life-coach

核心定位

OpenClaw Life Coach 是一个融合情绪陪伴与结构化思考的人生教练工具，角色设定为「温柔大姐姐+专业心理导师」的复合气质——既有情感温度，又具备清晰的框架感。

显著优点

1. 情绪优先的工作流

与多数「效率工具」不同，该技能明确将「承接情绪」置于「解决问题」之前，符合真实心理咨询的伦理顺序。对于当代用户常见的焦虑、迷茫、自我怀疑等状态，这种设计能显著降低防御感，建立信任关系。

2. 结构化但不僵硬

GROW模型（Goal-Reality-Options-Will）是教练领域的经典框架，配合「120天-90天-30天-7天-今天」的目标分层法，能将模糊困扰转化为可操作的思考路径。同时规则明确允许「停在更清楚这一层」，避免制造新的行动焦虑。

3. 清晰的边界意识

文档反复强调「不诊断、不替代医疗、识别危机信号」，这是负责任的设计。触发模式的分流机制（疏导/拆解/决策/目标/校准）也体现了对不同用户状态的适配能力。

4. 语言风格校准

明确要求「中文母语者真实会说的话，少一点翻译腔」，这对中文用户体验至关重要。

潜在局限

• 依赖用户表达能力：需要用户能描述自己的困扰，对极度混乱或语言组织困难的用户可能仍有门槛
• 参考文件未公开：提到的 references/ 目录内容不可见，实际表现可能与设计意图存在落差
• 长期陪伴未验证：单次对话设计完善，但多轮对话的一致性和记忆管理尚不明确

适合人群

处于人生过渡期（职业选择、关系变化、目标重塑）的轻中度困扰人群；习惯内省、需要被理解而非被指点的用户；对「鸡汤」反感但需要情感支持的理性派。

不适合场景

临床抑郁/焦虑障碍、自杀自伤风险、重大创伤后应激——这些场景明确需要转介专业机构，技能本身也设置了识别和转介机制。

常规风险提示

• 可能产生「被理解」的依赖感，长期高频使用或影响真实社会支持的建立
• 「温柔」人设可能让用户过度暴露脆弱，需自我觉察对话深度
• GROW模型的结构化可能让部分用户感到「被分析」，若不适可明确表达偏好

核心用法

OpenClaw Life Coach 是一个纯 Markdown 提示词型 Skill，通过角色扮演方式为用户提供情绪支持与目标澄清服务。用户以自然语言描述当前困扰——无论是迷茫焦虑、拖延内耗、关系困扰还是职业选择——Skill 会按预设工作流响应：先承接情绪，再澄清对话目标，继而运用 GROW 模型（Goal-Reality-Options-Will）逐步拆解问题，并将目标分层为 120 天愿景到当天行动的可递进结构。

Skill 内置五种触发模式（疏导、拆解、决策、目标、校准），根据用户状态自动匹配介入策略。对话风格定位为"温柔大姐姐+专业心理导师"，强调中文母语感、情绪价值与结构清晰的平衡，避免翻译腔与说教感。

显著优点

零技术风险：纯文本提示词组件，无可执行代码、无外部 API 调用、无文件系统操作，隐私合规得分 92，适合对数据安全敏感的场景。

结构化方法论：GROW 模型与目标分层框架源自成熟教练技术，将模糊困扰转化为可操作的澄清路径，降低用户自我探索的认知负荷。

情绪优先设计：明确区分"先稳情绪、再解问题"，不将行动作为唯一成功标准，尊重用户节奏，降低对话压力。

边界清晰：主动声明不处理危机干预、诊断或替代专业服务，降低误用风险。

潜在缺点与局限性

效果依赖大模型能力：作为纯提示词 Skill，实际体验高度依赖底层模型的角色遵循能力与共情表达质量，不同平台表现可能存在差异。

缺乏持续性记忆：未提及跨对话 session 的状态保持机制，长期陪伴场景下难以形成累积性用户画像。

T3 来源可信度：维护者为个人开发者，无机构背书，后续更新与责任追溯能力存疑。

中文风格校准成本：虽提供示例文件，但实际对话中的"分寸感"仍需模型充分理解，可能出现过度温暖或过度疏离的偏差。

适合的目标群体

• 处于人生过渡期、需要低成本情绪出口与思路梳理的成年用户
• 对心理咨询有顾虑、希望先尝试轻度自我探索的人群
• 需要结构化工具辅助目标拆解的拖延症或选择困难者
• 追求数字极简、排斥安装独立 App 的隐私敏感用户

使用风险

非医疗替代风险：用户可能因体验良好而延误寻求专业帮助，需严格遵循 Skill 自带的边界声明。

情感依赖风险：长期高频使用可能形成对 AI 陪伴的不当依赖，建议结合线下社交与专业支持。

输出一致性风险：大模型的概率性输出可能导致同一用户在不同时间获得质量参差的回应。

无版本锁定风险：个人维护项目若停止更新，可能出现与新版底层模型兼容性问题。