: [定时/文件变化/手动]
输入: [原始数据来源：CSV/JSON/API/表单]
处理步骤:
  1. 数据验证 (格式、完整性)
  2. 数据清洗 (去重、格式化、缺失值处理)
  3. 数据分类 (按规则打标签/分组)
  4. 数据统计 (汇总指标、计算KPI)
  5. 输出格式化 (生成报告/导出)
输出: [整理后数据/报告]
错误处理: [异常记录 + 告警]

4.2 数据质量检查清单

✅ 格式验证：字段类型、长度、格式符合预期
✅ 完整性检查：无关键字段缺失
✅ 去重检查：无重复记录（按唯一ID判断）
✅ 一致性检查：同一实体数据在不同来源一致
✅ 时效性检查：数据是否为最新版本
✅ 权限检查：读取/写入权限正确

4.3 自动化数据报告模板

数据报告自动化:
  名称: [报告名称]
  频率: [每日/每周/每月]
  数据源:
    - [源系统1]: 连接方式 [API/文件/数据库]
    - [源系统2]: 连接方式 [...]
  指标计算:
    - 指标1: [计算公式]
    - 指标2: [计算公式]
  告警规则:
    - 触发条件: [指标 > 阈值]
    - 告警方式: [通知渠道]
  输出格式:
    - 摘要: [简短总结，用于消息推送]
    - 完整报告: [详细报告，存档或发送邮件]

4.4 常用数据整理脚本模式

Bash 数据处理脚本模板：

#!/bin/bash
# 数据整理自动化脚本
# 用途: [描述]
# 频率: [执行频率]

set -euo pipefail
LOG_FILE="logs/data_process_$(date +%Y%m%d).log"
TIMESTAMP=$(date -u +"%Y-%m-%dT%H:%M:%SZ")

log() { echo "[$TIMESTAMP] $1" | tee -a "$LOG_FILE"; }

# Step 1: 数据采集
log "采集数据..."
DATA=$(curl -s -H "Authorization: Bearer $API_TOKEN" \
  "https://api.example.com/endpoint" || echo "")

# Step 2: 数据验证
if [ -z "$DATA" ]; then
  log "ERROR: 数据采集失败"
  exit 1
fi

# Step 3: 数据清洗
log "数据清洗..."
CLEANED=$(echo "$DATA" | jq '[.items[] | select(.status == "active")]')

# Step 4: 数据统计
COUNT=$(echo "$CLEANED" | jq 'length')
log "处理完成: $COUNT 条记录"

# Step 5: 输出
echo "$CLEANED" > "data/processed_$(date +%Y%m%d).json"
log "数据已保存"

Python 数据处理脚本模板：

#!/usr/bin/env python3
"""数据整理自动化脚本"""
import json
import csv
from datetime import datetime, timedelta
from pathlib import Path

def load_data(filepath: str) -> list:
    """加载原始数据"""
    with open(filepath, 'r', encoding='utf-8') as f:
        return json.load(f)

def clean_data(raw_data: list) -> list:
    """数据清洗"""
    cleaned = []
    seen = set()
    for item in raw_data:
        # 去重
        item_id = item.get('id')
        if item_id and item_id not in seen:
            seen.add(item_id)
            # 格式化字段
            cleaned.append({
                'id': item_id,
                'name': item.get('name', '').strip(),
                'value': float(item.get('value', 0)),
                'timestamp': item.get('created_at', '')
            })
    return cleaned

def calculate_metrics(data: list) -> dict:
    """计算统计指标"""
    if not data:
        return {'count': 0, 'total': 0, 'average': 0}
    total = sum(d['value'] for d in data)
    return {
        'count': len(data),
        'total': total,
        'average': total / len(data)
    }

def generate_report(data: list, metrics: dict) -> str:
    """生成报告摘要"""
    date_str = datetime.now().strftime('%Y-%m-%d')
    return f"""# 数据报告 - {date_str}

## 统计摘要
- 记录总数: {metrics['count']}
- 总值: {metrics['total']:.2f}
- 平均值: {metrics['average']:.2f}

## 最近更新
{chr(10).join(f"- {d['name']}: {d['value']}" for d in data[-5:])}
"""

if __name__ == '__main__':
    raw = load_data('data/raw/input.json')
    cleaned = clean_data(raw)
    metrics = calculate_metrics(cleaned)
    report = generate_report(cleaned, metrics)
    
    output_dir = Path('data/processed')
    output_dir.mkdir(parents=True, exist_ok=True)
    
    with open(f'data/processed/report_{datetime.now().strftime("%Y%m%d")}.md', 'w') as f:
        f.write(report)
    
    with open(f'data/processed/data_{datetime.now().strftime("%Y%m%d")}.json', 'w') as f:
        json.dump(cleaned, f, ensure_ascii=False, indent=2)
    
    print(f"报告生成完成: {metrics['count']} 条记录")

---

快速启动命令

用户需求	执行操作
"帮我识别哪些事可以自动化"	执行模块一的工作流识别
"设计一个[流程]的自动化"	使用工作流设计模板
"我每天太忙了"	启动日程管理分析 + 时间块规划
"帮我规划本周工作"	执行每周规划流程
"设置任务提醒"	使用任务提醒模板捕获并设置提醒
"每天提醒我做什么"	配置每日任务循环
"自动整理我的数据"	执行数据整理工作流
"生成数据报告"	运行数据报告模板

---

安全与隐私声明

本技能不会：

• 访问外部API（除非用户提供凭证）
• 泄露用户数据
• 自动发送消息至第三方
• 修改系统文件

数据存储：

• 所有数据保存在用户指定目录
• 支持自定义存储路径
• 无外部网络请求（除非用户明确授权）

---

整合来源

本技能整合以下开源Skill的设计理念：

• automation-workflows — 自动化工作流设计模式
• afrexai-business-automation — 企业自动化架构
• productivity — 生产力系统框架
• personal-productivity — 个人效率与时间管理

---

🛠️ 效率自动化工具箱 — 让每一分钟都产生价值