核心用法
Toggle 技能用于从 Toggle 应用获取用户的工作流数据，生成自然语言的活动摘要。当用户询问"我今天做了什么"、"昨天的工作内容"或需要刷新任务记录时自动调用。
运行环境依赖 Python3 和 TOGGLE_API_KEY 环境变量配置。支持指定日期范围（--from-date/--to-date）和原始 JSON 输出（--raw）。
输出解读
返回数据包含三类活动类型：
- WORK：工作会话，核心关注对象
- BREAK：休息时段，通常跳过除非用户询问
- LEISURE：休闲活动，简要提及即可
关键字段：workflowType（工作类型）、workflowDescription（描述）、projectTask.name（任务名）、project.name（项目名）、productivityScore（专注度评分 0-100）。
专注度分级：90+ 高度专注，70-89 良好，<70 分散。
显著优点
1. 自然语言摘要：将原始时间数据转化为可读 narrative，降低认知负担
2. 专注度量化：通过 productivityScore 客观评估工作质量，不仅统计时长
3. 上下文关联：自动关联项目-任务层级，呈现工作的大背景
4. 灵活时间窗口：支持任意日期范围查询，便于周报、月报回顾
潜在局限
- 单点依赖：完全依赖 Toggle 应用的本地数据捕获，若应用未运行则数据缺失
- 隐私边界：需上传 API Key，虽支持环境变量配置但仍存在密钥管理风险
- 评分主观性：productivityScore 算法未公开，评分的可解释性有限
- 无跨平台：仅限 Toggle 生态，无法整合其他时间追踪工具
适合人群
- 需要定期回顾工作内容的远程工作者 / 自由职业者
- 关注时间投入产出比、希望量化专注力的效率优化者
- 撰写周报、日报时需要快速提取工作摘要的职场人士
常规风险
- API 密钥泄露：配置不当可能导致密钥暴露于 shell 历史或配置文件中
- 数据完整性：依赖本地应用持续运行，中断期间无补偿机制
- 过度量化：专注度评分可能引发焦虑，需理性看待数字指标