daily-questions

核心用法

Daily Questions 是一个基于 Cron 定时任务的自我改进工作流。用户配置定时提示后，AI 会在指定时间（默认每日21:00）启动两轮问答：第一轮通过 3 个轻松的问题了解用户的新偏好、习惯或观点，实时更新 USER.md 用户画像文档；第二轮询问用户希望 AI 如何调整沟通风格、行为模式或决策逻辑，并将结论写入 SOUL.md 行为配置文件。整个过程采用对话式交互，避免重复提问已记录内容，确保知识库持续精炼而非简单堆叠。

显著优点

该技能的最大价值在于渐进式个性化。与传统的一次性配置不同，它通过微习惯（每天仅 3 个问题）持续积累深度认知，使 AI 从"通用助手"进化为"专属伙伴"。双向优化机制（既优化用户理解又优化 AI 行为）创造了独特的共生学习体验。此外，纯 Markdown 的知识沉淀方式确保了数据主权完全归用户所有，避免了云端隐私风险，且轻量级设计不会给用户造成认知负担。

潜在局限

首先，可持续性依赖是主要挑战——若用户中断回答，学习曲线即告断裂。其次，T3 来源（个人开发者）意味着长期维护和更新存在不确定性。技术层面，随着 USER.md 和 SOUL.md 的膨胀，可能出现信息检索效率下降或历史偏好冲突（配置漂移）。最后，当前实现缺乏冲突解决机制，若用户前后回答矛盾，AI 可能简单覆盖而非智能融合，可能导致行为不一致。

目标群体

最适合追求深度个性化的数字游民、知识工作者和 AI 早期采用者。特别是对隐私敏感、希望将个人数据保留在本地（而非云端大模型记忆）的用户。不适合寻求即时效果、不愿投入时间进行"AI 驯化"的浅度用户，以及对数据来源有严格合规要求的企业环境或需要审计追踪的组织场景。

使用风险

主要风险在于敏感信息累积。长期问答可能在本地文件中沉淀用户的健康数据、财务偏好或隐私观点，若设备共享或备份不当将导致泄露。性能方面，随着文档增长，读取和解析成本将线性增加，可能影响响应速度。此外，Cron 任务的自动化特性可能导致用户在疲惫状态下透露过多信息，建议定期审查并清理历史配置文件，避免过度分享。