核心用法
Habits 技能通过本地 Markdown 文件构建极简习惯追踪系统，核心流程为：
1. 习惯定义
- 明确具体行为名称、频率类型（每日/工作日/每周X次/每周一次）
- 设置最小可行版本（如"至少10分钟"而非"1小时"）
- 记录内在动机（"Why"字段），用于低谷期提醒
2. 日常追踪
- 自动或手动记录完成状态（是/否）+ 简短备注
- 支持批量快速打卡降低操作摩擦
- 跳过已记录日期，避免重复打扰
3. 数据可视化
- 实时显示当前连续天数（current streak）与历史最佳纪录
- 周度回顾：完成率、强弱日分布、习惯增删建议
- 模式洞察：如"周二从不缺席但周五易放弃""连续14天后易中断"
4. 进阶管理
- 习惯"毕业"机制：自动化的习惯归档庆祝
- 渐进式扩展：首周1-3个习惯，逐月增加回顾分析与调整建议
显著优点
- 极简设计：纯文本文件存储，无复杂评分系统，零学习成本
- 行为科学支撑：强调最小可行版本、连续记录的心理激励、无羞辱的失误处理
- 灵活适应：支持计划性中断（streak freeze）、多种频率类型、批量打卡
- 数据主权：本地存储，无第三方云服务依赖
- 渐进式复杂度：从基础记录到模式分析，随使用深度自然扩展
潜在局限
- 无跨设备同步机制，多终端用户需自行解决文件同步
- 依赖用户主动性，无强制提醒或社交压力机制
- 纯文本分析能力有限，复杂统计需手动处理
- 缺乏图像化图表，数据可视化依赖 Markdown 渲染效果
适合人群
- 追求简洁、反感复杂打卡 App 的极简主义者
- 重视数据隐私、希望完全控制个人数据的用户
- 习惯养成初学者（建议从1-3个习惯起步）
- 已有一定自律基础，需要轻量追踪而非行为干预的进阶用户
常规风险
- 虚假安全感：过度关注 streak 数字可能引发"为了打卡而打卡"的形式主义
- 数据丢失：本地文件需自行备份，无自动云备份机制
- 分析偏差：自我报告数据可能存在回忆偏差或社会期许偏差
- 习惯僵化：未及时"毕业"已自动化的习惯，导致追踪系统臃肿