dida-auto-worker

name	dida-auto-worker
description	滴答清单自动执行器 - 扫描任务列表，自动完成可代劳的任务。

Dida Auto Worker Skill

自动扫描滴答清单任务，识别可自动完成的任务并执行。

触发方式

用户说：

• "扫一下滴答清单"
• "帮我处理滴答任务"
• "看看有什么能帮我做的"
• "/dida" 或 "/dida-auto"

执行流程

1. 获取任务列表

调用 mcp__dida365__list_tasks 获取未完成任务（limit 50）。

2. AI 自主判断任务类型

对每个任务，根据标题和描述判断是否可自动完成。可自动完成的任务类型：

A. 调研类

特征：

• 标题含"调研"、"了解"、"研究"、"对比"、"选型"
• 想知道某个技术/工具/方案是什么、怎么用、哪个好
• 问句形式的任务

处理方式：使用 WebSearch + WebFetch 收集信息，生成调研报告

B. 内容分析类

特征：

• 包含链接（知乎、小红书、B站、YouTube、X/Twitter、播客等）
• 标题含"分析"、"总结"、"看看这个"
• 想让 AI 帮忙消化某个内容

处理方式：

• 视频链接：调用 video-downloader-skill 下载，转文字后分析
• 文章/帖子：用 WebFetch 抓取内容，生成摘要/分析
• 播客：下载音频，转文字总结

C. 写 Demo 类

特征：

• 标题含"写一个"、"demo"、"示例"、"试试"、"实现"
• 明确描述了要实现什么功能
• 技术性任务

处理方式：直接在本地生成代码文件

D. 简单执行类

特征：

• 标题含"下载"、"保存"、"爬取"
• 有明确的输入和输出

处理方式：直接执行并保存结果

E. 纯英文内容 - 单词学习

特征：

• 任务标题/描述是纯英文（或大部分英文）
• 可能是英文文章、推文、技术文档等

处理方式：

1. 识别生词：分析文本，找出非常用词（排除 top 5000 常用词）
2. 提取上下文：保留单词所在的完整句子
3. 写入单词库：调用 mcp__supabase__execute_sql 写入 PersonalDigitalCenter 的 english_vocabulary 表

   INSERT INTO english_vocabulary (word, context, source, definition)
   VALUES ('word', '原句', '任务来源', '释义')
   ON CONFLICT (word) DO NOTHING;
   

4. 汇报学习成果：告知识别了多少生词，已加入学习队列

判断"生词"的标准：

• 不在 top 5000 常用词列表中
• 不是专有名词（人名、地名、公司名）
• 不是纯技术术语（API、SDK、JSON 等）
• 单词长度 > 3

Supabase 配置：

• Project ID: mwvsdfalfqblbqwnyqpn
• 表名: english_vocabulary

3. 不自动处理的任务

• 纯笔记/记录类（无明确动作）
• 需要用户决策的任务
• 涉及个人隐私/敏感操作
• 需要登录特定账号才能完成的
• 重复性任务（有 repeatFlag 的循环提醒）

4. 执行与输出

输出规则：

• 简短结果：直接更新到任务描述
• 代码/大文件：保存到 ~/usr/projects/inbox/dida-outputs/<日期>/<任务ID>/
• 在任务描述中附上文件路径

执行确认：

• 扫描完成后，先列出识别到的可处理任务
• 等用户确认后再批量执行
• 或用户可以选择"全部自动执行"

5. 结果汇报

执行完成后输出汇总：

已完成 X 个任务：
1. [任务标题] - [简要结果]
2. ...

待查看文件：
- ~/usr/projects/inbox/dida-outputs/2026-01-25/xxx/report.md

使用示例

用户: 扫一下滴答清单

Claude: 扫描到 50 个任务，其中 8 个可以自动处理：

【调研类】
1. "如何让大模型稳定输出JSON格式" → 可搜索分析
2. "ASR 技术对比" → 可生成调研报告

【内容分析类】
3. "https://www.zhihu.com/question/xxx" → 可抓取分析
4. "叮咚买菜播客" → 可下载转文字

【写 Demo 类】
5. "写一个工具遍历滴答清单" → 可直接实现

要我处理哪些？输入编号或"全部"

配置

输出目录：~/usr/projects/inbox/dida-outputs/

dida365 API 已知坑

createdTime 字段为 null

mcp__dida365__list_tasks 返回的任务中，createdTime 字段始终为 null（API 不返回此字段）。

解决方案：任务 ID 是 MongoDB ObjectID，前 4 字节（8 个十六进制字符）即 Unix 时间戳，可直接解码获取创建时间。

from datetime import datetime, timezone, timedelta

def decode_oid_time(oid: str, tz_offset_hours: int = 8) -> datetime:
    """从 MongoDB ObjectID 解码创建时间"""
    tz = timezone(timedelta(hours=tz_offset_hours))
    ts = int(oid[:8], 16)  # 取前 8 位十六进制 → uint32 Unix timestamp
    return datetime.fromtimestamp(ts, tz=tz)

# 示例：'696a240a...' → 1768563722 → 2026-01-16 19:42 (上海时间)

验证：696a240a → int('696a240a', 16) = 1768563722 → 2026-01-16 19:42 上海时间，与滴答清单 UI 显示一致。

tag 过滤不支持

list_tasks 不支持按 tag 过滤，需要在 Python 侧手动过滤：

tagged = [t for t in tasks if 'target-tag' in t.get('tags', [])]

大量任务场景

list_tasks 结果可能超出 token 限制。处理方式：将结果保存为临时文件，用 cat | python3 -c 管道解析：

cat /tmp/tasks.json | python3 -c "
import sys, json
tasks = json.load(sys.stdin)
# ... 过滤和分析
"