HabitFlow 是一款深度整合行为科学原理的 AI 习惯管理工具，核心架构围绕 James Clear《Atomic Habits》展开，提供从习惯创建、自然语言记录到数据可视化的完整闭环。
核心用法：用户通过自然语言输入（如"我今天冥想了"）即可完成打卡，系统内置 NLP 解析器自动识别习惯名称与日期，置信度≥0.85 时自动执行并反馈连击天数。支持批量补录、部分完成标记及"跳过"状态，适配真实场景的容错需求。习惯管理涵盖分类标签、频率设置（每日/每周）、目标量化与 WhatsApp 定时提醒，可通过 CLI 脚本灵活配置。
显著优点：
1. 弹性连击算法：采用"1天宽限"机制，允许单次中断不重置 streak，降低用户心理放弃率；
2. 七大人格化 AI 教练：Flex（专业数据驱动）、Coach Blaze（高能运动教练）、Luna（温和治疗师）、Ava（好奇极客）、Max（随性伙伴）、Sofi（极简禅者）、The Monk（智慧哲人），用户可自由切换获得差异化激励风格；
3. 主动式干预：基于 cron 的里程碑庆祝、风险预警、周日复盘与周三模式洞察，将被动记录升级为主动行为设计；
4. 可视化反馈：Canvas 生成的连击趋势图与 90 天热力图，强化即时成就感与长期趋势感知。
潜在局限：
- 依赖 Node.js 18+ 与 npm 本地环境，非技术用户配置门槛较高；
- 自然语言解析置信度中等（0.6-0.84）时需人工确认，高频使用下交互效率略低于结构化打卡；
- WhatsApp 提醒需外部集成，国内用户可能面临网络环境适配问题；
- 数据存储于本地
~/clawd/habit-flow-data/，无云同步与多设备方案。
适合人群：自律系统构建者、行为科学实践者、CLI 重度用户、习惯养成反复失败者（需弹性机制）、追求个性化反馈的量化自我爱好者。不适合寻求零配置开箱即用、依赖社交激励或需要复杂团队协作习惯管理的用户。
常规风险：本地 JSON 数据文件损坏或误删将导致记录丢失，建议定期备份；人格切换时若未严格校验 ID 可能触发未定义行为；提醒系统依赖系统 cron，时区配置错误将导致推送时间偏移。