temporal-cortex-datetime

核心功能

temporal-cortex-datetime 是一套面向时间计算的离线 MCP 工具集，包含 5 个核心功能：get_temporal_context 获取当前时区上下文；resolve_datetime 将 60+ 种自然语言时间表达式（如"下周二下午2点"）解析为 RFC 3339 标准格式；convert_timezone 在 IANA 时区间转换；compute_duration 计算时间差；adjust_timestamp 实现 DST 感知的时间调整（如跨夏令时切换保持相同时刻）。

显著优点

• 完全离线：运行时零网络访问，零 API 调用，无凭据文件
• 安全可审计：Rust 源码开源（MIT），GitHub Actions 公开构建，SHA256 校验多重验证
• 精准 DST 处理：内置夏令时预测与跨边界调整，避免人为计算错误
• 表达力丰富：支持相对时间、序数星期、周期边界等 60+ 解析模式
• 部署灵活：npx 一键安装或 Docker 完全隔离（--network=none）

潜在局限

• 首次安装需网络：npm 包下载及二进制拉取需一次性联网
• 平台覆盖有限：仅支持 darwin-x64/arm64、linux-x64/arm64、win32-x64
• 无持久化存储：配置仅存于本地 JSON，无云同步
• 自然语言边界：复杂口语表达（如"大后天傍晚"）可能需标准化后解析

适合人群

跨时区协作开发者、自动化工作流工程师、需要离线时间计算的隐私敏感场景（如本地 AI 助手）、对 DST 处理有严格要求的日程系统集成者。

常规风险

| 风险项 | 说明 | 缓解措施 |

|--------|------|---------|

| 供应链攻击 | npm 包被篡改 | 独立校验 GitHub Release SHA256；使用 Docker 构建可溯源镜像 |

| 时区数据过期 | IANA 时区规则更新 | 关注项目更新，二进制包含 tzdb 需定期重装 |

| 配置误读 | 未设置导致默认系统时区 | 会话首调用 `get_temporal_context` 确认环境 |

核心用法

Temporal Cortex Datetime 是一款专注于时间维度处理的开发工具技能，通过 5 个精密设计的工具实现完整的时区与日期时间操作闭环。使用时需遵循「先感知、后解析」的原则：首先调用 get_temporal_context 获取当前会话的完整时间上下文（UTC 时间、本地时区、DST 状态、下周开始日等），随后根据场景选择后续工具——resolve_datetime 将 60 余种自然语言表达式（如「下周二下午两点」「下个月第三个周五」）转换为标准 RFC 3339 格式；convert_timezone 实现 IANA 时区间的精确转换；compute_duration 计算两个时间戳的日期间隔；adjust_timestamp 则提供 DST 感知的智能时间调整，确保跨夏令时切换时 wall-clock 时间的一致性。

显著优点

该技能的最大亮点在于其完全离线的安全架构。基于 Rust 编译的 MCP Server 二进制文件在安装后零网络访问、零凭证依赖、零文件系统写入，从根本上消除了数据外泄风险。技术实现上，60+ 自然语言解析模式覆盖相对时间、命名日期、时段、偏移量、复合表达式等 10 大类别，DST 感知算法确保「+1d」调整在春令时切换日仍能锁定相同本地时间。此外，项目透明度极高——MIT 协议开源、GitHub Actions 可审计构建流程、独立发布的 SHA256 checksums 支持二进制完整性验证，Docker 模式（--network=none）更可强制 OS 级网络隔离。

潜在缺点与局限性

首要局限在于架构依赖：技能本身为纯 Markdown 文档，核心功能完全委托给外部 MCP Server @temporal-cortex/cortex-mcp，虽文档提供了详尽的验证指引，但二进制文件的最终安全性仍需用户自行审计 Rust 源码与构建流程。其次，功能边界明确限定于日期时间计算，不包含日历事件管理、提醒设置等高级调度能力（需配合 scheduling 类 skill）。此外，自然语言解析虽覆盖 60+ 模式，但对中文等非英语语料的直接支持未在文档中明确说明，多语言场景可能需要预处理转换。

适合的目标群体

该技能精准服务于三类用户：跨国协作开发者（需处理多时区会议时间协调）、自动化工作流构建者（需将「明早九点」等模糊时间转换为机器可读格式）、隐私敏感型团队（金融、医疗、政务领域，要求数据绝对不出本地环境）。对于 Claude Code、Cursor、Windsurf 等 AI 编程工具的重度用户，该技能提供了比系统 date 命令更智能、比在线 API 更安全的本地时间计算方案。

常规使用风险

依赖风险：Node.js 18+ 或 Docker 为必需环境，npx 首次安装时从 npm registry 拉取包体，虽后续离线运行，但初始下载链仍存在 supply chain 风险（建议按文档执行 SHA256 校验）。配置风险：~/.config/temporal-cortex/config.json 存储时区偏好，若权限配置不当可能被本地其他进程读取（虽不涉敏感数据）。版本风险：当前 0.9.1 版本尚未达 1.0，API 稳定性存在潜在变动可能。Docker 模式虽提供最强隔离，但需额外构建镜像步骤，对非容器化团队增加运维复杂度。建议生产环境部署前执行文档推荐的完整验证流程，并持续关注上游 release 的 GPG 签名与 SBOM 发布进展。