Remind

⏰ 懂你的提醒,恰到好处的唤醒

智能提醒助手,自动学习用户的偏好时机与风格,在恰到好处的时刻唤醒重要记忆,而非打扰。

收藏
12.3k
安装
2.8k
版本
1.0.0
CLS 安全性认证2026-05-16
点击查看完整报告 >

使用说明

核心用法

Remind 是一款自适应智能提醒技能,专注于"恰到好处的唤醒"——在用户可能遗忘、但尚未过晚的时刻,将已知信息带回注意力。与通用通知(Notify)或紧急警报(Alert)不同,Remind 只处理用户已知晓的事项:会议、截止日期、承诺事项等。

工作流:
1. 检测 — 识别可提醒的承诺(会议、截止日、约定)

2. 评估 — 检索用户存储的时机与风格偏好

3. 提醒 — 在最佳时刻触达

4. 观察 — 记录用户反馈("太早了"/"已经知道"/"谢谢,差点忘了")

5. 确认 — 收集2次以上信号后,主动提议调整

6. 存储 — 更新个性化偏好档案

偏好格式: 类别: 偏好详情 (确认状态) [备注]

  • 例如:deadlines: 1 day + morning-of (confirmed)

---

显著优点

| 优势 | 说明 |
|:---|:---|
| **真正智能** | 不依赖固定规则,通过观察用户反应持续进化 |
| **精准克制** | 明确区分 Remind/Alert/Notify,避免信息噪音 |
| **高度个性化** | 学习每位用户的独特节奏:有人需要提前一周,有人只需提前5分钟 |
| **双向学习** | 支持"Skip"(主动忽略)和"Always"(强制提醒)清单,尊重例外 |

---

潜在局限

  • 冷启动期:空白的偏好档案需要足够观察周期才能生效
  • 信号依赖:用户需主动反馈"太早/太晚/刚好",沉默会延缓学习
  • 边界模糊:复杂场景下(如"我刚提起但这事很急"),Remind vs Alert 的区分可能需人工校准
  • 无主动采集:仅被动观察,不主动询问偏好,可能遗漏关键习惯

---

适合人群

  • 高频多线程工作者:会议密集、截止日期交错,需要"外置记忆"
  • 厌恶打扰的用户:厌烦一刀切推送,希望系统懂得"何时闭嘴"
  • 习惯养成期:需要温和、适时的提示来巩固新承诺

---

常规风险

| 风险 | 缓解 |
|:---|:---|
| 学习期遗漏重要事项 | 关键 deadline 建议先手动设置,待确认后再移交系统 |
| 过度适应偏差习惯 | 定期审阅 `Skip` 和 `Always` 清单,防止固化不良模式 |
| 隐私敏感 | 承诺数据本地存储,偏好档案可审计、可清空 |

---

> 空白的章节代表仍在学习中。观察,然后填满。

安全解读

核心用法

Remind 是一个自适应提醒管理 Skill,专注于"让 Agent 学会何时、如何提醒用户"。其核心设计围绕 "记忆唤醒" 而非"事件通知"——提醒的内容必须是用户已知但可能遗忘的事项,如会议、截止日期、承诺等。

典型工作流程:
1. 检测:识别可提醒的承诺(会议、截止日期等)

2. 评估:查询用户存储的提醒偏好(时机、风格)

3. 执行:在恰当时机以合适方式提醒

4. 学习:观察用户反馈("太早了""谢谢提醒""我自己记得")

5. 进化:积累信号后主动提议调整偏好

偏好存储格式简洁明确:类别: 偏好 (置信度) [备注],如 deadlines: 1 day + morning-of (pattern)

显著优点

  • 自进化能力:通过观察-确认-存储循环,持续优化提醒策略,越用越懂你
  • 精准定位:严格区分 Remind(唤醒已知)vs Alert(新事件)vs Notify(通用通知),避免打扰
  • 零代码安全架构:纯 Markdown 文档驱动,无可执行代码、零依赖、零网络调用
  • 透明可控:用户可见全部学习到的偏好,支持手动覆盖(Skip/Always 清单)

潜在局限

  • 学习冷启动:初期偏好为空,依赖用户反馈积累,前几次提醒可能不够精准
  • 语义依赖:" remindable "的判断依赖外部 triggers.mdtiming.md,若配置不当可能漏提或滥提
  • T3 来源风险:个人开发者维护,长期更新和审计保障有限
  • 无主动探测:不会主动扫描日历/API,只能处理 Agent 已感知的信息

适合人群

  • 高频多任务者:日程密集、易遗漏承诺的职场人士
  • 提醒过敏用户:厌恶系统默认提醒节奏,追求"刚刚好"的个性化体验
  • Agent 协同深度用户:愿意投入初期反馈训练,换取长期默契配合

常规风险

  • 隐私学习风险:长期积累的提醒偏好可能暴露用户行为模式(如"总在截止前1天才行动")
  • 过度依赖风险:用户可能逐渐放弃自主记忆,形成外部认知依赖
  • 误学习风险:若用户反馈信号模糊,可能固化错误偏好(建议定期审查 timing.md/style.md

---

安全认证:S+ 顶级,100分满分,零代码零依赖零网络

Remind 内容

手动下载zip · 3.4 kB
SKILL.mdtext/markdown
请选择文件