Smart Reminder — 智能提醒助手

> "说过的事，AI帮你记住。"

概述

智能提醒助手是一个完全被动的后台技能。你随口说一句"明天提醒我给李总打电话"，AI会记住，下次对话时自动提醒你。

核心价值：
- 被动记录：不需要打开任何App，不需要填表单，随口说就行
- 自动触发：下次打开AI对话，提醒自动出现在开场白里
- 完全无感：记录时不弹提示，不要求确认
- 纯本地存储：所有提醒数据存在本地，不上传任何地方
- 代码兜底：核心操作由reminder_engine.py强制执行，不依赖AI理解

技术架构

采用"AI策略层 + 代码执行层"双层架构：

AI绝不直接操作文件系统，所有文件操作必须通过reminder_engine.py执行。

reminder_engine.py 命令清单

# 检测用户输入中是否含提醒请求
python reminder_engine.py detect "用户输入文本"
→ 返回: {"has_reminder": true/false, "reminders": [{"time": "...", "action": "..."}]}

# 写入新提醒
python reminder_engine.py add "时间描述" "提醒内容"
→ 返回: {"success": true/false, "id": "..."}

# 检查是否有到期提醒（每次对话开始时调用）
python reminder_engine.py check
→ 返回: {"due": [{"id": "...", "time": "...", "action": "...", "created_at": "..."}]}

# 标记提醒已处理（提醒触发后调用）
python reminder_engine.py done "提醒ID"
→ 返回: {"success": true/false}

# 列出所有待处理提醒
python reminder_engine.py list
→ 返回: {"pending": [{...}]}

# 删除提醒
python reminder_engine.py remove "提醒ID"
→ 返回: {"success": true/false}

触发条件

被动触发（每次对话自动运行）

本技能在每次对话开始时自动激活，执行以下操作：

对话开始
  ↓
执行: python reminder_engine.py check
  ↓
如果有到期提醒（due数组非空）:
    在首次回复中自然带出提醒
    （格式见"提醒呈现规范"）
  ↓
用户确认已处理:
    执行: python reminder_engine.py done "提醒ID"

提醒记录触发（对话进行中自动检测）

用户说话中（任何一轮）
  ↓
执行: python reminder_engine.py detect "用户本轮输入"
  ↓
如果返回 has_reminder = true:
    静默提取时间和内容
    执行: python reminder_engine.py add "时间" "内容"
    （不向用户报告，完全无感）

主动触发（用户明确询问）

• "我有哪些提醒？"
• "提醒列表"
• "待办事项"
• "删除提醒[XXX]"

工作流程

第一步：对话开始检查（自动执行）

AI行为：
1. 对话开始后，第一时间执行 python reminder_engine.py check
2. 如果返回 {"due": []}（空数组）→ 正常开始对话，不做任何提醒操作
3. 如果返回 {"due": [...]}（非空） → 进入第二步

异常处理：
- reminder_engine.py返回错误 → 静默跳过，正常开始对话
- JSON解析失败 → 视为无到期提醒，正常开始对话
- 时间计算异常 → 跳过该条提醒，继续检查下一条

第二步：自然呈现提醒

核心原则：提醒要"自然地带出来"，不能像系统通知。

格式规范（严格按此执行）：

正确格式（自然融入）：

  "你，今天要给李总打电话，别忘了。
  织金项目3.2节改得怎么样了？"

错误格式（系统通知感）：

  "【提醒】您有一条待办事项：给李总打电话
  【时间】2026-05-25
  【内容】给李总打电话"

多条提醒的处理：
- 1条 → 直接带出，1句话
- 2-3条 → 用"还有"连接，不超过2句话
- 4条以上 → 只说最紧急的2条，加一句"还有其他几件事，慢慢来"

时间表述规范：
| 原始时间 | 呈现表述 |
|---------|---------|
| 今天 | "今天" |
| 明天 | "明天" |
| 2026-05-27 | "5月27号" |
| 下周一 | "下周一" |
| 3天后 | "再过3天" |

第三步：记录新提醒（对话进行中自动检测）

检测触发条件（全部满足）：
1. 用户输入含时间词（今天/明天/后天/X天后/下周X/X月X号）
2. + 动作词（提醒/记得/别忘了/通知我/到时候说一声）
3. 或含明确的待办语义（"要去XXX"、"得XXX"、"需要XXX"）

AI行为：
1. 执行 python reminder_engine.py detect "本轮用户输入"
2. 如果 has_reminder = true → 提取第一条reminder的time和action
3. 执行 python reminder_engine.py add "time" "action"
4. 不向用户报告"已记录提醒"（完全无感）

提取规则：

用户输入："明天提醒我给李总打电话"
  → time: "明天"
  → action: "给李总打电话"
  → 执行: python reminder_engine.py add "明天" "给李总打电话"
  → AI回复中完全不提"已记录提醒"（装作不知道）

同一轮输入含多个提醒：
- 最多提取2个，取最明确的两个
- 分别执行add命令

第四步：提醒后处理

用户确认已处理（显式或隐式）：

显式确认：
- "好的，打完了"
- "搞定了"
- "已经处理了"

隐式确认：
- 用户开始聊其他话题，且距离提醒触发已超过10分钟

AI行为：
1. 执行 python reminder_engine.py done "提醒ID"
2. 如果成功 → 不回复确认信息，直接继续对话
3. 如果失败 → 静默跳过，不影响对话

用户要求删除提醒：
1. 执行 python reminder_engine.py list 获取所有pending
2. 匹配用户描述的提醒内容
3. 执行 python reminder_engine.py remove "提醒ID"

数据存储结构

~/.workbuddy/smart-reminder/
├── pending.json           ← 待触发提醒列表（reminder_engine.py管理）
└── history.json          ← 已触发提醒历史（reminder_engine.py管理）

pending.json 格式：

[
  {
    "id": "rem_20260524_103000_001",
    "time_raw": "明天",
    "time_parsed": "2026-05-25",
    "action": "给李总打电话",
    "created_at": "2026-05-24T10:30:00",
    "status": "pending"
  }
]

history.json 格式：

[
  {
    "id": "rem_20260523_090000_001",
    "time_raw": "今天",
    "time_parsed": "2026-05-23",
    "action": "发邮件给张总",
    "created_at": "2026-05-23T09:00:00",
    "triggered_at": "2026-05-23T10:15:00",
    "status": "done"
  }
]

时间解析规范

reminder_engine.py负责时间解析，AI不需要自己解析时间，只需要把用户原话传给引擎。

支持的时间表达：
| 用户输入 | time_raw | time_parsed（引擎计算） |
|---------|----------|----------------------|
| 今天 | 今天 | 当天日期 |
| 明天 | 明天 | 当天+1天 |
| 后天 | 后天 | 当天+2天 |
| 3天后 | 3天后 | 当天+3天 |
| 下周一本 | 下周一 | 下一个周一的日期 |
| X月X号 | X月X号 | 对应日期（当年） |
| 2026-05-27 | 2026-05-27 | 2026-05-27 |

时间解析失败的处理：
- reminder_engine.py返回 time_parsed: null
- AI在呈现提醒时，直接使用 time_raw 原文
- 例如：无法解析"下周找个时间"，呈现为"你，你说下周找个时间XX，别忘了"

异常处理规范

reminder_engine.py 级异常

AI策略层异常

注意事项

DO

• 每次对话开始时自动执行 python reminder_engine.py check
• 使用reminder_engine.py执行所有文件操作，不直接读写JSON
• 提醒呈现要自然，融入第一句回复，不超过2句话
• 记录新提醒后不向用户报告，完全无感
• 提醒触发后，用户确认处理，执行 python reminder_engine.py done
• 多条提醒时，优先呈现最紧急/最早的
• 时间表述用口语（"今天"、"明天"），不用ISO日期

DON'T

• 不要直接读写pending.json或history.json（必须通过reminder_engine.py）
• 不要逐字复述提醒内容（要自然融入对话）
• 不要向用户报告"已记录提醒"、"已保存"（完全无感）
• 不要用系统通知的语气呈现提醒（"【提醒】XXX"）
• 不要在一次回复中呈现超过3条提醒
• 不要存储敏感信息（密码、身份证号、银行账号等）
• 不要跨用户共享提醒数据（每个用户独立存储）

快速开始示例

场景1：随口说一句，AI记住了

用户：明天提醒我给李总打电话
AI：（静默执行 detect + add，不回复"已记录"）
    "收到，织金项目3.2节今天继续？"

[第二天，用户打开新对话]

用户：早
AI：（执行 check，发现到期提醒）
    "你，今天要给李总打电话，别忘了。
    织金项目昨天改到哪了？"

场景2：查询提醒列表

用户：我有哪些提醒？
AI：（执行 list）
    "目前有2条待办：
    1. 今天：给李总打电话
    2. 后天：提交织金项目3.2节修改版"

场景3：完成提醒后

AI："你，今天要给李总打电话，别忘了。"
用户："打完了"
AI：（静默执行 done）
    "好嘞。织金项目3.2节改得怎么样了？"

版本说明

V1.0.0 — 基础版
- 被动检测提醒请求
- 自动记录并在下次对话触发
- 完全无感运行
- 代码兜底（reminder_engine.py）