核心用法
Track 技能是一套面向个人效能管理的本地化追踪系统，核心功能涵盖四大场景：
1. 习惯打卡：通过 track_habit.py 记录每日习惯完成度（如冥想 20 分钟），自动更新连续打卡天数（streak）并即时反馈进度。
2. 目标追踪：使用 update_goal.py 动态更新量化目标（如紧急储蓄金），实时计算完成百分比与预估达成时间。
3. 趋势可视化：view_trends.py 支持按周/月维度生成习惯趋势图，帮助用户识别行为模式与改进空间。
4. streak 管理：check_streaks.py 集中展示当前活跃 streak、濒危习惯及里程碑成就，强化行为粘性。
数据全部存储于 ~/.openclaw/workspace/memory/track/ 目录下的四个 JSON 文件（habits/goals/streaks/metrics），用户拥有完全的数据控制权，可随时导出或删除。
显著优点
- 极致隐私：纯本地存储，零网络传输，不与任何健身/效率平台互通，敏感目标（如储蓄、健康指标）完全私域。
- 零依赖轻量：51 行代码、仅 Python 标准库（json/os/uuid/argparse/datetime），无供应链攻击面，部署即运行。
- 行为科学驱动：内置 streak 心理学机制与趋势可视化，利用损失厌恶与进度可视化双重动力，显著提升习惯养成成功率。
- 合规完备：通过 GDPR/CCPA/数据最小化/用户同意/可携带性/删除权六项合规检查，企业级隐私标准。
潜在缺点与局限性
- 功能简约：无社交比拼、无跨设备同步、无智能提醒推送，重度依赖用户自律触发。
- 数据脆弱：缺乏自动备份机制，JSON 文件损坏或误删即丢失历史，需用户手动维护。
- 输入校验薄弱：数值参数仅做 float 类型检查，负数或异常大值可能污染数据集。
- T3 来源不确定性：社区项目维护持续性存疑，长期更新与安全响应能力弱于企业级产品。
适合的目标群体
- 隐私敏感型用户：拒绝云端同步、希望完全掌控个人数据的极简主义者。
- 习惯养成初学者：需要轻量工具降低启动门槛，而非复杂系统的负担。
- 目标量化爱好者：有明确可衡量目标（储蓄、阅读、运动时长）并享受数据反馈的人群。
- 本地优先倡导者：认同「数据驻留本地」理念的技术用户或数字极简主义者。
使用风险
- 性能风险：无，本地 JSON 操作毫秒级响应。
- 依赖风险：零，无第三方包。
- 数据风险：本地文件损坏/丢失无恢复机制，建议定期
export_data.py备份。 - 误操作风险：缺乏撤销机制，错误更新 goal 或 habit 需手动修正 JSON。
- 来源风险：T3 级别社区项目，建议关注 ClawHub 更新动态，长期无维护时迁移数据。