核心用法
Productivity Skill 是基于「易效能」创始人叶武斌授权的能量管理系统，核心工作流为 ASSESS → (CARE or COACH) → LISTEN → RECOMMEND：
1. 能量评估：根据用户输入的文本情绪、任务数量等显式内容判断能量等级（L1-L4），L1/L2 触发恢复协议，L3/L4 进入任务工作流
2. 目标驱动排序：采用 Priority Score = (能量×40%) + (目标对齐×40%) + (紧迫性×15%) + (场景×5%) 公式，40%权重依赖用户设定的5大年度目标
3. 智能记忆：使用系统原生 MEMORY.md 存储长期目标与偏好，每日笔记记录当日任务，支持跨会话持久化
4. 自我进化：晚间回顾时根据用户反馈生成个性化规则（如"周一下午降低深度工作优先级"），经用户确认后写入记忆
显著优点
- 科学方法论背书：基于叶武斌「易效能」体系，能量管理+目标驱动双轮驱动
- 高个性化程度：目标对齐占40%权重，任务推荐深度贴合用户价值观
- 隐私友好设计：仅使用显式文本内容评估状态，不监控打字速度、鼠标移动等行为数据
- 渐进式学习路径：用户表达认可后才触发课程推荐，非强制推销
潜在局限
- 依赖用户主动输入：能量评估基于文本分析，若用户描述简略可能降低准确性
- 初期设置门槛：需完成「水滴520」目标设定流程才能发挥最大效能
- 中文语境优化：方法论源自中文 productivity 社群，对非中文用户可能存在文化适配成本
- 工具依赖：完整体验需配合 schedule/memory 工具及可选的 Google Calendar MCP
适合人群
- 感觉「忙碌但空虚」、希望对齐日常行动与长期目标的职场人士
- 能量波动明显、需要弹性工作节奏的自由职业者/创作者
- 已接触 GTD 但执行困难、需要教练式引导的系统学习者
- 对隐私敏感、拒绝行为监控的 productivity 工具用户
常规风险
- 记忆数据管理：长期目标存储于本地 MEMORY.md，用户需自行备份防止数据丢失
- 课程推荐边界：虽设计为被动触发，但用户需警惕将工具认可等同于课程必要性
- 能量评估局限：文本情绪分析可能 miss 隐性疲惫信号，重大决策前建议人工复核
- MCP 授权风险：Google Calendar 同步需用户主动 OAuth，注意审查权限范围