What Should We Do?

核心功能与用法

whatdo 是一款以对话驱动的活动发现技能，核心定位是"帮你停止刷手机、开始去生活"的决策助手。用户触发方式灵活多样——从"what should we do"完整流程到"surprise me"随机惊喜，再到"date night""bored"等快捷指令均可直达。

交互模式：采用8维度动态问卷（同行人员/氛围/室内室外/餐饮/酒精/预算/精力/时间），但强调"非调查式"的自然对话。系统会智能跳过已知的偏好问题，支持通过inline按钮或文字快速作答。完成画像后，输出包含Top Pick、备选方案和Wild Card的三层推荐结构。

数据体系：

• preferences.json 存储饮食禁忌、酒精偏好、常选氛围等长期画像
• history.json 记录两周内的活动历史，避免重复推荐并支持反馈迭代

增强能力：可选集成Google Places API，将抽象建议（"找家没试过的埃塞俄比亚餐厅"）锚定为具体地点（店名、评分、地图链接、营业状态）。

显著优势

决策心理学设计：精准捕捉"选择瘫痪"场景——用户已处于无聊/焦虑状态，传统列表型推荐（Yelp模式）反而加剧决策负担。whatdo通过限定选项+人格化语气降低认知负荷。

情境智能：整合时间（周二深夜vs周五晚）、季节（夏日日落延迟/冬季节庆）、地理位置（Urban/Rural/Traveling）三重上下文，使"附近有什么好玩的"真正个性化。

渐进式画像构建：不强制前置问卷，而是在对话中积累偏好（"remember I don't drink"），大幅降低冷启动门槛。

反算法疲劳机制：Wild Card设计刻意打破用户舒适区；历史追踪防止重复；反馈循环支持"那次超棒/没去成"的记录。

局限性与风险

地理依赖陷阱：Places API需要用户主动配置密钥，无API时退化为"搜索建议"模式，体验落差明显。且API调用存在成本与延迟。

偏好固化风险：长期画像可能导致"信息茧房"——用户被锁定在"冒险+户外"标签后，难以接触到真正可能扩展边界的新活动类型。

安全边界模糊：部分推荐（"随机方向开车1小时探索""yes night挑战""深夜独自徒步"）在特定情境下存在人身安全隐患，但文档未内置风险分级或劝阻机制。

文化适应性：推荐库明显偏向北美都市青年文化（axe throwing、speakeasy hunt、food truck rally），对其他地区用户可能显得陌生或难以落地。

适合人群

• 决策疲劳型用户：明知该出门却卡在"去哪"环节的都市人群
• 社交组织者：需要为约会、聚会、家庭活动快速生成方案的发起人
• 探索型人格：厌倦 routine、愿意接受适度push outside comfort zone 的活跃用户
• 情侣/小团体：2-4人规模的灵活出行单元，最能发挥"date night"/"group special"场景优势

常规风险提示

• 隐私：Places API调用会向Google传输位置查询，需用户知情同意
• 财务：部分"splurge"推荐可能指向高消费场景，预算筛选依赖用户诚实 self-report
• 物理安全：夜间户外、陌生地点探索等活动需用户自行评估环境风险，系统不提供安全预警
• 成瘾性：有趣的推荐机制可能促使用户过度依赖外部决策，削弱自主规划能力（ ironic 风险）

核心用法

whatdo 是一款活动发现助手，旨在帮助用户摆脱"刷手机却不知道做什么"的困境。它通过一系列轻松有趣的对话式问题（谁一起、什么氛围、室内/户外、饮食偏好、预算、精力水平、时间安排），生成高度个性化的活动建议。

主要功能场景：

• 日常无聊时快速获取灵感（"bored"、"what should we do"）
• 约会夜专属推荐（"date night ideas"）
• 周末规划模式（"this weekend"）
• 预算敏感场景（"something cheap"）
• 惊喜模式（"surprise me"）直接跳过问题给出大胆建议

可选Google Places集成： 配置API密钥后，可获取真实地点信息、评分、营业状态和地图链接，将建议转化为可立即执行的方案。

显著优点

1. 对话式设计：8个问题灵活可跳过，支持自然语言一次性回答多个维度，避免问卷式疲劳
2. 智能记忆：自动保存用户偏好（饮食限制、酒精偏好、喜欢的氛围）和历史记录，2周内避免重复推荐，并能主动挑战舒适区
3. 情境感知：结合时间（周二深夜vs周五晚）、季节、地理位置（城市/乡村/旅行中）动态调整建议风格
4. 建议质量极高：拒绝泛泛而谈，每个建议都包含具体执行细节（如"找到那家只有12个座位、门口排队的拉面店，点味噌辣汤，别漏了溏心蛋"）
5. 结构化输出：固定格式（首选方案+备选+惊喜牌+专业贴士），降低决策负担
6. 分类丰富：涵盖美食、娱乐、户外、居家、独特体验、约会专属、聚会专属七大类，每类下有数十个具体点子

潜在缺点与局限性

1. 无原生实时数据：Google Places集成是可选功能，无API密钥时仅提供"搜索XX类型地点"的指引，依赖用户自行查找
2. T3来源可信度：个人开发者维护，GitHub仓库活跃度不明，长期更新保障存疑
3. 本地化程度未知：建议库偏向北美都市生活场景（如"免下车影院"、"屋顶酒吧"），非英语地区或小镇用户可能感知匹配度下降
4. 无社交功能：无法同步好友的偏好或协调多人决策，仅支持单人对话流
5. 反馈闭环依赖用户主动：历史记录中的反馈字段需用户主动告知体验，否则难以自动优化

适合人群

• 决策疲劳者：厌倦 endless scrolling 却难以做出选择的年轻人
• 情侣/夫妻：需要约会夜灵感，希望突破"吃饭看电影"套路
• 新城市居民：想要探索本地特色，成为"自己城市的游客"
• 社交组织者：负责组局但缺乏新鲜点子的人
• 预算敏感用户：明确区分免费/$/$$/$$$/$$$$五档预算

常规风险

1. API密钥管理风险：若启用Google Places，需自行配置环境变量，存在密钥泄露或用量超额风险
2. 数据本地存储风险：偏好和历史仅存于本地，换设备或清理工作空间时可能丢失
3. 建议安全性依赖常识：如"凌晨徒步"、"随机搭车探索"等建议需用户自行评估实际安全状况
4. 隐私间接暴露：Google Places查询会发送位置信息至Google服务器，虽为行业标准做法，但需注意