OKR工作管理鍊金術師

👤 zerosloney 📦 v2.0.0 ⭐ 4.5 ⬇️ 768 下載
📄 辦公效率 免費

📖 技能介紹


name: okr-work-manager description: > KPI/OKR 工作管理系統。支援季度/年度 OKR 目標設定,通過自然語言記錄工作日誌 自動追蹤目標進度,生成周報、月報、季報、年報,實現目標管理+工作記錄+進度追蹤+復盤總結的完整閉環。 version: 2.0.0 tags: [okr, kpi, work-management, productivity, time-tracking, weekly-report, goal-tracking] author: QClab license: MIT-0


KPI/OKR 工作管理

將零散的工作日誌轉化為結構化的 OKR 管理,實現從目標設定到成果總結的完整資料閉環。

何時使用此技能

  • 使用者要記錄每日工作日誌
  • 使用者要建立/檢視/更新周計劃
  • 使用者要生成周報、月報、季報或年報
  • 使用者要設定或檢視 OKR 目標和進度
  • 使用者要復盤季度或年度 OKR 完成情況

核心原則

  1. 自然語言輸入:任意格式,Agent 智慧解析工時、標籤
  2. 零依賴:Agent 直接讀寫 JSON 檔案,無需安裝任何工具
  3. 自動追蹤:工作日誌關聯 OKR,自動累計進度
  4. 漸進分析:週報(輕度) -> 月報(對齊) -> 季報(提煉) -> 年報(復盤)

資料儲存

資料存放在 {workspace}/.okr-work-manager/ 目錄下:

.okr-work-manager/
├── daily/           # 工作日誌 (YYYY-MM-DD.json)
├── plans/           # 周計劃 (YYYY-Www.json)
├── weekly/          # 週報 (YYYY-Www-report.json)
├── monthly/         # 月報 (YYYY-MM-report.json)
├── quarterly/       # 季報 (YYYY-QX-report.json)
├── yearly/          # 年報 (YYYY-report.json)
├── okr_config.json  # OKR 配置
└── okr_progress.json # OKR 進度

完整 JSON schema 參見 data-schema.md

定時排程(Gateway Cron)

通過 Agent Gateway Cron 實現定期報告生成。

首次使用:初始化定時任務

Agent 通過 cron.add 建立 3 個隔離式 cron 任務:

{
  "name": "okr:weekly-report",
  "schedule": { "kind": "cron", "expr": "0 18 * * 5", "tz": "Asia/Shanghai" },
  "sessionTarget": "isolated",
  "payload": {
    "kind": "agentTurn",
    "message": "執行本週工作週報。讀取 {workspace}/.okr-work-manager/daily/ 本週日誌和 plans/ 本週計劃,彙總工時、標籤、OKR 貢獻,儲存到 weekly/ 目錄。參考 skills/okr-work-manager/references/data-schema.md",
    "model": "haiku"
  },
  "delivery": { "mode": "announce" }
}
{
  "name": "okr:monthly-report",
  "schedule": { "kind": "cron", "expr": "0 20 28 * *", "tz": "Asia/Shanghai" },
  "sessionTarget": "isolated",
  "payload": {
    "kind": "agentTurn",
    "message": "執行本月 OKR 對齊分析月報。讀取 {workspace}/.okr-work-manager/ 本月全部日誌,對比 okr_config.json 分析對齊度和進度預警,儲存到 monthly/ 目錄。參考 skills/okr-work-manager/references/data-schema.md",
    "model": "haiku"
  },
  "delivery": { "mode": "announce" }
}

CLI 方式(將 {cli} 替換為實際命令):

{cli} cron add \
  --name "okr:weekly-report" \
  --cron "0 18 * * 5" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "執行本週工作週報..." \
  --model haiku --announce

預設值

任務 預設時間 cron 表示式 說明
週報 每週五 18:00 0 18 * * 5 工作日結束前
月報 每月 28 日 20:00 0 20 28 * * 月底提前
季報/年報 不自動執行 由使用者手動觸發

頻率調整

週報改成每週五 17 點
月報改成每月最後一天
暫停自動週報
恢復週報

四級分析體系

1. 週報(輕度展示)

  • 讀取本週日誌,對比周計劃完成情況
  • 彙總各 OKR 的本週貢獻
  • 儲存至 weekly/YYYY-Www-report.json

2. 月報 + OKR 對齊分析(中度)

  • 讀取本月全部日誌和週報
  • 工作與 OKR 對齊度分析,識別未對齊工作
  • OKR 進度預警(落後/超前)
  • 下月對齊建議
  • 儲存至 monthly/YYYY-MM-report.json

3. 季報 + OKR 智慧提煉(深度)

  • 讀取季度內所有月報
  • OKR 完成情況總結,KR 級進度評估
  • 基於工作分佈智慧提煉下一季度 OKR 建議
  • 儲存至 quarterly/YYYY-QX-report.json

4. 年報 + 年度 OKR 復盤(全面)

  • 讀取全年季報
  • 季度 OKR 與年度 OKR 對齊分析
  • 全年工作模式識別和趨勢分析
  • 下一年度 OKR 建議
  • 儲存至 yearly/YYYY-report.json
分析型別 對齊分析 進度預警 OKR 提煉 趨勢分析 調整建議
週報 - - - - -
月報 OKR 對齊 超前/落後 - - 下月
季報 OKR 對齊 OKR 完成 智慧提煉 - 下季度
年報 季度-年度 全年完成 OKR 建議 季度趨勢 下一年度

OKR 管理

雙重模式

模式 說明
主動設定 使用者在季度/年度開始前設定目標,即時追蹤進度
智慧提煉 季報/年報基於工作資料自動生成 OKR 建議

OKR ID 命名

型別 格式 示例
季度 OKR q_{year}-Q{quarter}_{index} q_2026-Q1_1
年度 OKR y_{year}_{index} y_2026_1

操作方式

  • 設定 OKR:"設定 Q1 OKR:1.完成架構升級(200h)- 核心模組重構(100h)..."
  • 檢視進度:"檢視 Q1 OKR 進度"
  • 更新 KR 進度:Agent 根據工作日誌自動累計

    這個技能的最新版本可以在7w4.net小蔥技能站找到。

時間計算規則

  • ISO 8601 標準:周從週一開始,第1周包含1月4日
  • 季度:Q1(1-3月)、Q2(4-6月)、Q3(7-9月)、Q4(10-12月)

依賴技能

無外部依賴。Agent 直接讀寫 JSON 檔案。

參考文件

  • data-schema.md — 全部 JSON 資料結構定義(日誌、計劃、報告、OKR 配置、OKR 進度)
  • troubleshooting.md — 常見問題、資料修復、從 Python 版本遷移

使用示例

  • basic-usage.md — 記錄日誌、建立計劃、生成周報
  • advanced-usage.md — OKR 設定、進度檢視、月報對齊分析、季報提煉、年報復盤

版本歷史

版本 日期 變更
2.0.0 2026-03-31 重構為分層文件架構;補全月報/季報/年報/進度 JSON schema;統一路徑為 {workspace};增加 Gateway Cron 排程;增加標準 frontmatter 欄位
1.0.0 2026-03-27 Agent 純驅動重構:移除 Python 指令碼,單 SKILL.md

🤖 AI 評測

這個 Skill 質量不錯,OKR 和工作記錄功能比較完整,能自動生成周報月報季報和年報,追蹤目標進度,還有智慧建議功能。文件寫得很詳細,用法示例豐富,小白也能上手。美中不足的是功能較多,對新手來說學習成本略高,另外缺少一些異常情況的處理說明。總體適合需要系統化管理工作和目標的使用者。

📊 多維度評分

適應性4.4
規範性4.6
有效性4.4
可靠性4.4
可信度5

📁 包含檔案 (6 個)

📄 SKILL.md 6.7 KB
📄 _meta.json 135 B
📄 examples/advanced-usage.md 3.9 KB
📄 examples/basic-usage.md 1.9 KB
📄 references/data-schema.md 11.9 KB
📄 references/troubleshooting.md 2.9 KB