Activity Analyzer Skill 是一款基于 ActivityWatch 的本地活动分析工具，旨在帮助用户深入了解自己在电脑上的时间分配与行为模式。该技能通过调用本地的 ActivityWatch 数据，获取用户在特定时间段内使用各类应用程序和窗口的详细记录，包括应用名称、窗口标题以及对应的使用时长。这些数据经过本地脚本处理后，会被发送至 AI 模型进行智能分析，从而生成关于用户工作习惯、注意力集中程度和时间管理效率的综合报告。整个流程在本地完成数据采集，仅将聚合后的分析结果上传至云端处理，兼顾了功能性与隐私保护。 该工具特别适用于希望提升个人工作效率、优化时间管理策略或识别潜在干扰因素的用户。无论是远程办公者、自由职业者还是学生群体，都可以借助 Activity Analyzer 获得客观的行为洞察。它不仅能够揭示用户在“深度工作”与“分心浏览”之间的平衡状态，还能指出如频繁切换任务、长时间沉迷社交媒体等不良习惯。通过提供具体且可操作的改进建议，该技能成为了一个理性而富有同理心的生产力教练，协助用户建立更健康的工作节奏。 值得一提的是，该技能在设计上充分考虑了隐私安全。虽然原始数据包含可能敏感的信息（如文档名、邮件主题或网页链接），但系统默认运行于本地环境，并允许用户自定义数据聚合方式以减少信息泄露风险。同时，AI 分析过程仅接收摘要而非原始日志，进一步保障了数据安全。对于注重隐私的用户，官方还提供了修改脚本以仅发送应用类别和使用时长的选项，确保分析功能不牺牲个人信息的保密性。
核心功能特点
- 基于 ActivityWatch 本地活动数据的智能分析能力
- 自动识别时间分布模式与异常行为（如过度分心）
- 提供2-3条具体、可执行的时间管理改进建议
- 支持自定义时间范围查询（例如最近24小时）
- 内置隐私保护机制，支持数据脱敏与本地化处理
适用场景
Activity Analyzer Skill 特别适合那些希望量化自身数字生活习惯、找出效率瓶颈并制定针对性改善计划的用户。例如，远程工作者可以通过它发现自己在视频会议后容易陷入无目的浏览的状态，进而调整日程安排或设置网站拦截规则；自由职业者则能借此评估是否真正投入了足够时间在核心项目上，避免被琐碎任务分散精力。此外，学生群体也可利用该工具监控学习时段与非学习活动的比例，培养更专注的学习习惯。 另一个典型应用场景是自我反思与目标管理。当用户设定了新目标（如每天写作两小时），却难以坚持时，Activity Analyzer 可以帮助他们回顾实际执行情况，对比预期与现实的差距，从而调整策略。它不仅能揭示‘表面忙碌’背后的真实投入度，还能提醒用户注意隐性干扰源，比如不断弹出的通知或习惯性打开的娱乐网站。这种基于事实的分析比主观感受更具说服力，有助于推动可持续的行为改变。 对于重视隐私的技术型用户，该工具也提供了灵活的数据控制选项。他们可以选择仅上传应用类型和使用时长，而非具体的窗口标题，既保留了分析价值又降低了信息暴露风险。结合本地运行的 ActivityWatch 架构，整个流程无需依赖第三方服务器存储原始日志，进一步增强了用户对数据主权的可控性。因此，无论你是追求高效工作的专业人士，还是关注数字健康的生活探索者，Activity Analyzer 都能成为一个值得信赖的辅助决策工具。