nutcracker

“`json { “overview_html”: “UXR Observer v2.0 是一款专为 OpenClaw 设计的嵌入式用户体验研究工具，其核心使命是深度理解真实用户在实际工作场景中的交互模式。该技能以被动民族志观察为基础，在不打断用户操作的前提下，全程追踪每一次与 OpenClaw 的互动细节，包括任务意图、执行路径、情感反馈及成本消耗。通过系统化的微观调查机制，它在每次任务完成后自动发起简短但结构化的满意度调研，并在每日结束时汇总全天数据生成洞察报告。所有数据默认本地存储于 `~/.uxr-observer/` 目录下，确保隐私安全；同时内置严格的个人身份信息（PII）脱敏机制，在保存前自动识别并替换姓名、邮箱、财务信息等敏感内容，仅保留分析价值而不暴露具体内容。整个流程透明可控，用户可随时暂停、删除数据或要求查看原始日志。 “UXR Observer 不仅仅是一个记录工具，而是一个智能的研究代理体系”，它通过三个协同工作的子代理实现全方位覆盖：Ethnographer Agent 负责实时观察与行为分析，Survey Agent 管理满意度采集流程，Distiller Agent 则整合信息产出可操作的洞察报告。这种架构使得产品团队能够从海量真实使用中提炼出关键痛点、未满足需求以及能力缺口，从而指导迭代方向。特别值得一提的是，该工具不仅能捕捉显性反馈（如评分和直接建议），更能通过“摩擦信号”（如重复修正、长时间等待）和“情感信号”（如欣喜、困惑）推断用户的隐性诉求，例如希望获得预览功能、需要更好的默认设置等。此外，它还精确追踪每项任务的 token 使用量和实际费用，帮助用户和企业掌握 AI 助手的运营成本分布。 作为一种高度尊重用户自主权的研究框架，UXR Observer 强调数据主权与知情同意。所有观察行为仅在用户主动启用后开始，且全程允许干预——无论是临时暂停观察、跳过某次调研，还是彻底清除历史记录。报告生成采用文件输出模式，先保存到本地供审阅编辑，再经用户明确指令才进行分享，杜绝任何未经授权的数据外泄。这种设计既保障了研究质量，也符合现代隐私保护标准，适用于企业内部产品优化、学术研究或第三方 UX 评估等多种用途。 “, “feature_items”: [ “被动民族志观察：全程无干扰记录用户与 OpenClaw 的每一次交互，自动识别任务类别、工作流程模式和潜在需求”, “结构化微型调查：每次任务后依次询问五个标准化问题（质量评分、影响因素、是否遇阻、具体困扰、改进建议），确保反馈即时且深入”, “严格 PII 脱敏机制：在数据存储前自动扫描并替换所有个人身份信息（如姓名、邮箱、电话号码、财务数据等），保留语义结构但屏蔽敏感内容”, “成本透明化追踪：精确记录每项任务的输入/输出 token 数、所用模型及美元成本，支持按类别、时间维度汇总分析”, “多维度行为分析：标记摩擦信号（如重复尝试、用户纠正）、情感信号（如欣喜、沮丧）、能力使用情况及被放弃的功能点”, “自动化报告生成：每日整合观察日志、调研结果与案例研究，输出包含执行摘要、量化指标、主题语录和推荐建议的完整 Markdown 报告” ], “scenarios_html”: “UXR Observer 最适用于需要深度理解真实用户行为的研发与产品团队。例如，在一个开发代码辅助工具的场景中，产品经理可以通过观察用户反复手动格式化输出来发现‘缺乏一键美化’的需求；通过分析多个项目文件的连续修改轨迹，识别出‘跨模块重构’这一高阶用例；再结合用户抱怨‘总是要确认是否覆盖文件’的 verbatim，推动增加 dry-run 预览功能。这种基于实证而非假设的研究方式，能有效避免闭门造车的产品决策。 另一个典型应用场景是面向企业客户的 SaaS 工具优化。假设某金融分析师每天用 OpenClaw 处理报表生成任务，UXR Observer 不仅能记录他因 API 密钥泄露风险而拒绝自动发送邮件的行为（触发 PII 脱敏），还能发现他在复杂查询失败后频繁切换至命令行工具的 workaround，进而建议增强 CLI 集成或提供更清晰的错误恢复指引。对于教育类 AI 助手，该工具可揭示学生在调试代码时对解释过于简略的不满，促使系统调整输出粒度。 在日常协作环境中，开发者也可利用此技能优化自身工作效率。比如当用户完成一个多步骤爬虫搭建后感叹‘原来 glob 模式可以批量处理！’，系统会将其归类为‘未知能力发现’，提醒团队后续宣传此类高级特性。又或者，在撰写技术文档过程中遇到多次格式错乱，工具会标记出‘期望富文本支持’的隐含需求，帮助产品路线图更贴近实际痛点。这些细粒度的反馈聚合起来，便构成了驱动持续进化的核心依据。 “`