【导语】
去年 12 月，我创建了一套「月度复盘 Skill」，将四周的周复盘文档、番茄钟数据（Pomodoro）、年度目标拉在一起做一次“月度复盘”，实现了一句指令生成结构化复盘报告。它确实解决了「找文档 → 跑脚本 → 生成报告」的自动化问题，但内容质量远未达到我的预期。
这篇文章记录的是这次大规模升级的思路和效果：从「信息堆砌」升级为「认知交叉验证」。
上一篇文章《Claude Agent Skill 实践：创建个人月度复盘 Skill》记录了 v1.0 版本的创建过程。那个版本解决了自动化问题，AI 能正确查找文档、调用脚本、按格式输出。但连续使用三个月后，我发现了五个核心问题：
AI 做的事情本质上是「把四周的周复盘拼在一起」，缺乏月维度的提炼和洞察。我在「投入产出比」里看到的是数字，在「阻碍与反思」里看到的是周复盘原文的摘抄，和我自己打开四个文件一页页翻没有本质区别。
周复盘是经过我思考和筛选后的认知，但人的体感常常会失真。我说「本周重点推进编程」，但实际上可能花了更多时间在探索新工具。v1.0 只读取周复盘，不读取原始 DailyLog 数据，所以它只能看到我主观认知的那一面。
v1.0 生成的内容像一份中规中矩的工作汇报：「本月编程番茄钟 29 个，环比减少 17.1%，建议关注。」正确但无用。我需要的是有人告诉我「你嘴上说编程进度慢，但 DailyLog 显示你本周 19 条编程记录，你这不叫慢，你叫产品经理的职业病发作了」。
v1.0 的所有分析都在我自己的数据里打转。我在做独立开发、写公众号、做小红书，但从来不知道行业里其他人在做什么、平台有什么变化、市场趋势是什么。
我在 DailyLog 里记录了很多想法和思考，但周复盘从不会收录这些内容。一些想法反复出现，比如「推进视频方向」，却连续几个月毫无行动。v1.0 没有机制发现这种模式。
这五个问题指向一个共同的根因：v1.0 的数据来源太单一（只有周复盘），分析方式太表面（只做汇总），缺乏交叉验证的机制。
解决这些问题的核心思路是：不要把所有鸡蛋放在「周复盘」这一个篮子里。
我把数据来源拆成两条线，再引入第三方视角做交叉验证：
Line A（自上而下） 是原来就有的路径：年度目标 → 上月复盘 → 周复盘 → 月度总结。这条线承载的是我经过思考和筛选后的认知。它的价值在于主观判断和优先级排序，但盲区也正是「主观」本身。
Line B（自下而上） 是新增的路径：从原始 DailyLog 笔记中提取全月的行为数据。你做了什么、花了多少时间、关注了什么话题、写了什么想法，全部按天铺开。这是未经过滤的真实数据。
第三视角 是 AI 站在独立观察者的角度，把 Line A 和 Line B 交叉比对。你说重点在编程，但数据显示探索占比最高，这就是认知偏差。DailyLog 里反复出现「推进视频方向」，但周复盘只字未提，这就是遗漏盲区。
这个架构很像审计中的「双向核查」：正向从财务报表查到原始凭证，反向从银行流水查到账面记录。两边对不上，就是问题所在。
以下按模块展开每个升级点的思路和效果。
对应问题 1 和 2：内容只是周复盘的堆砌；只有「我说的」，没有「我做的」。
抓取原始的 Dailylog 数据，和周复盘文档内容相互印证。
新增一个 Python 脚本 collect_dailylogs.py，遍历指定月份所有 DailyLog 日记文件，按标签分类、按时段统计、按旬段对比，自动生成一份包含 9 个维度的行为报告：基础统计、时间分布、番茄钟统计、日记汇总、工作专项、关注点迁移、无标签笔记、个人想法与记录、每日记录密度表。
其中「关注点迁移」把全月按上旬 / 中旬 / 下旬切分，统计各时段的标签频次变化：哪些话题月初很热但月末消失了？哪些标签月末突然冒出来？这种迁移往往对应着重要的注意力转移。
v1.0 的「阻碍与反思」：
编程时间 29 个番茄，本月投入流量日记项目的重构修复。创作 20 个番茄，完成三篇公众号文章。
这是信息摘要，不是复盘。
v2.0 的「阻碍与反思」：
宣传依然是死穴： MP13 被少数派推荐首页是真正的里程碑，但这更多是内容质量的结果，而非运营策略的成功。流量日记开发了快半年，社区曝光依然是 0。
有判断、有归因、有行动方向。差别在于 v2.0 不止看到周复盘里「我说做了什么」，还看到了 DailyLog 里「我实际在做什么、没做什么」。
对应问题 3：分析太正经，像工作汇报，看完就忘。
如果只是让 AI 列出「Line A 和 Line B 的差异」，结果一定是干巴巴的：「周复盘自述重点为编程，DailyLog 数据显示探索占比最高，存在认知偏差。」正确但无聊。
我的解法是给 AI 设定一个有人格的角色。
「傲天」是我设计的毒舌损友兼贴身军师（名称来自二喜中我最喜欢的节目《少爷和我》）。说话风格融合了四种特质：鲁迅的匕首感（一句话扎到要害）、王朔的痞气（嬉笑怒骂全是真话）、李诞的丧幽默（消解严肃感）、老罗的段子密度（每隔几句必有一个梗）。核心原则是：骂归骂，最后一句一定是建设性的。
「傲天有话说」不是随便吐槽，而是有结构地分析，背后有五项交叉比对的原则：
v1.0：
本月编程番茄钟 29 个，环比减少 17.1%，建议关注。
v2.0 的「傲天有话说」：
你说 " 快要收尾 " 的时候，订阅功能才刚刚开始实现，我知道这是人类的乐观主义，无需追责。但有一个数字必须正视：本月 创作番茄只有 2 个，-88.9%，比 9 月的 18 个蒸发了 16 个番茄的时间。你在 9 月用来发 4 篇内容的精力，10 月全去喂代码了。
代码确实喂得不错，35 个编程番茄是近几个月最高，但兄弟，你的公众号和小红书不会因为你的
Sendable协议写得好而自动更新。
数据是真的，结论是准的，语气带刺但不让人反感。「人类的乐观主义」确实很像是硅基生物说出来的话。
对应问题 4：所有分析都在自己的数据里打转。
v2.0 新增了「外部情报收集」步骤，AI 在生成复盘前，根据本月实际活跃领域，从公开信息源中选择 2-3 个最相关的进行定向搜索。比如编程投入多的月份去看 GitHub Trending 和 Hacker News，内容创作为主的月份去看少数派和 36 氪。
这里有几个关键设计点：
选而非扫。不追求覆盖所有信息源，优先选与本月实际活跃领域匹配的 2-3 个，避免蜻蜓点水。少数派是默认必选项，因为它和我的内容创作方向直接相关。
明确排除不可访问的源。微信公众号、小红书等需要登录的平台，在 SKILL.md 中写死排除声明。AI 不去尝试注定失败的请求。
禁止静默跳过。如果外部情报获取失败，必须在复盘文档中明确标注，而不是假装这个步骤不存在。
AI 不再平均用力地在六个信息源上蜻蜓点水，而是在 2-3 个最相关的源上深入挖掘。拿回来的情报点更聚焦，能直接和当月的内容创作方向、技术选型对比分析。
三篇文章均属于 " 个人实践叙事 " 类型，与账号定位高度契合。但有一个值得关注的盲区：本月最大 AI 行业热点是 Claude Code 源码意外泄露（HN #1 热门），揭示了 fake tools、undercover mode 等内部机制，这与该账号核心读者（关注 AI 工具和效率工作流的用户）需求完全重叠，但全月未有任何对应内容。
对应问题 5：想法来了又走，没人追踪。
双线印证解决了单月内「说的」和「做的」之间的偏差检测。但还有一类问题是单月无法发现的：某个想法反复出现、月月提起，却从未产生任何实质行动。我管这种想法叫 「僵尸想法」。
以「推进视频方向」为例：这个想法从 2025 年 10 月起就反复出现在周复盘和月度复盘中，到 2026 年 2 月，整整五个月，依然是「持续搁置」状态。每次单月复盘都会提一句「本月未进展」，但因为只和上月对比，它看起来只是一个正常的「本月没做到」，而非一个系统性的「你根本不打算做」。
v2.0 把对比窗口从「上月」扩展为「近三月」。脚本自动定位过去三期月度复盘文件，提取各期的「本月种子」章节，按时间轴构建追踪表。连续两个月以上出现但无任何行动记录的，标注为 ⚠️ 僵尸想法，在第三视角中点名批评。
AI 还会对 DailyLog 中的想法做动态主题聚类：不预设固定分类，而是根据当月实际内容动态归纳主题。实际生成的主题比如「工具理性：工具的边界在哪里」「职场安全感重建」「AI 工作流的跃迁」，每个主题都是从数据里长出来的，不是套模板。
2026 年 2 月的复盘中，僵尸想法被清晰识别：
AgentNexus MVP：连续两月完全零进展，目标仍挂在周计划列表里。
视频方向决策：仍未决策，Mac 效率周刊连续两月零产出。
这两个想法在单月复盘中都只是轻描淡写的「未完成」，但放在三个月的时间轴上一看，性质完全不同：它们不是「还没来得及做」，而是「你根本不想做但又不愿意承认」。
识别出僵尸想法后，下一步行动就清晰了：要么给它安排一个具体的行动日，要么直接从列表里删掉。占着位置不行动，是对注意力的消耗。
v1.0 的复盘原则只有四条（Outcome > Output、连续性检查、系统审计、数据诚实），它们都是正确的，但太「通用」了，对着任何项目都能说这四句话。
v2.0 增加了三个结构化分析框架，专门针对我的三个主要领域：
2025 年 12 月复盘中，AI 用 Build in Public 评估三角分析了流量日记项目：
产品进度 ✅：有实质功能完成。社区曝光 ❌：零公开分享。连续 5 个月，没有在任何开发者社区分享流量日记的开发进度，「隐形开发者」状态终月未破。用户反馈 ❌。三角严重失衡。
如果没有这个框架，AI 大概只会写「本月完成了若干功能开发」。「完成功能」只是三角中的一个顶点，另外两个顶点的缺失才是真正的问题。
双线印证的数据量很大：Line A 的结构化文档（年度目标 + 上月复盘 + 四周周复盘）、Line B 的原始行为数据（几百行脚本输出）、番茄钟数据、外部情报。所有内容堆在同一个上下文里，AI 在执行到第三视角分析时，前面的数据细节已经开始模糊。这就像让一个人同时看完四份报告后立刻做交叉分析：记忆会衰减，注意力会打折。
v2.0 的解法是把三大分析任务拆成独立的 Subagent，每个 Subagent 只看它需要的数据，在干净的上下文里做深度分析：
A 和 B 可以并行执行，C 必须等两者完成后才启动。Subagent 之间不共享上下文，通过 .tmp/ 临时文件目录传递数据，组装完成后清理。
Subagent 架构之外，还有三个工程层面的改进值得一提：
脚本直接写入临时文件。原来编排器要先运行脚本、读取输出、再写入临时文件，Agent 充当了一个无意义的「中间人」，白白消耗上下文窗口。v2.0 用 shell 重定向让脚本输出直接写入文件，编排器只需执行命令，不需要加载任何输出内容，数据收集阶段的上下文占用从几千 token 降到几乎为零。
跨月反馈闭环。模板末尾新增「给傲天的留言」章节，我在读完复盘后随手填写对分析的回应和补充。下月复盘时，脚本自动提取上月留言作为三个 Subagent 的输入。这形成了一个人机共识的循环：我的主观反馈成为下月 AI 分析的输入，每一轮复盘都比上一轮更懂我的关注点和偏好。
绝对路径替代相对路径。实际测试中发现，AI Agent 执行 shell 命令时的工作目录不可预测，相对路径会导致临时文件被写入错误位置。v2.0 在步骤 1 定义 $VAULT 变量，后续所有文件路径都基于这个变量构建。这是 Agent Skill 开发中容易忽视的问题：涉及文件写入时，永远用绝对路径。 读错位置只是找不到数据，写错位置则是数据丢失。
架构设计是我做的。 双线印证的思路、第三视角的设定、分析框架的选择、想法追踪的规则，这些都是人类的判断。AI 不知道我的复盘需要什么，不知道「周复盘是经过筛选的认知」这个洞察，不知道我需要一个毒舌但真诚的角色来帮我打脸。
Skill 文件的编写是 AI 辅助的。 我把设计思路告诉 Claude，它帮我把自然语言转化为结构化的 SKILL.md 文档、创建参考文件、编写 Python 脚本。但每一步我都会审核和修改。
每次复盘的执行是 AI 做的。 输入「为我复盘 2026-02」，AI 自动走完 9 步流程，输出完整的复盘文档。
复盘后的决策是我做的。 AI 可以告诉我「视频方向连续五个月零进展，是僵尸想法」，但要不要砍掉这个方向，是我的决定。
这就是 Skill 的价值：它不是替代你思考，而是把你的思考方式固化下来，让 AI 每次都按这个方式执行。 你做一次深度思考，AI 帮你执行一百次。
从 v1.0 到 v2.0，月度复盘 Skill 的核心升级可以归纳为五个方向：
这套方法不仅适用于月度复盘。任何涉及「多信号源 + 交叉验证 + 持续迭代」的分析任务，都可以用类似的架构来设计 Skill。季度 OKR 检查、项目 PostMortem、内容选题分析，核心逻辑是相通的。
Skill 的本质是把你的思考方式产品化。你想得越清楚，AI 执行得越稳定。
我独立开发的 Mac 端 App「流量日记」已上线 Mac App Store，专为自媒体创作者打造，可永久保存、分析各平台导出的账号数据。如果你是用 Mac 的内容创作者，欢迎下载体验，半年内免费使用。
欢迎关注我的公众号「高效人生指北」。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。