核心用法
Toggle 技能用于获取用户在 Toggle 应用中的活动追踪数据，生成自然语言的工作总结。该技能通过调用 Toggle 官方 AI 集成端点 https://ai-x.toggle.pro/public-openclaw/workflows，使用 TOGGLE_API_KEY 进行身份验证，返回包含工作时段、休息时段和休闲时段的结构化数据。
使用方式简单：运行 Python 脚本即可获取当日或指定日期范围的活动数据。脚本支持 --from-date 和 --to-date 参数来自定义查询区间。输出结果按 WORK/BREAK/LEISURE 分类，包含 durationMinutes、productivityScore（0-100）、workflowDescription 等字段。
显著优点
1. 智能叙事输出：不返回原始数据列表，而是生成易读的自然语言摘要，自动识别专注时段、频繁切换模式等关键模式。
2. 生产力量化：通过 0-100 的 productivityScore 客观评估专注质量，90+ 为高专注、70-89 为良好、<70 为分散。
3. 项目上下文感知：自动关联 project.name 和 projectTask.name，将零散活动组织成项目维度的工作叙事。
4. 隐私控制：仅向 Toggle 官方端点发送 API Key，无其他数据传输；密钥通过环境变量或配置文件管理，避免硬编码。
潜在局限
1. 外部依赖：完全依赖 Toggle 应用的本地运行状态，若应用未开启则返回空数据（totalWorkflows: 0）。
2. 单端点风险：所有查询依赖单一官方端点，若 Toggle 服务中断或 API 变更，技能将失效。
3. 评分主观性：productivityScore 算法由 Toggle 定义，用户无法自定义评分标准或权重。
4. 无离线模式：必须联网调用 API，无法处理本地缓存的历史数据。
适合人群
- 需要快速回顾工作内容的自由职业者、远程工作者
- 希望量化专注质量并优化工作节奏的效率爱好者
- 需要向团队或客户汇报工作进展的项目执行者
- 使用 Toggle 进行时间追踪但懒得整理数据的原数据用户
常规风险
- API 密钥泄露：
TOGGLE_API_KEY若被硬编码或日志记录，可能导致账户数据暴露 - 数据盲区：Toggle 未运行时的时间段完全无记录，可能造成"虚假低效"认知
- 过度量化焦虑：频繁查看 productivityScore 可能引发对数字的强迫性关注
- 第三方信任：所有活动数据需经过 Toggle 云服务处理，存在供应商锁定和数据驻留考量