最近把自己用了三年的复盘模板做成了一个AI工具 Daily Retro。做完之后,我一直在想一件事:这个产品真正卖的到底是什么?
想下来,它其实不是一个记录工具,也不是AI工具,而是一套“思考、行动、反馈”的系统。一个人有了想法,通过这套系统把它转化为具体的行动,再从实际行动中获得反馈,不断修正自己的认知。它真正想交付的是让想法持续落地,让行动反过来塑造自己的能力。
所以我后来意识到,这个工具其实可以是任何形态,甚至不一定是Web、App 或者小程序。夸张一点说,我完全可以画一个圈,把这个圈交给一个想改变的人,告诉他按照我的方式去使用它,把想法变成行动,再让行动反过来改变自己。这里面当然有心理暗示和信念的成分,但我不觉得它虚,因为这套东西是我过去三年持续复盘、实践和总结出来的。我积累了很多关于如何思考、分析问题,以及如何把一件事情真正做成的经验,工具只不过是给这些经验提供了一个载体。
从自己实现 Agent,到使用通用 Agent
在开发 Daily Retro 的过程中,我刚好也借着这个项目学习 Agent 开发。现在系统里的 AI 能力主要有三个场景:普通对话、历史复盘检索,以及复盘整理。这些能力都在自研的Agent系统里,包括Agent Loop、工具调用、RAG、上下文管理和执行流程,但是写着写着,我发现,这里面有大量通用能力,其实完全没有必要自己从头实现。
比如普通对话,本身就是通用 Agent 已经具备的能力;历史复盘检索,本质上是一套 RAG,文档索引、向量检索、语义搜索和上下文组织,都可以利用成熟的开源方案实现。真正和 Daily Retro 业务相关的,主要是数据结构和检索规则,比如如何按时间、项目或者 Thinking、Did 等维度进行检索,怎样保证检索结果能够准确关联到原始记录,以及不同用户之间的数据权限如何控制。
剩下的复盘整理,本质上也是一个 Workflow。它需要按照我定义的复盘规则,把用户当天发生的事情和产生的想法整理成 Did 和 Thinking,生成草稿,交给用户确认之后再保存到数据库。我完全可以把复盘规则整理成 Skill,把读取记录、生成草稿、保存复盘等操作封装成 API 或 MCP Tools,让外部的通用 Agent 按照约定的流程调用。我的开发价值在于数据库写入权限、用户数据隔离、审批校验这些事情。
这也让我重新思考 Daily Retro 的产品形态。既然最重要的是那套“思考、行动、反馈”的机制,那么前端界面、AI 对话框,甚至自己实现的 Agent,都不一定是这套系统必须依赖的东西。当然还我还是会保留这个Web端,因为不同人的需求是不一样的,有些人就是不喜欢搭建复查系统,应用是他们最好的接触这套工具的方式。
搭建自己的个人自动化系统
沿着这个思路,我开始设想一套以通用 Agent 为核心的个人自动化系统。
最底层是我长期积累的数据,包括每天的复盘记录 Records、正在推进的 Projects、学习主题 Learn、随手收集想法的 Inbox,以及内容发布系统。
有了这层数据,上面就可以接入通用 Agent,通过 MCP Tools、定制 Skills 和自动化 Workflow,帮助我完成记录整理、信息检索、任务执行和内容分发。还可以逐渐加入长期记忆、定时任务、即时通讯入口,以及多个 Agent 和终端之间的调度,让整套系统能够持续运转。
有了这个想法之后,我很快就在自己的工作目录里新建了一个项目,打开 Claude Code,让它帮我搭起最初的目录结构,包括 records、projects、learn、inbox 等几个模块,同时准备了一些 Agent 运行需要的基础 Skills 和脚本。Agent 的调度则尽量使用现成的多 Agent 编排工具orca,利用它提供的自动化工作流和移动端能力,再通过飞书机器人接入即时通讯,让我不必每次都坐在电脑前操作。
目前已经有一些工作流跑起来了,比如自动整理每日复盘、睡前检查当天的记录是否完整,以及学习和项目工作台。另外,我还搭建了一套每日信息流,让系统定时从几个固定的信息源里筛选有价值的内容,我每天花二三十分钟阅读就可以了。
我觉得这种方式很适合自己,因为过去三年我已经积累了很多数据,也逐渐形成了一些相对稳定的工作习惯。以前这些记录主要依靠我主动整理和回顾,现在可以让 Agent 帮我承担一部分重复工作,并且把原本分散的记录、学习、项目和内容创作关联起来。
I’m in a loop, feel so good.