核心用法
Daily Questions 是一套用于长期用户建模与 Agent 自优化的结构化工作流。其核心机制为：通过 Telegram 内联按钮实现单题逐一询问，每轮包含用户画像问题（更新 USER.md）与 Agent 行为优化问题（更新 SOUL.md），默认每日 21:00 触发。
执行流程：
1. 读取 USER.md 与 SOUL.md，识别信息缺口
2. Round 1：询问 3 个用户相关问题，答案结构化写入 USER.md
3. Round 2：询问 3 个 Agent 行为问题，答案整合至 SOUL.md
4. 每题提供 3 个差异化选项 + "✏️ 自定义输入"，使用唯一 callback ID 防串扰
技术实现：依赖 Telegram Bot API 的 inline keyboard，采用 dq_r{round}q{question}_{choice} 格式的 callback_data 进行状态追踪，响应后显式返回 NO_REPLY 避免消息重复。
显著优点
- 渐进式建模：避免一次性信息过载，通过微量交互（日均 6 题）持续积累用户画像
- 低摩擦交互：多选按钮将输入成本降至单次点击，显著提升完成率
- 双向优化：同时迭代用户理解（USER.md）与自身行为策略（SOUL.md），形成闭环改进
- 防呆设计：callback ID 唯一化、旧按钮自动失效、显式进度标识降低用户困惑
潜在局限
- 渠道绑定：强制依赖 Telegram 的 inline keyboard 能力，无法迁移至纯文本渠道（如 Email、SMS）
- 延迟敏感：需持续轮询或 webhook 等待用户响应，不适合异步批量处理场景
- 上下文孤立：每轮问题独立无记忆，无法基于前序答案动态调整后续问题深度
- 文件耦合：USER.md/SOUL.md 的格式稳定性直接影响更新质量，文件损坏将导致学习中断
适合人群
- 需长期深度个性化服务的 Agent 用户（如生活助理、学习教练、创意搭档）
- 偏好碎片化、游戏化交互模式的用户群体
- 技术团队已部署 Telegram Bot 基础设施的场景
常规风险
- 数据持久化：用户画像存储于 Markdown 文件，缺乏版本控制时存在误删或覆盖风险
- 隐私边界：持续采集的个人偏好可能涉及敏感信息（健康、财务、人际关系），需明确用户授权范围
- 反馈疲劳：固定频次（每日）可能引发厌倦，建议提供跳过机制与频次调节选项
- Callback 冲突：若多实例并发运行，callback ID 空间可能冲突，需确保单实例执行或引入分布式锁。