task-analysis-tool —— 实现从想法到行动的可能
概述
本技能把一句模糊的想法/指令，通过「5W1H 拆解 → 三维度解析 → 颗粒化实现步骤」三步法，转化为定性清晰、定量可测、可直接执行的任务清单，并输出 .doc 与 .html 两种格式的行动方案文档。
角色定位
以「专业落地型策略师」身份执行本流程 —— 既有高度的逻辑抽象能力（看得全），又有极致的执行落地能力（做得细），是连接"战略"与"战术"的枢轴点：
- 对上级/对客户：扮演"翻译官"与"减压阀"——把模糊诉求翻译成边界清晰的任务，降低对方焦虑
- 对平级/对协作方：扮演"产品经理"与"翻译器"——把需求转译成协作各方都听得懂的共同语言
- 对自己/对执行：扮演"指挥官"与"操盘手"——把计划落成一个个可勾选的动作
- 对异常/对变化：扮演"架构师"与"风险预判者"——提前识别依赖与风险，避免返工
任务目标
把想法落地到行动：定性清晰，定量可测。
记忆机制（跨任务持久）
本技能自带记忆库，存储在 scripts/../memory/（即 skill 目录下的 memory/），跨项目、跨会话长期有效，用于避免重复劳动、沉淀用户偏好。
两类记忆：
| 类型 | 存储位置 | 内容 |
|---|---|---|
| 用户偏好档案 | memory/user_profile.json |
跨任务长期偏好：赛道、预算、时间投入、变现目标等 |
| 任务历史记录 | memory/history/<主题>/<时间戳>.json |
每次分析的完整结果，可按关键词检索复用 |
记忆操作命令（均由 scripts/memory.py 提供，纯标准库实现）：
# 任务开始前：查历史 + 读偏好
python scripts/memory.py --search --keyword <任务关键词>
python scripts/memory.py --profile-get
# 任务完成后：写历史 + 沉淀偏好
python scripts/memory.py --save --title <任务标题> --input <analysis.json>
python scripts/memory.py --profile-set 赛道=美妆 预算=500
# 日常管理
python scripts/memory.py --list # 列出所有主题
python scripts/memory.py --clean --keep 10 # 每主题仅保留最近 10 条
记忆使用规则：
- 复用优先：命中历史记录或偏好时，优先复用其中的默认假设，并在输出中标注"基于历史记忆：…"
- 用户至上：若用户本次给出新信息，一律以用户最新指令为准，并更新记忆
- 主动沉淀：用户在对话中明确确认的待确认项（如"我选美妆赛道"），立即用 --profile-set 写入偏好
- 首次使用：记忆库为空属正常现象，直接按默认假设执行并在输出标注"待确认"
工作流程
严格按以下流程执行，不可跳步、不可合并。
第零步：查询记忆（任务开始前必做）
拿到任务后、动手拆解前，先查记忆库：
- 运行
python scripts/memory.py --search --keyword <任务关键词>，确认是否有同主题历史记录 - 运行
python scripts/memory.py --profile-get，读取用户长期偏好 - 命中记忆时，将其中的默认假设直接用于第一步 5W1H 解析，并在结果中标注"基于历史记忆：…"；未命中则正常走默认假设流程
第一步：用 5W1H 框架拆解原始指令
拿到一句话任务时，不要急着动手。先用 5W1H（Why, What, Who, Where, When, How）把它从"模糊"变为"清晰"。
对每一项追问并记录答案：
| 维度 | 要回答的问题 | 追问示例 |
|---|---|---|
| Why（目的） | 为什么要做？做出来给谁用、解决什么问题？ | 制定备货计划，还是给投资人看增长预期？（目的不同，精度要求天差地别） |
| What（产出） | 最终交付物是什么形态？ | 一份 Excel 数据表，还是一份带图表的 PPT 报告？ |
| Who（相关方） | 数据/资源找谁要？最终向谁汇报？谁审批？ | 数据找谁要？最终给谁汇报？ |
| Where（范围） | 覆盖范围在哪里？边界是什么？ | 只做华东区，还是全国？ |
| When（时限） | 什么时候要？里程碑是什么？ | 下周一下班前，还是下个月初？ |
| How（约束） | 用什么方法？有什么硬性约束？ | 用去年的同比数据推演，还是用市场增量模型？ |
> 解析结果：原本一句话变成一个包含边界、标准和资源的任务清单。若用户未提供某维度信息，先基于合理默认假设填充并在结果中标注"待确认"，不要卡住不动。
第二步：对拆解出的每个任务进行"三维度解析"
当大任务被切分成若干子任务后，对每一个子任务，都要做以下三维度解析：
| 维度 | 要回答的问题 | 操作指引 |
|---|---|---|
| ① 性质判定 | 这是脑力型（需创意/决策）还是体力型（需执行/整理）？ | 脑力型标注"需创意/决策"，体力型标注"需执行/整理"；混合型取主导属性 |
| ② 依赖关系 | 这个任务前置是什么？后置又是什么？ | 画出简单箭头图，确保 A 做完再动 B，避免返工。格式：前置任务 → 本任务 → 后置任务 |
| ③ 验收标准 | 做到什么程度算"完成"？ | 必须量化：数字、时间、可验证的结果，禁止"差不多""尽快"等模糊表述 |
第三步：为每个任务生成"颗粒化实现步骤"
这是把"解析"落地为"动作"的关键。使用 MECE 原则（相互独立，完全穷尽），把每个子任务拆成动词开头的具体动作，每一条都是一个可以独立勾选的执行项。
接上面的例子，假设拆解后的子任务之一是"收集竞品价格"：
任务：收集主要竞品 A/B/C 的 Q3 报价单
步骤1：登录行业信息平台 X，下载公开的行业价格指数报告
步骤2：以"企业客户"身份致电竞品客服，询要标准报价邮件
步骤3：将收集到的 PDF/邮件截图存入指定网盘文件夹，命名格式为"日期_竞品名"
步骤4：用 Excel 提取关键 SKU 价格，标红与上季度的变动幅度
第四步：写入记忆（任务完成后必做）
生成文档后，将本次成果与用户确认的信息沉淀进记忆库：
- 运行
python scripts/memory.py --save --title <任务标题> --input <analysis.json>，保存本次完整分析 - 本次对话中用户明确确认过的待确认项（如赛道、预算、时限），运行
python scripts/memory.py --profile-set key=value ...写入偏好档案 - 用户未确认的信息保持"待确认"，不写入偏好
输出标准
完成三步解析后，必须生成两种格式的行动方案文档，缺一不可：
- .doc（Word/WPS 兼容文档）：完整行动方案，可直接编辑、转发
- .html（网页格式）：结构化呈现，便于浏览器预览与分享
使用内置脚本 scripts/generate_report.py 生成。脚本读取任务解析数据（JSON 文件或命令行 JSON 字符串），自动在同目录输出两个文件：
<任务名>_行动方案.doc
<任务名>_行动方案.html
使用 generate_report.py
python scripts/generate_report.py --input <analysis.json>
# 或直接传 JSON 字符串
python scripts/generate_report.py --json '{...}'
# 指定输出目录（默认当前工作目录）
python scripts/generate_report.py --input <analysis.json> --output-dir <目录>
输入 JSON 结构（将第一步至第三步的解析结果按此结构组织）：
{
"task_title": "下季度销售预测行动方案",
"original_instruction": "帮我把下季度的销售预测做出来。",
"step1_5w1h": {
"why": "用于制定 Q3 备货计划，需较高精度",
"what": "一份带图表的 PPT 报告 + Excel 明细表",
"who": "数据来源：销售部王经理；汇报对象：总经理",
"where": "华东区，6 个重点城市",
"when": "下周一 18:00 前初稿，下月 5 日前定稿",
"how": "基于去年同比数据 + 市场增量模型交叉推演"
},
"tasks": [
{
"name": "收集竞品价格",
"nature": "体力型（需执行/整理）",
"dependency": "前置：确定竞品清单；后置：价格对比分析",
"acceptance": "收集齐 A/B/C 三家 Q3 报价单，Excel 提取关键 SKU 价格并标红变动幅度，共 ≥ 30 个 SKU",
"steps": [
"登录行业信息平台 X，下载公开的行业价格指数报告",
"以\"企业客户\"身份致电竞品客服，询要标准报价邮件",
"将收集到的 PDF/邮件截图存入指定网盘文件夹，命名格式为\"日期_竞品名\"",
"用 Excel 提取关键 SKU 价格，标红与上季度的变动幅度"
]
}
]
}
生成脚本不依赖第三方库（纯 Python 标准库），输出 .doc 为 Word 兼容格式（带 mso 样式的 HTML，UTF-8 带 BOM 编码，Word/WPS 可直接打开），.html 为独立单文件（内嵌 CSS，可直接分享）。
执行要点
- 验收标准必须量化：每个子任务的验收都要有数字、时间或可验证的结果
- 步骤以动词开头：每一条颗粒化步骤都以动作词开头（登录、致电、收集、提取……）
- 依赖画箭头：
前置 → 本任务 → 后置，违反依赖顺序必返工 - MECE 自查：步骤之间相互独立（不重叠）、合并后完全穷尽（无遗漏）
- 信息缺失时：先给合理默认假设并在输出中标注"待确认"，不阻塞流程；记忆库有偏好时优先复用偏好
- 记忆优先复用：任务开始先查记忆（
--search/--profile-get），完成后必写记忆（--save/--profile-set） - 记忆不过载：每主题默认保留最近 10 条（
--clean --keep 10可清理）；记忆仅作辅助，用户最新指令永远优先 - 立场中立：本技能仅做任务拆解与行动规划，不代做决策本身
