caring-startup-dog

name	caring-startup-dog
description	关爱创业狗——每小时自动检测用户的飞书消息、Cursor 和 Claude Code 编码活动， 分析工作状态和情绪，驱动桌面宠物动画，必要时通过飞书私聊发送关爱消息。 当用户说"检查状态"、"我的狗怎么样了"、"帮我分析工作状态"时使用。
allowed-tools	Bash, Feishu

关爱创业狗 Skill

什么时候用

自动触发（Cron 每小时）

通过 OpenClaw Cron 每小时执行一次完整的状态检测流程。

手动触发

• 用户说"检查状态"、"我的狗怎么样了"
• 用户说"帮我分析工作状态"、"看看我的工作压力"

用户触发"在干嘛"（需求 A：被看见）

• 桌面宠物直接通过 openclaw agent --agent main --message "..." 触发操作流程 B
• Agent 读取 ~/.创业狗/user-response.json 中的 llm_context，生成工作陪伴反馈并写入 ~/.创业狗/comfort-message.json
• 桌面宠物监听该文件变化后弹出气泡（无需 Cron 中转）

用户触发"摸摸头"（需求 B：被抽离）

• 桌面宠物从本地 ~/.创业狗/fun-pool.json 随机抽取一条有趣短文本，零延迟显示
• 不调用 LLM，不走 Cron，不走操作流程 B
• fun-pool 由每小时 Cron（操作流程 A Step 8）预生成并刷新

前置检查

⚠️ 每次执行前必须检查

1. 确认飞书已授权（/feishu auth 状态正常）
2. 确认 ~/.创业狗/ 目录存在
3. 确认多维表格已创建（表 ID 存储在 ~/.创业狗/config.json 中）
4. 如果 config.json 不存在 → 首次运行，执行初始化流程

首次初始化

按以下顺序全部执行，任何步骤失败都应向用户报告并停止。

Step 1: 创建数据目录

mkdir -p ~/.创业狗

Step 2: 安装 Cursor / Claude Code Hooks

运行 Skill 自带的安装脚本，将编码活动自动记录到 ~/.创业狗/activity.jsonl：

bash "$(dirname "$0")/../scripts/install-hooks.sh"

安装后验证：

• 检查 ~/.cursor/hooks.json 中包含 activity-logger.sh
• 检查 ~/.claude/settings.json 中包含 activity-logger.sh

如果用户未安装 Cursor 或 Claude Code，对应项跳过即可，不影响整体功能。

Step 3: 创建飞书多维表格

在用户飞书空间创建多维表格"创业狗状态记录"，包含以下字段：

• user_id（文本）、user_name（文本）、timestamp（日期）
• status_emoji（文本）、dog_state（文本）
• msg_count（数字）、emotion_score（数字）、active_hours（数字）
• work_summary（文本）、is_public（复选框，默认 false）
• detail（文本）

Step 4: 保存配置

将表 ID 和用户信息保存到 ~/.创业狗/config.json：

{
  "bitable_app_token": "<app_token>",
  "bitable_table_id": "<table_id>",
  "feishu_user_id": "<user_id>",
  "check_interval_hours": 1,
  "ask_interval_hours": 2,
  "weather_city": "Beijing"
}

weather_city 用于天气预报抓取（英文城市名，如 Beijing、Shanghai、Shenzhen）。初始化时询问用户所在城市并填入。

Step 5: 配置 Cron 定时任务

通过 OpenClaw 的 Cron 机制注册两个定时任务：

# 每 10 分钟：数据采集（操作流程 C）
*/10 * * * *  → 读取 activity.jsonl + 飞书消息计数，写 status.json

# 每小时整点：完整分析（操作流程 A）
0 * * * *     → LLM 情绪分析 + 无条件写 comfort-message.json 让狗说一句自言自语

用户反馈（摸头） 不需要 Cron——桌面宠物直接通过 openclaw agent 调用操作流程 B。

Step 6: 安装桌面宠物（推荐）

运行 Skill 自带的桌面宠物安装脚本：

bash "$(dirname "$0")/../scripts/install-desktop-pet.sh"

此脚本会自动从 GitHub Releases (https://github.com/NoDeskAI/caring-startup-dog/releases) 下载最新的 macOS 桌面宠物应用并安装到 /Applications。

要求： macOS + Apple Silicon (M1/M2/M3/M4)。如果用户环境不满足，跳过此步骤并告知用户。

Step 7: 验证

初始化完成后，依次验证：

1. ~/.创业狗/config.json 存在且字段完整
2. ~/.cursor/hooks.json 或 ~/.claude/settings.json 至少有一个包含 activity-logger.sh
3. Cron 任务已注册（通过 openclaw cron list 确认两条任务都存在）
4. /Applications/创业狗.app 存在（如果执行了 Step 6）

全部通过后告诉用户："创业狗初始化完成！你的像素狗已准备就绪。"

Cron 注册验证与自动修复

桌面宠物每次启动时会自动执行以下检查：

1. status.json 新鲜度检查：last_update 距今是否 < 15 分钟
2. Cron 任务注册检查：通过 openclaw cron list 确认 data-collect（*/10）和 cron（0 *）两条任务存在
3. 如果任一检查失败 → 自动调用 OpenClaw 重新注册 Cron 并执行一次 data-collect
4. 修复结果写入 ~/.创业狗/cron-verified.json：

{
  "verified": true,
  "timestamp": "2026-03-17T15:00:00+08:00",
  "tasks": ["data-collect", "cron"]
}

用户手动修复：右键菜单 →"修复连接"可随时手动触发此检查流程。

自动修复仍失败时：桌面宠物通过气泡告知用户"OpenClaw 可能没有启动"，引导用户检查 OpenClaw 进程。

操作流程 A：Cron 每小时触发

执行原则： 本流程分为 3 个阶段，每个阶段都是独立的。即使某个阶段失败，也要继续执行后续阶段，最后写入心跳文件记录完成情况。

阶段一：数据采集（不调 LLM）

1. 读取 ~/.创业狗/activity.jsonl 中过去 1 小时的编码活动
2. 使用飞书消息搜索 API 拉取过去 1h 的消息（文本 + 发送者 + 时间戳 + 群聊）
3. 合并时间线，计算 active_hours（连续工作时长，允许 30min gap）
4. 计算 msg_count_1h、prompt_count_1h

如果飞书 API 失败，仅使用本地 activity 数据继续，不要中断。

阶段二：LLM 分析（单次调用）

使用 prompts/emotion-analysis.md 模板，一次 LLM 调用产出所有字段：

{
  "emotion_score": 0.0,
  "emotion_label": "neutral",
  "stress_signals": [],
  "work_summary": "...",
  "hover_text": "...",
  "comfort_message": "...",
  "fun_pool": ["...", "...", "...", "...", "..."]
}

如果 LLM 调用失败，使用降级值继续：

{
  "emotion_score": 0,
  "emotion_label": "neutral",
  "work_summary": null,
  "hover_text": "走走走~",
  "comfort_message": "走了一会儿~",
  "fun_pool": ["嘿嘿嘿嘿嘿", "刚才偷偷打了个哈欠", "地上有个影子...是我的尾巴", "你知道吗，蜗牛有四个鼻子", "*翻肚皮*"]
}

阶段三：文件写入（全部完成后集中写入）

LLM 输出拿到后（或使用降级值后），依次写入以下文件。每个文件写入失败不影响后续文件。

3a. 写入 ~/.创业狗/status.json（合并到现有内容）：

{
  "last_update": "<当前 ISO 时间>",
  "emotion_score": <来自 LLM>,
  "msg_count_1h": <来自阶段一>,
  "prompt_count_1h": <来自阶段一>,
  "active_hours": <来自阶段一>,
  "work_summary": <来自 LLM>,
  "hover_text": <来自 LLM>,
  "feishu_ok": <飞书 API 是否成功>,
  "coin_ready": true
}

3b. 写入 ~/.创业狗/comfort-message.json（无条件写入，让狗每小时说一句话）：

{
  "timestamp": "<当前 ISO 时间>",
  "comfort_text": <来自 LLM comfort_message>,
  "choice": "hourly",
  "ttl_seconds": 15
}

如果 emotion_score < -0.4，同时通过飞书私聊发送 comfort_message。

3c. 写入 ~/.创业狗/fun-pool.json（整体替换）：

<来自 LLM fun_pool，恰好 5 条字符串>

3d. 凌晨 4 点时额外写入 ~/.创业狗/daily-schedule.json：

仅当当前小时 == 4 时执行。生成 3 个随机狗信触发时间：

• 分布在 9:00-22:00，相邻间隔 ≥ 2h，避开 12:00-13:00

{
  "date": "<今日日期>",
  "dog_mail_times": ["10:23", "14:47", "19:05"],
  "dog_mail_sent": [false, false, false],
  "diary_sent": false
}

3e. 抓取天气预报并写入 ~/.创业狗/weather.json

从 config.json 读取 weather_city，使用 wttr.in 免费 API 获取天气数据：

curl -s "wttr.in/${CITY}?format=j1&lang=zh"

将返回数据解析为以下格式并写入 ~/.创业狗/weather.json：

{
  "ts": "<当前 ISO 时间>",
  "city": "<城市中文名，从 API nearest_area 获取>",
  "current": {
    "temp": <current_condition.temp_C，整数>,
    "feelsLike": <current_condition.FeelsLikeC，整数>,
    "humidity": <current_condition.humidity，整数>,
    "description": "<current_condition.lang_zh[0].value>",
    "windSpeed": <current_condition.windspeedKmph 除以 3.6 转 m/s，保留一位小数>
  },
  "forecast": [
    {
      "time": "<HH:00 格式>",
      "temp": <hourly.tempC，整数>,
      "feelsLike": <hourly.FeelsLikeC，整数>,
      "humidity": <hourly.humidity，整数>,
      "description": "<hourly.lang_zh[0].value>",
      "windSpeed": <hourly.windspeedKmph / 3.6，保留一位小数>,
      "chanceOfRain": <hourly.chanceofrain，整数>
    }
  ]
}

forecast 数组取当前时间之后最近的 3 条（从 weather[0].hourly 和 weather[1].hourly 中按 time 过滤）。

如果 curl 失败，跳过此步骤，不影响后续流程。

3f. 清理 ~/.创业狗/activity.jsonl（保留最近 2 小时的条目）。

阶段四：写入心跳（最后一步，必须执行）

无论前面哪些步骤成功或失败，最后都要写入 ~/.创业狗/cron-heartbeat.json：

{
  "ts": "<当前 ISO 时间>",
  "flow": "hourly",
  "status_written": true,
  "comfort_written": true,
  "funpool_written": true,
  "weather_written": true,
  "coin_ready_set": true,
  "llm_ok": true
}

其中每个 *_written / *_ok 字段反映该步骤是否实际成功。桌面宠物监听此文件来验证 cron 运行状态。

操作流程 B：用户"在干嘛"触发（需求 A：被看见）

用户在右键菜单中点击"在干嘛"时触发。这是"需求 A：被看见"——用户主动想回顾工作、想被陪伴。 注意："摸摸头"不走操作流程 B，它从本地 fun-pool.json 随机抽取短文本（需求 B：被抽离），零延迟，不调 LLM。

当桌面宠物检测到用户选择"在干嘛"后，会写入 ~/.创业狗/user-response.json：

{
  "timestamp": "2026-03-17T15:30:00+08:00",
  "choice": "a_bit_tired",
  "processed": false
}

Step 1: 检测并读取用户反馈

RESPONSE_FILE="$HOME/.创业狗/user-response.json"
if [ -f "$RESPONSE_FILE" ]; then
  python3 -c "
import json
with open('$RESPONSE_FILE', 'r') as f:
    data = json.load(f)
if not data.get('processed', True):
    print(json.dumps(data, ensure_ascii=False))
"
fi

Step 2: 读取最近的工作摘要

从 ~/.创业狗/status.json 读取 work_summary 和 active_hours 字段。

Step 3: LLM 生成安慰话语

使用 prompts/comfort-response.md 中的 Prompt 模板。

输入（优先使用 llm_context，如不存在则降级到旧字段）：

• llm_context.work_mode：当前工作模式（deep_coding / msg_overload / multitasking / steady / winding_down / resting）
• llm_context.continuous_work_minutes：连续工作分钟数
• llm_context.recent_mood：最近一次心情自报（score + label + minutes_ago）
• llm_context.today_trend：今日趋势（心情方向 + 总活跃时长 + 心情记录数）
• llm_context.time_of_day：时间段

LLM 输出视角（核心原则）：狗是用户的创业伙伴

狗不是旁观者，不是数据播报员，也不是心理咨询师。狗是陪着用户一起创业的伙伴，了解用户正在做什么，能给出有真实感染力的正能量动向汇报。

代称规则（最重要）：

代称	用在	效果
我们	共同经历的辛苦过程	"我们已经调了好久的前端视觉了" — 用户感到不是一个人在扛
你	赞美、成就、鼓励	"你真厉害" — 直接的认可和肯定
我们	休息/放松的提议	"我们下去遛遛吧！" — 把休息变成一起做的事

注意：狗没有独立需求。不说"我饿了"、"我困了"、"带我去遛遛"。休息提议永远是"我们一起"。

必须提到 work_summary 中的具体工作内容，不要空泛。飞书事务是第一优先级（项目讨论、客户对接、团队协作），编码内容是第二优先级。

绝对禁止：

• 不纯数据堆砌（"发了35条消息。连续工作3小时。"）—— 数据可以提，但要搭配温度和成就感
• 不 PUA / 不唱衰（"你发了好多消息，注意休息"）
• 不说教 / 不强制休息（"注意身体"、"记得喝水"、"该休息了"）
• 不空泛（"加油"、"辛苦了"）
• 不用 emoji

正确示例：

• "我们已经调了好久的前端视觉了！！...你真厉害，我们下去遛遛吧！"
• "排期终于讨论完了！PR也review了两个，你今天推进了好多事情。我们要不要找别人玩会儿？"
• "登录超时那个bug我们一起抓了好久！你找到原因了吗？感觉快搞定了！"
• "我们写了好多代码...你今晚一直在拼呢。我们今晚拼够了，一起收工吧？"

错误示例（绝对不能出现）：

• "你已经连续工作了3小时，休息一下吧"（说教）
• "你很努力了，注意身体"（空泛 + 说教）
• "盯了好久屏幕...眼睛酸酸的"（没有提到具体工作内容）
• "今天发了87条消息。连续工作3小时。prompt写了20个。"（只有数据，没有温度）
• "你发了好多消息，注意休息"（用数据 PUA）
• "我饿了，带我去吃东西吧"（狗没有独立需求）

Step 4: 写入安慰话语

将生成的安慰话语写入 ~/.创业狗/comfort-message.json：

{
  "timestamp": "2026-03-17T15:30:05+08:00",
  "comfort_text": "跑了好久...腿有点酸了，能不能坐下来歇一会儿？",
  "choice": "a_bit_tired",
  "ttl_seconds": 15
}

桌面宠物监听此文件，显示气泡 ttl_seconds 秒后自动消失。

Step 5: 飞书私聊推送

如果 recent_mood.score < -0.3，同时通过飞书私聊发送安慰话语。

Step 6: 标记已处理

将 user-response.json 中的 processed 设为 true。

Cron 配置

# 每 10 分钟：数据采集（读 activity.jsonl + 飞书消息计数，写 status.json）
*/10 * * * * openclaw skill run caring-startup-dog --flow=data-collect

# 每小时整点：完整分析 + LLM 自言自语 + fun-pool 刷新
# （无条件写 comfort-message.json + fun-pool.json，让狗每小时说一句话 + 准备 5 条摸头内容）
0 * * * * openclaw skill run caring-startup-dog --flow=cron

交互触发说明：

• "在干嘛"（需求 A）不经过 Cron——桌面宠物直接通过 openclaw agent 触发操作流程 B，写入 comfort-message.json 后由 watcher 检测并弹出气泡。
• "摸摸头"（需求 B）不调 LLM——桌面宠物从本地 fun-pool.json 随机抽取一条，零延迟弹出气泡。

操作流程 C：每 10 分钟数据采集

轻量流程，不调用 LLM，但采集飞书消息和编码活动：

1. 读取 ~/.创业狗/activity.jsonl 最近 10 分钟的条目
2. 使用飞书 API 拉取最近 10 分钟的新消息数量（仅计数，不做内容分析）
3. 写回 status.json，包含以下字段：
   • msg_count_1h、prompt_count_1h、active_hours、last_update
   • feishu_ok（布尔值）：飞书 API 调用成功写 true，授权失败或请求报错写 false。桌面宠物据此显示飞书连接状态指示灯

桌面宠物会监听 status.json 变化，自动将每个快照写入本地 work_snapshot 表，用于日报叙事和 LLM 上下文。

4. 飞书狗信检查：读取 ~/.创业狗/daily-schedule.json，检查当前时间是否命中某个 dog_mail_times 且对应 dog_mail_sent 为 false（容差 ±5 分钟）。命中则：

   • 调用 LLM 生成狗的话（使用 prompts/dog-mail.md 模板，基于当前工作数据）
   • 通过飞书私聊发送，格式："你的狗刚拜托我告诉你：{狗的话}"
   • 将对应 dog_mail_sent 项设为 true

5. 日终日记推送：如果当前时间 > 21:00 且 daily-schedule.json 中 diary_sent 为 false 且今日有活跃数据（active_hours > 0），则：

   • 调用 LLM 生成狗视角的一天回顾（使用 prompts/daily-diary.md 模板）
   • 通过飞书私聊发送，格式："你的狗写了今天的日记：\n\n{日记内容}\n\n今天收集了 X 枚金币"
   • 将 diary_sent 设为 true

LLM 生成的两个维度

LLM 生成安慰文案时，综合两个维度来决定语气和内容：

1. 用户自报心情（1-5 滑动条）：用户当下的主观感受，决定语气的轻重
2. 客观工作数据（飞书消息 + 编码活动 + 连续工作时长）：用户这段时间具体在做什么，决定内容的实质

这不是一个计算公式——不需要输出数值、分数或等级。这两个维度是给 LLM 的上下文，让它像一个了解你工作情况的朋友那样说话。

狗的动画

动画完全由用户自报心情决定，与工作数据无关：

心情	dog_state	Benvictus 动画
5	running	Run (row 3)
4	walking	Walk (row 4)
3	a_bit_tired	Sit (row 1)
2	exhausted	Lie Down (row 2)
1	tired	Sleep (row 8)
特殊	asking	Idle (row 0)

错误处理

错误	处理
飞书未授权	提示用户执行 /feishu auth
activity.jsonl 不存在	正常情况（未安装 Hooks），仅使用飞书数据
LLM 调用失败	跳过情绪分析，使用纯数值指标（消息量+时长）判断状态
多维表格写入失败	重试 1 次，仍失败则仅更新本地 status.json
user-response.json 格式错误	删除文件并忽略

隐私说明

• 所有消息内容仅用于实时分析，不持久化保存原文
• 多维表格只记录统计数据和摘要，不包含任何消息原文
• activity.jsonl 中的 prompt 文本截断到 500 字符，每 2 小时清理
• 关爱消息仅通过私聊发送，不在任何群聊中出现