メニュー
将个人目标智能拆解为可执行的每日任务，并写入 Apple Reminders。当用户说"帮我拆解目标"、"我想实现X"、"帮我安排计划"、"把目标分解成日程"、"制定执行计划"等时使用。适合任何需要分阶段推进的个人目标：学习、项目、技能、创作等。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/pixiesgeosun/agent-skills --skill goal-decompose-scheduleコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
斯坦福 STORM 多视角深度研究方法。通过 4 阶段顺序流水线（多视角扫描 → 矛盾地图 → 综合简报 → 同行评审）将 40+ 小时的研究压缩为几分钟。每阶段独立运行，后一阶段以前一阶段完整结果为上下文。适用于写文章前、重大决策前、投资前、谈判前、求职面试前、学习新领域前、演讲前的深度调研。触发关键词：STORM、深度研究、多视角研究、storm research、换个角度研究、全面分析这个、博士级研究、系统研究。
火山方舟（Volcengine Ark）图片生成 Skill。支持文生图（t2i）和图片编辑（i2i），调用 Doubao Seedream / SeedEdit 系列模型。支持自然语言调用、模型 fallback、预算控制、失败重试队列。触发关键词：文生图、图片生成、图片编辑、生成图片、生成一张、画一张、画图、帮我画、帮我生成、ark image、seedream、seededit、t2i、i2i、火山方舟图片、批量生图、批量生成图片、图片风格模板。
微信读书高阶顾问。在底层 weread skill 的原子 API 之上，提供四类工作流：基于已读做个性化进阶推荐（advisor）、给方向规划入门到前沿的阶梯书单（path）、把零散划线想法提炼成读书笔记总结（alchemy）、做季度/年度阅读复盘并生成可发朋友圈/公众号的文章（review）。核心方法是「书架 + 笔记交叉分析」——书架揭示用户主动分类的兴趣，笔记数据揭示「真读过的」vs「只放着的」。当用户说「推荐书」「下一本读啥」「该读什么」「想搞懂 X 这个领域」「整理我的笔记」「这本书我记住了啥」「我今年读了什么」「读书复盘」「年度盘点」时触发。即使用户只是说「不知道读啥」「有没有相关的书」「帮我看看这本读完了吗」「这个领域我入门了吗」也应触发。
SOC 職業分類に基づく
SKILL.md を表示中
| name | goal-decompose-schedule |
| description | 将个人目标智能拆解为可执行的每日任务，并写入 Apple Reminders。当用户说"帮我拆解目标"、"我想实现X"、"帮我安排计划"、"把目标分解成日程"、"制定执行计划"等时使用。适合任何需要分阶段推进的个人目标：学习、项目、技能、创作等。 |
将用户目标拆解成粒度合适的每日任务，写入 Apple Reminders。
阶段一 → 拆解任务
阶段二 → 用户确认清单
阶段三 → 询问排期参数 + 冲突检测 + 写入 Reminders
如果目标满足以下所有条件，跳过拆解，直接进入阶段三：
例如："帮我读完这篇论文"→ 直接安排一个任务即可。
每个任务必须满足：
时长锚点
完成标志（Definition of Done） 每个任务完成后必须有一个可展示的产出物：
判断口诀：
"做完这个任务，我能给别人看什么？" → 答得上来 ✓，答不上来 → 继续拆
❌ 太粗（无法一天完成，产出不明确）：
❌ 太细（是动作不是任务，无独立产出）：
✅ 合适粒度：
每个任务标注一个风险点（简短，1句话），常见类型：
用以下格式输出，等待用户确认或修改，再进入阶段三：
目标：[用户的目标]
预计总任务数：N 个 | 预计总投入：X 小时
─────────────────────────────
任务清单
─────────────────────────────
1. [任务名称]
预估时长：X 小时
完成标志：[能展示的产出]
风险：[一句话]
2. [任务名称]
预估时长：X 小时
完成标志：[能展示的产出]
风险：[一句话]
...
─────────────────────────────
以上清单是否需要调整？确认后我们进入排期安排。
用户说"OK"/"确认"/"没问题"等 → 进入阶段三
用户提出修改 → 更新清单，重新输出，再次确认
确认清单后，询问以下信息（可一次问完）：
好的，任务清单已确认。现在安排排期：
1. 从哪天开始？（例如：今天、明天、2026-04-10）
2. 安排节奏：
A. 工作日（周一至周五）
B. 节假日（周六、周日）
C. 每天
3. 每天几点做这个任务？（工作时间 9:00-19:00 内，默认 9:00）
4. 有没有需要跳过的日期？（例如：4月15日出差、五一假期等）
排期前，用 remindctl 检查每个计划日期是否已有任务：
remindctl YYYY-MM-DD --json
如果某天已有提醒且时间重叠：
冲突判断规则：
写入前询问："写入哪个 Reminders 列表？" 并列出现有列表供选择，也可新建。
检查现有列表：
remindctl list
逐个写入，格式：
remindctl add \
--title "[目标名] · [任务名]" \
--list "[用户选择的列表]" \
--due "YYYY-MM-DD HH:mm" \
--notes "预估时长：Xh | 完成标志：[产出] | 风险：[风险点]"
命名规范：
目标关键词 · 任务名（用中间点 · 分隔，方便在 Reminders 里一眼看出归属）短片工作流 · 设计整体架构框架写入完成后输出汇总：
✅ 已写入 Apple Reminders
目标：[目标名]
列表：[列表名]
任务安排：
4月9日（周三）09:00 — 设计整体架构框架（2h）
4月10日（周四）09:00 — 实现故事→分镜脚本 prompt（2.5h）
4月14日（周一）09:00 — 调试图片生成模块（1.5h）
...
共 N 个任务，预计 X 月 X 日完成。
打开 Apple Reminders 即可查看。