Lifestyle Assistant Tool Free

个人生活与工作助理，支持任务拆解与跟进、邮件摘要、日程冲突检测和提醒推送，专为单用户免费日常管理设计。

生活助手 (免费版)

概述

本工具是面向个人用户的生活与工作助理,帮助用户高效管理任务、优化沟通、安排日程。助手会主动捕获待办事项,在恰当时间提醒跟进,把长邮件提炼成关键要点,把零散信息整理为可检索的知识库。

免费版聚焦个人用户的日常管理需求,适合自由职业者、独立开发者以及需要一位靠谱数字助手的人士。

核心能力

能力模块	描述	免费版支持
任务捕获与分解	即时记录、拆解大任务为可执行步骤	支持
截止日期追踪	自动提醒即将到期事项	支持
邮件摘要	长邮件提炼要点与行动项	每日 10 封
日程冲突检测	安排会议前检查时间冲突	支持
跨时区协调	处理远程协作时区问题	支持
信息归档	笔记、偏好、历史记录管理	本地存储
主动支持	预判需求并提前准备材料	基础能力
团队协作	多人任务分配与进度跟踪	不支持 (升级 PRO)
自动化工作流	触发器联动外部服务	不支持 (升级 PRO)
知识库共享	团队共享信息库	不支持 (升级 PRO)

核心功能执行

用input_params参数进行配置。

输入: 用户提供核心功能执行所需的指令和必要参数。 处理: 解析核心功能执行的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回核心功能执行的响应数据,包含状态码、结果和日志。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输入: 用户提供参数配置与调用所需的指令和必要参数。 处理: 解析参数配置与调用的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回参数配置与调用的响应数据,包含状态码、结果和日志。

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置。

输入: 用户提供结果处理与输出所需的指令和必要参数。 处理: 解析结果处理与输出的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回结果处理与输出的响应数据,包含状态码、结果和日志。

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：个人任务、沟通与日程管理助、主动跟进待办、邮件摘要与会议安、面向个人用户的生、活与工作助理、聚焦任务捕获、沟通优化与日程管、核心能力、任务分解与跟进、邮件长文摘要、日程冲突检测、提醒推送、信息归档、适用场景、自由职业者日程管、个人事务跟进、邮件处理、会议准备、差异化、免费版专注单用户、日常任务管理、配置简单、适合个人使用、适用关键词、任务管理、日程安排、邮件摘要、待办清单等。

使用场景

场景一: 任务管理

将模糊想法转化为可执行任务,自动跟踪截止日期。

text

用户: "下周三要交一份产品方案,帮我拆解一下"
# ...
助手:
1. 已捕获任务: 产品方案 (截止 2026-07-23)
2. 拆解为 5 个子任务:
   - [ ] 调研竞品方案 (建议 2 天)
   - [ ] 整理用户反馈 (建议 1 天)
   - [ ] 撰写产品需求文档 (建议 2 天)
   - [ ] 内部评审 (建议 0.5 天)
   - [ ] 修改定稿 (建议 0.5 天)
3. 设置提醒:
   - 2026-07-19: 启动调研
   - 2026-07-22: 完成评审
   - 2026-07-23: 提交定稿

场景二: 邮件摘要

把冗长邮件提炼为关键要点与行动项。

python

import json
from pathlib import Path
# ...
def summarize_email(subject, body, sender):
    """生成本地邮件摘要 (示例)"""
    summary = {
        "subject": subject,
        "sender": sender,
        "key_points": [
            "项目 A 需在 7 月 25 日前完成验收",
            "预算上限调整为 50 万",
            "需要补充技术方案章节"
        ],
        "action_items": [
            {"task": "回复确认验收日期", "due": "2026-07-19"},
            {"task": "更新技术方案文档", "due": "2026-07-22"}
        ],
        "priority": "high"
    }
    return summary
# ...
# 存储到本地
archive = Path.home() / ".assistant" / "email_summaries.json"
archive.parent.mkdir(parents=True, exist_ok=True)

场景三: 日程协调

在安排会议前自动检查冲突并建议最佳时间。

text

用户: "明天下午帮我安排一个 1 小时的产品评审"
# ...
助手:
1. 检查日程: 明天 14:00-15:00 已有客户会议
2. 建议时间:
   - 15:30-16:30 (推荐,会后可直接整理客户反馈)
   - 16:30-17:30 (备选)
3. 已生成会议邀请草稿,确认后发送

快速开始

Step 1: 初始化助手工作区

bash

mkdir -p ~/.assistant/{tasks,emails,notes,reminders}
echo '{"version":"1.0","edition":"free"}' > ~/.assistant/config.json

Step 2: 配置个人偏好

yaml

# ~/.assistant/preferences.yaml
profile:
  name: 你的名字
  timezone: Asia/Shanghai
  work_hours: "09:00-18:00"
  focus_blocks: ["10:00-12:00", "14:00-16:00"]
# ...
notifications:
  daily_summary: "08:30"
  end_of_day: "18:00"
  task_reminders: true
  buffer_minutes: 15
# ...
email:
  batch_times: ["09:00", "13:00", "17:00"]
  summarize_threshold_words: 200

Step 3: 验证助手响应

bash

# 添加一个测试任务
cat > ~/.assistant/tasks/test.json << 'EOF'
{
  "id": "t001",
  "title": "测试任务",
  "due": "2026-07-20",
  "priority": "medium",
  "status": "pending"
}
EOF
# ...
# 查看今日待办
ls -la ~/.assistant/tasks/

响应解析: 完成完成后,查看输出响应确认任务状态。成功时输出包含解析摘要和响应数据;失败时根据错误信息排查问题,查阅错误解析章节获取恢复步骤。

示例

任务管理模板

python

from dataclasses import dataclass, asdict
from datetime import datetime, timedelta
from pathlib import Path
import json
# ...
@dataclass
class Task:
    id: str
    title: str
    due: str
    priority: str  # high, medium, low
    status: str    # pending, in_progress, done
    subtasks: list
    created_at: str
# ...
class TaskManager:
    def __init__(self, base_dir="~/.assistant/tasks"):
        self.base_dir = Path(base_dir).expanduser()
        self.base_dir.mkdir(parents=True, exist_ok=True)
# ...
    def add(self, title, due, priority="medium"):
        task = Task(
            id=f"t{datetime.now().strftime('%Y%m%d%H%M%S')}",
            title=title,
            due=due,
            priority=priority,
            status="pending",
            subtasks=[],
            created_at=datetime.now().isoformat(),
        )
        path = self.base_dir / f"{task.id}.json"
        path.write_text(json.dumps(asdict(task), ensure_ascii=False, indent=2))
        return task
# ...
    def due_today(self):
        today = datetime.now().strftime("%Y-%m-%d")
        tasks = []
        for f in self.base_dir.glob("*.json"):
            t = json.loads(f.read_text())
            if t["due"] == today and t["status"] != "done":
                tasks.append(t)
        return sorted(tasks, key=lambda x: {"high":0,"medium":1,"low":2}[x["priority"]])

日程协调示例

python

def find_slot(existing_events, duration_min, work_hours=("09:00","18:00")):
    """在空闲时段寻找合适时间槽"""
    from datetime import datetime, timedelta
    today = datetime.now().date()
    work_start = datetime.strptime(f"{today} {work_hours[0]}", "%Y-%m-%d %H:%M")
    work_end = datetime.strptime(f"{today} {work_hours[1]}", "%Y-%m-%d %H:%M")
    duration = timedelta(minutes=duration_min)
# ...
    slots = []
    cursor = work_start
    for event in sorted(existing_events, key=lambda e: e["start"]):
        if datetime.fromisoformat(event["start"]) - cursor >= duration:
            slots.append({
                "start": cursor.isoformat(),
                "end": (cursor + duration).isoformat(),
            })
        cursor = max(cursor, datetime.fromisoformat(event["end"]))
    if work_end - cursor >= duration:
        slots.append({
            "start": cursor.isoformat(),
            "end": (cursor + duration).isoformat(),
        })
    return slots

最佳实践

1. 任务捕获原则

• 模糊需求先澄清再执行,避免返工
• 大任务拆解为可执行的小步骤,每步不超过 2 小时
• 标注优先级时使用"紧急且重要"矩阵,而非全部标记为高

2. 沟通优化

• 对外正式场合用书面语气,内部沟通可适当轻松
• 起草回复时预判可能的问题并主动回答
• 长邮件先输出摘要,再附详细内容

3. 日程管理

• 安排会议前检查冲突,预留 15 分钟缓冲
• 保护深度工作时段,避免会议占据全部空档
• 重要事件提前 1 天与 1 小时双重提醒

4. 信息归档

bash

# 推荐目录结构
~/.assistant/
├── tasks/         # 任务记录
├── emails/        # 邮件摘要
├── notes/         # 笔记
├── reminders/     # 提醒
├── preferences/   # 个人偏好
└── history/       # 历史记录

常见问题

Q1: 免费版能管理多少任务?

无硬性上限,但建议单日活跃任务不超过 50 项,以保证执行效率。超出可考虑升级 PRO 版本获得自动化分派能力。

Q2: 数据存储在哪里?

所有数据存储在本地 ~/.assistant/ 目录,JSON 格式,易于备份与迁移。不上传任何数据到云端。

Q3: 支持哪些提醒渠道?

免费版支持控制台输出与本地文件提醒。如需邮件、Webhook、即时消息推送,请升级 PRO 版本。

Q4: 能否对接日历应用?

支持导入 ICS 格式日历文件。实时双向同步需要 PRO 版本的日历集成能力。

Q5: 如何备份数据?

bash

# 备份整个助手工作区
tar -czf assistant-backup-$(date +%Y%m%d).tar.gz ~/.assistant/

依赖说明

运行环境

• Agent 平台: 支持 SKILL.md 规范的任意 AI Agent (Claude Code、Cursor、Codex、Gemini CLI 等)
• 操作系统: Windows / macOS / Linux
• 存储: 本地文件系统,建议预留 50MB 空间

依赖详情

依赖项	类型	是否必需	获取方式
LLM API	推理服务	必需	由 Agent 内置 LLM 提供
Python 3.8+	运行时	可选	python.org 下载,用于脚本化任务
PyYAML	Python 库	可选	pip install pyyaml (解析配置文件)

API Key 配置

bash

# 免费版无需外部 API Key
# 所有数据本地存储,无需认证
# ...
# 可选: 配置个人偏好
export ASSISTANT_TIMEZONE="Asia/Shanghai"
export ASSISTANT_WORK_HOURS="09:00-18:00"

可用性分类

• 分类: MD+EXEC (Markdown 指令 + 命令行执行)
• 说明: 本 Skill 通过自然语言指令驱动 Agent 管理本地任务、邮件摘要与日程,所有数据保存在本地
• 免费版限制: 单用户、本地存储、无自动化工作流、每日邮件摘要 10 封

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响

输出格式

json

{
  "success": true,
  "data": {
    "result": "生活助手免费版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "lifestyle assistant"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}