注意：本题为单人题目，可自行取舍功能范围，但必须保证产品的核心使用流程完整。
工程与技术难度不是重点，可基于和组合已有开源项目完成基础能力。
无论实现多少功能，都必须形成真实可用的闭环，并至少 连续使用 2 天 ，提交 使用反馈报告 。
1. 任务背景
短视频、QQ等IM软件、浏览器、IDE、会议，以及越来越多随时可以调用的 AI，让我们每天处理的信息越来越碎片化。
尤其在后大模型时代，一个人可能同时在等待 Agent 跑任务、回复微信和飞书、修改另一个项目的代码、处理突然出现的问题，并在十分钟后努力回忆：
我刚才到底做到哪里了？
神说：
Attention is all you need.
你的 Attention 还够吗？
当 AI 开始替我们写代码、搜索资料、生成文档以后，人并没有退出项目执行，反而常常要同时承担执行、管理、判断和取舍。
可以并行推进的事情越来越多，但人的注意力并没有随之增加。我们仍然需要记住未完成事项、切换项目、跟踪进度、恢复上下文，并根据现实不断调整计划。
这些工作会持续消耗有限的注意力和执行功能。对于 ADHD 人群，这种负担通常更加明显；但当任务、项目和 AI Agent 足够多时，这也是一个普遍问题。
所以，我们能不能做一个：
大脑的外骨骼？
替用户承担一部分任务的记忆、整理、调度、追踪和反馈工作，让有限的注意力更多留给真正需要人的判断与创造的过程。
我不希望碰任何流程化、以经验调度为主的枯燥乏味任务。
2. 任务目标
请设计并实现一个桌面端的：
大模型驱动的个人秘书 Agent
它需要围绕三个核心能力形成完整闭环：
记录 → 推进 → 反馈
三个阶段不应该是三个相互独立的 Demo。
系统产生的结果需要继续影响之后的行为，也就是形成真正的 Feedback Loop （反馈闭环）。
闭环的关键在于，可以根据用户一次次的任务执行反馈，提升之后为用户记录任务、规划任务时的使用体验（可能是准确度、可能是更符合用户偏好，此处涉及一些对用户的长期记忆管理，我推荐的是简单考虑下就行）
技术选型不限，你可以使用云端或本地模型，但是使用本地模型在保证用户隐私的情况下，实现较好的效果是加分的。
与题目重点无关的能力，可以直接使用成熟方案、组合已有开源项目或者 Mock。
我们更关心的是：
你选择实现的能力，是否最终组成了一个合理、真实可用的系统。
3. 核心能力一：Record（记录）
第一个问题是：
怎样以尽可能低的成本，记录用户需要做什么，以及实际上做了什么？
用户可以直接把脑中的事项倾倒给 Agent，而不需要先整理成规范的 TODO。
例如：
“张三那个 PR 明天看一下。”
Agent 可以结合已有的 Project、Task 和上下文，自动完成任务归类、拆解、时间信息提取和后续整理。用户仍然可以手动调整，但不应该被迫维护大量结构化信息。
一些待办也可能在用户没有主动记录时产生。例如聊天中出现：
“这个方案周五前更新一下吧。”
产品可以通过屏幕内容等桌面上下文发现潜在任务，并由 Agent 判断是否加入 TODO、询问用户或暂时忽略。
除了记录“要做什么”，产品还可以记录“实际做了什么、做了多久”。
一种方式是由用户主动记录，例如点击悬浮窗开始某个任务，结束后得到实际耗时；也可以进一步记录应用使用情况等桌面活动，由 Agent 尝试推断用户正在推进哪个任务以及实际花费的时间。
后者不是必须实现的能力，你可以根据产品方案进行取舍。
这一部分的目标是：
尽可能减少用户维护 TODO 和记录实际执行情况所需要的额外操作，为之后的任务推进和反馈提供真实数据。
4. 核心能力二：Execute（推进）
把任务记录下来，并不意味着它会自然完成。
第二个问题是：
怎样帮助用户决定现在最适合推进什么，并以更低的注意力成本把任务持续往前推进？
用户可以主动指定当前希望推进的 TODO，Agent 也可以结合任务优先级、截止时间、当前可用时间、用户状态以及过去的执行经验，帮助判断此刻更适合做什么。
在执行过程中，Agent 可以关注用户是否仍在推进当前任务。当用户频繁切换注意力、偏离原计划或被其他事情打断时，Agent 可以帮助用户重新聚焦，并保存当前进展，方便之后快速回到：
“刚才做到哪里了，下一步该做什么？”
对于还没有开始的任务，Agent 还可以协助用户完成拆解、排序、时间安排和后续规划，并根据真实执行进度持续调整。
例如，如果产品逐渐发现用户上午更适合处理高认知任务、下午更适合处理零碎事项，那么之后安排任务时就可以利用这些经验，而不是每天重新让用户自己判断。
这一部分的目标是：
减少用户在“做什么、什么时候做、怎么开始、做到哪了、接下来做什么”上的决策负担，让有限的注意力更多用于任务本身。
同时思考，如何顺从人类大脑的天性，利用人脑的奖励机制，来提高用户的执行力？
5. 核心能力三：Feedback（反馈）
第三个问题是：
Agent 能不能根据用户长期的真实执行记录，让之后的任务安排越来越符合这个人？
反馈不是生成“今天工作了多久”或者“效率多少”的报表，而是持续比较：
原本怎么计划，实际上怎么执行，最后效果怎么样？
Agent 可以从一次次任务执行中，逐渐了解用户对不同任务的实际耗时、适合的时间段、精力状态以及容易失败的安排，并用这些经验修正之后的任务拆解、优先级和时间安排。
例如，如果用户多次把一小时的调研任务做到两个小时，或者下午很难推进高认知任务，那么下一次 Agent 就应该调整时间预估或安排方式，而不是继续给出同样的计划。
这一部分的目标是：
用真实执行不断校准计划，让产品逐渐形成更适合这个用户自己的时间和精力管理方式。
6. 闭环与使用报告
最终至少需要完整跑通一次：
任务产生或被发现
↓
进入 TODO 并完成初步整理
↓
安排当前和后续任务
↓
记录用户实际做了什么、做了多久
↓
根据真实进展调整任务和计划
↓
分析计划与实际执行的差异
↓
用这些经验影响下一次任务安排这是本题最重要的要求。
你还需要真实使用自己的产品至少 2 天。
使用报告不需要很长，但希望看到真实问题，例如：
- Agent 哪些判断正确？
- 哪些分类错误？
- 哪些提醒有帮助？
- 哪些提醒反而打扰了你？
- Agent 认为你在做什么，和你实际在做什么是否一致？
- 第一天发生的事情，有没有让第二天的系统表现发生变化？
- 经过两天使用，你修改了哪些设计？
必须 在答辩的时候展示自己的心得体会，以及在使用时候的感受。
后话
警告：意识流写法
提醒：我用的GPT辅助写作，你使用GPT家族的模型更容易解读题目
本题目其实已经提供了较为清晰的能力模块划分，从工程实现上也不难。话虽如此，但是出本题时只花了1-2小时打磨，有不足的点需你自行调整，期待你的作品。
建议真的对题目感兴趣，再选择此题目，我希望你可以打磨一个艺术品，而不是仅仅一个项目，不然会被狠狠拷打。
出题人喜欢精简风，UI好看的也会额外加分，UX体验好的也会加分，如果你的TODO记录尽可能markdown格式原生存储，那更加分了，因为可以结合obsidian做一些好玩的。
这是一个我24年想到的点子，而后在我阅读了柳比歇夫的时间管理法，以及一些精力管理法，执行力分析的文章后，根据感觉写了这么一个二面题。
所以说，里面的一些看法甚至可能是错误的，本题目的核心是抛出一个我遇到的问题，且当前市面上的产品，我没有发现可以解决我需求的。
未来穿越回现在的你，告诫自己，在完成题目的时候，需要做的事情有三件：
- 和AI商量，理解产品的核心需求（关键是对齐出题人需求）
- 自己权衡，看似复杂的功能背后，做到什么程度比较好，搓出快速可用的demo
- 适当怀疑题目的可行性，但不要与它为敌，在核心需求不变的情况下，让任务更加合理
我比较喜欢的是，这个APP能有个悬浮窗，上面是个live2d的猫娘桌宠当我的个人秘书。
话说，猫耳外套的艾莉丝真可爱啊，不过文盲艾莉丝还是不要当秘书了
推荐技术栈与实现方法
- 使用 electron 开发app，TypeScript编程语言
- 不需要后端
- 屏幕识别可以使用多模态的大模型，可以用小参数量模型快速理解阅读，大参数量模型来阅读筛选后的小部分界面截图（当然，也可以考虑通过无障碍API来阅读屏幕内容）
- 肯定是要做一些Agent类的工作的，可以用疯狂好的Agent开发框架
- 你先考虑的是功能的核心是什么，先以最简单的方式实现最核心的小功能，而后再重构、拓展为完整业务能力
我之前看的书籍/文章
- 《奇特的一生》柳比歇夫的时间管理法
- 如何提高自制力？知乎硬核分享 （不过这个有点神棍嫌疑，仅提供来拓展思路）