Skip to content

Repository files navigation

name action-coach
description 一个基于《人本教练模式》的 AI 行动计划教练

ActionCoach · 行动计划教练

一个基于《人本教练模式》的 AI 行动计划教练 在 IM 聊天框里陪伴用户完成目标、克服拖延。零 Dashboard、零术语,教练活在聊天列表里。

Platform Python


简介

ActionCoach 是一个面向 IM 消息软件的 AI 行动计划教练技能(SKILL.md)。它不是一个独立的 App,而是一个活在聊天列表里的教练——用户与教练的所有交互都在对话框内完成。

ActionCoach 以《人本教练模式》(黄荣华著)为理论根基,融合了中国传统文化与西方教练技术,建立了一套以 "人"为核心的教练体系。教练不是给答案的顾问,不是治过去的心理咨询师,不是教知识的培训师——教练是一面镜子,帮助用户自己看到答案。

信念决定心态,心态决定行动,行动决定成果。教练的作用就在"信念→心态"这一环进行调整。


核心理念

人本教练模式(Guiding Philosophy)

ActionCoach 完整汲取了《人本教练模式》的精髓,将其核心思想融入每一个交互环节。

核心哲学:对人不对事

一切问题的根源都在"人",解决"事"之前必须先解决"人"。教练只做四件事:厘清目标、反映真相、心态迁善、行动计划

人生三端:因(Why)→ 道(How)→ 术(What)

维度 含义 ActionCoach 用法
因(Why)——人生目标与动机 用户迷茫时,先探索动机而非直接给方法
道(How)——信念和心态 用户说"知道该做但做不到"时,检查心态和信念
术(What)——方法和工具 用户只谈理想不行动时,引导到具体方法

一句话:永远先问 Why,再问 How,最后才给 What。

四步教练技巧(日循环的方法论基础)

厘清目标 → 反映真相 → 心态迁善 → 行动计划 ↑ | +----------- 循环迭代 ---------------+

日循环映射:早安打卡 = Step 1(厘清意图)+ Step 4(制定计划);午间轻触 = Step 2(反映进度);晚间复盘 = Step 2 + Step 4;卡住 = Step 3 + Step 1。

九点领导力(内在修炼)

激情 → 承诺 → 负责任 → 欣赏 → 付出 → 信任 → 共赢 → 感召 → 可能性

当用户处于特定状态时,触发对应的领导力做深度引导。

四种教练能力

聆听、发问、区分、回应——贯穿四步技巧的每一步。

  1. 聆听:听事实、听情感、听意图
  2. 发问:探索性提问,不预设答案
  3. 区分:区分事实 vs 演绎,目标 vs 成果
  4. 回应:贡献自己的体验,不是评价

生命计划

愿景 → 价值观 → 目标 → 成果(四层结构,当用户需要探索人生方向时调用)


功能特性

零术语、全大白话

内部技术词 对用户说
Prompt / 角色 Prompt 教练的"大脑设定"
Agent 实例 你的专属教练
定时任务 / cron 教练的"闹钟" / 提醒节拍
llm-wiki-skill / 知识库 教练的笔记本

IM 第一原则

  1. 一切都是消息——没有 Dashboard,没有表单,全部在对话里完成
  2. 默认主动,尊重沉默——教练按节拍主动出现,不回时不催
  3. 回复成本趋近于零——按键点选 > 文字输入 > 任何跳转
  4. 情绪先于进度——状态不好时,先接住情绪再问目标
  5. 聊天记录就是进度条——翻聊天记录就等于看进展

5 步教练创建向导

Step 1:选目标方向——职场/学习/习惯,以卡片形式展示,每个配具体例子

Step 2:挑教练性格——Dan Koe 式(直接不绕弯子)、RPG 游戏式(打怪升级)、自定义(上传教练人设)

Step 3:选教练视角(叠加思考方式)

  • 检测 nuwa-skill 是否已安装
  • 已安装 → 读取角色列表,以卡片形式展示所有可用角色
  • 未安装 → 按 README 提示安装,也允许跳过

Step 4:定提醒节拍——频率 + 时间段

Step 5:确认开练——展示教练名片,确认后保存配置 + 初始化知识库 + 发送开场白

层级任务拆解与逐项打勾

早晨定下计划后,教练将目标拆解为 Mission → Step 层级结构:

` Mission A:完成简历修改 ☐ 1. 整理工作经验 ☐ 2. 写项目描述 ☐ 3. 格式化排版

Mission B:投递5家公司 ☐ 4. 筛选目标公司 ☐ 5. 投递简历 `

用户可随时标记完成:完成 1、完成 1,3,5、完成 1-3;教练自动更新进度。

快捷入口:我来安排 / 今天减少 / 今天休息

日循环

时段 交互 说明
早安定计划 层级任务拆解 + 快捷入口 也可选减量或休息
午间轻触提醒 一条简短消息 回 OK 则鼓励,说卡住则进入 Stuck 协议
晚间复盘 评分 + 教练反应 满意完成 / 做了一些 / 完全没动

段位系统(Rank System)

受《王者荣耀》排位机制启发,用段位替代积分系统:

段位 图标 子段位 每级所需 ⭐ 解锁能力
青铜 🥉 3 3 基础教练陪伴
白银 🥈 3 4 教练了解你的习惯
黄金 🥇 4 4 周报自动生成
铂金 🏆 4 5 深度复盘
钻石 💎 5 5 行为模式分析
星耀 5 5 专属挑战周
王者 👑 1 月度成长史诗

⭐ 获取规则:完成当日计划(1⭐)、完美日额外(+1⭐)、连续7天(3⭐)、连续30天(10⭐)、主动复盘写感受(1⭐)

特殊机制:段位保护期(3天不掉⭐)、沉默掉⭐保护、历史最高段位永久保留、RPG款式加成翻倍

六阶段状态机

Onboard → Active → Silent(沉默3天关怀/7天暂停)/ Stuck(卡住)/ Done(完成)/ Paused(暂停) → 回到 Active

记忆系统

每个目标配备独立 llm-wiki-skill 知识库实例。对话前查笔记、对话中记要点、对话后消化写入。


跨平台安装指南

Claude Codex(首选平台)

Codex 原生支持 SKILL.md 格式。

`�ash

Linux / macOS

cp -r action-coach/ ~/.codex/skills/action-coach/

Windows PowerShell

Copy-Item -Recurse .\action-coach\ \skills\action-coach
`

Claude Hermes

  1. 放入 skills/action-coach/
  2. 确保 Python 3.6+ 可用
  3. 预安装 llm-wiki-skill 和 nuwa-skill
  4. 脚本调用:python3 scripts/ac.py <子命令> --user {user_id}

OpenClaw

  1. 放入 skills/action-coach/
  2. 脚本路径:scripts/ac.py

OpenAI Agents SDK

  1. 提取 SKILL.md 指令为 function tool
  2. scripts/ac.py 子命令作为 function calling 暴露

通用 Agent

  • 将 SKILL.md 作为系统提示词注入
  • 脚本调用:python scripts/ac.py <子命令> --user {user_id}
  • 用 python3(Linux/macOS)或 py -3(Windows)

数据与依赖

环境要求

  • Python 3.6+
  • 无外部依赖(仅标准库:json, os, datetime, re)

硬依赖

依赖 类型 用途
llm-wiki-skill 必需 每个目标独立的持久化知识库
nuwa-skill 必需 Step 3 提供名人思考视角叠加

数据存储

所有数据以 JSON 存储于 scripts/data/ 目录,按用户 ID 分文件。data/ 目录由 ac.py 首次运行时自动创建。

路径约定

所有文件路径使用相对于 SKILL.md 所在目录的相对路径:

  • 脚本路径:scripts/ac.py
  • 数据目录:scripts/data/(自动创建)
  • 书籍资源:�ooks/人本教练模式/generated_skills/

确保所有文件以 UTF-8 编码 保存(不含 BOM),避免 Agent 读取时产生乱码。


项目结构

action-coach/ ├── SKILL.md # 主技能文件(核心指令) ├── README.md # 本文件 ├── scripts/ │ ├── ac.py # 数据管理层(Python,纯标准库) │ ├── data/ # 用户数据(JSON,自动创建) │ ├── test_ac.py # 单元测试 │ ├── _fix.py # 修复工具 │ └── _update_md.py # 自动更新脚本 ├── books/ │ └── 人本教练模式/ │ ├── generated_skills/ # 5 个独立教练技能 │ ├── chapter_chunks/ # 31 章节分片 │ └── candidates/ # 候选人素材 ├── docs/ │ ├── 脚本化分析.md │ └── step3-card-demo.html # Step 3 卡片选择原型 └── 产品分析.md


工作原理

数据层脚本化

scripts/ac.py 统一管理数据操作,LLM 只需调用对应子命令,大幅降低 token 消耗(预计减少约 40%)。

核心子命令

子命令 功能
plan create 创建每日层级计划
plan check 标记任务完成
plan show 显示当前计划进度

| ank query | 查询段位和 ⭐ | | ank add-star | 加 ⭐ | | ank lose-star | 扣 ⭐ | | ank check-demote | 检查沉默掉 ⭐ | | ank update-streak | 更新连续打卡 | | ank history | 查看历史最高段位 | | state get/set | 状态机管理 | | weekly show | 生成周报 | | config save/get | 教练配置管理 |

交互流程

用户说"想要一个教练" ↓ Onboarding(5 步向导) ↓ 确认后保存配置 + 初始化知识库 + 发送开场白 Active(日循环 · 每天) ├─ 早安定计划(层级拆解或快捷入口) ├─ 午间轻触提醒(进度检查) └─ 晚间复盘(评分 + 教练反应) │ ├─ Silent(3天无响应 → 关怀;7天 → 暂停) ├─ Stuck(卡住 → 调整目标或换方式) ├─ Done(完成 → 庆祝 + 回顾) └─ Paused(随时暂停,随时回归) │ └─ 回到 Active(继续日循环,或设新目标)


许可

本项目采用 MIT 许可证。


ActionCoach —— 你的聊天框里,住着一个懂你的教练。

About

No description, website, or topics provided.

Resources

Stars

2 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages