HabitFlow是一款基于《原子习惯》（Atomic Habits）行为科学原理构建的AI习惯追踪工具，专为命令行环境设计。其核心能力在于自然语言处理——用户可直接说"我今天冥想了"或"周一和周四去散步了"，系统自动解析并记录，无需手动填写表单。系统采用1天容错机制的智能连击计算，避免因偶尔遗漏而打击积极性，更符合行为心理学中的持续性激励原则。
核心优势：
- 零摩擦记录：自然语言输入大幅降低习惯追踪的认知负荷，支持批量日期一次性补录（如"补录上周一到周三"）
- 人格化AI教练：内置7种教练人格（专业型Flex、热血教练Blaze、疗愈系Luna、极客Ava、佛系Max、极简Sofi、智者Monk），可根据用户偏好切换沟通风格，增强情感连接与长期坚持意愿
- 可视化进度：支持生成连击趋势图、90天热力图等Canvas可视化报告
- 主动干预：通过clawdbot cron系统实现里程碑庆祝、风险预警、周检查等 proactive coaching，无需用户主动询问
- 智能提醒：支持WhatsApp渠道的习惯提醒同步
潜在局限：
- 环境依赖：需要Node.js 18+运行环境，非技术用户配置门槛较高
- 数据本地化：存储在用户本地目录（~/clawd/habit-flow-data/），无云同步机制，设备切换需手动迁移
- 自然语言解析置信度：低置信度（<0.60）时需人工确认，复杂表述（如"除了周二都去了"）可能解析失败
- 提醒渠道单一：目前仅支持WhatsApp，缺乏邮件、短信等备选通道
适合人群：追求行为改变的自驱型用户、习惯追踪爱好者、《原子习惯》读者、命令行重度用户。特别适合需要情感激励而非冷冰冰数据反馈的人群，以及希望建立多类别习惯（健康、学习、创造力等）的进阶用户。
常规风险：本地化存储存在数据丢失风险，建议定期备份habit-flow-data目录；自然语言解析错误可能导致记录归属错误，重要记录建议二次确认；过度依赖连击数字可能产生焦虑，系统虽设计容错机制但用户心理预期仍需自我调适。