核心用法
「留一手」是一款面向职场人的本地职业资产管理技能，通过五大核心子命令构建个人护城河：
init 初始化个人职业档案，仅需三步（角色、专注领域、目标）即可建立工作记录体系。capture 是高频入口，30-60秒快速捕获工作事件，系统会自动评估该工作的「护城河维度」（判断力、影响力、领域上下文、杠杆效应、流动性）和「AI替代风险等级」（高/中/低），并给出分享建议。weekly 生成周度复盘，提炼本周核心价值证明、护城河风险和下周行动建议。moat 提供30天深度评估，分析工作价值的来源结构和被AI替代的趋势。pack 则是对外输出层，支持生成管理者周报、绩效要点、转岗材料、离职包四种职场刚需文档。
所有数据存储于本地 .liuyishou// 目录，采用纯 Python 标准库实现，无需任何外部依赖。
显著优点
1. 极简交互设计：遵循「最小输入」原则，capture 仅需「发生了什么」和「为什么重要」两个字段即可启动，大幅降低记录摩擦。
2. AI风险预判机制：独创的 AI compression risk 评估体系，帮助用户主动识别哪些工作正变得可替代，引导工作选择向更难被AI取代的方向迁移。
3. 隐私分级管控：支持 private/team/manager 三级分享级别，敏感推理和人际动态可完全隔离，导出时自动过滤私有条目。
4. 双轨输出架构：脚本层负责确定性数据存储和过滤，LLM层负责面向受众的表达优化，兼顾自动化效率与人工判断价值。
5. 零网络零依赖：纯本地运行，无云端同步、无第三方库、无网络请求，从根本上杜绝数据泄露风险。
潜在缺点与局限性
- 无协作能力：设计哲学强调个人私有，不支持团队共享或云端同步，多人协作场景不适用。
- T3来源信任成本：作为社区个人项目，缺乏官方组织背书，用户需自行审计代码（尽管代码完全透明）。
- 评估主观性：护城河维度和AI风险等级依赖LLM判断，同一工作在不同上下文可能得到不同评估结果。
- 数据持久性责任：本地存储意味着用户需自行备份，无自动灾备机制。
- 功能边界清晰：专注职业记录与复盘，不做任务管理、日程规划或技能学习追踪。
适合的目标群体
- 中高级职场人：P6及以上工程师、技术负责人、产品经理等需要沉淀个人专业价值的角色。
- 转型期员工：面临转岗、晋升答辩或潜在离职风险，需要快速整理职业资产的人群。
- AI替代焦虑者：希望主动评估工作可替代性、向更难被AI取代的工作模式迁移的从业者。
- 隐私敏感型用户：对云端工具不信任、要求数据完全本地可控的职场人士。
使用风险
- 性能风险：长期大量记录后，纯JSON文件存储可能影响查询性能（建议定期归档）。
- 依赖项风险：虽当前零依赖，但若未来升级引入第三方库，需重新评估供应链安全。
- 版本兼容性：Python脚本升级可能改变存储格式，需关注data-contract.md的变更。
- 人为操作风险：pack导出时虽自动过滤private条目，但用户仍需审慎检查最终输出内容。