برنامهریزی کارهای شخصی با هوش مصنوعی
هدفها، پروژهها و نتیجههای ثبتشده رو به یک برنامه قابل بررسی تبدیل کنید؛ انجام شدن کار فقط با گزارش روشن ثبت میشه و اتصال مدل جداگانه اختیاریه.
برنامهریزی کارهای شخصی با هوش مصنوعی از هدفها و وضعیت واقعی پروژههاتون شروع میشه، نه از پر کردن همه ساعتهای روز. اسکیل personal-pm از یادداشتهای محلی و جوابهای شما برای انتخاب کار بعدی استفاده میکنه و برنامه رو در فایلهای قابل بررسی نگه میداره. میتونید هدفها رو تنظیم کنید، هفته رو مرور کنید یا فقط کار امروز رو مشخص کنید؛ یک درخواست روزانه، مجوز تغییر کل برنامه نیست.
کاری که علامت انجام نداره، لزوما شکست نخورده؛ ممکنه هنوز نتیجهاش رو گزارش نکرده باشید. این روش بین انجامشده، متوقف، کنارگذاشتهشده و نامشخص فرق میذاره. پیشنهادها هم باید با انتخاب شما به برنامه تبدیل بشن. اعتبار قالب فایل، درستی تصمیم ایجنت یا مناسب بودن حجم کار رو ثابت نمیکنه.
کاربردها
- هدفهای بلندمدت رو به پروژه و قدم بعدی وصل کنید.
- برنامه امروز رو با زمان و اولویت فعلیتون بسازید.
- مرور هفتگی رو از نتیجههای ثبتشده شروع کنید.
- ثبت بازخورد رو از درخواست برنامهریزی دوباره جدا نگه دارید.
- کارهای عقبافتاده رو فقط وقتی هنوز مرتبط هستن ادامه بدید.
- پیشنهادهای قابل انتخاب رو از تعهدهای تاییدشده جدا کنید.
نصب و استفاده
- پوشه کامل اسکیل، Python نسخه ۳.۱۰ یا جدیدتر و یک پوشه داده قابل نوشتن آماده کنید. مسیر اصلی، ایجنت دارای ابزار فایل و فرمان میخواد؛ رابط مرورگری اختیاری در نسخه کامل پروژه به Flask نیاز داره.
- هدف و زمان در دسترس رو مشخص کنید. مثلا بگید «برای مرتب کردن آرشیو عکسهام امروز نیم ساعت وقت دارم؛ فقط یک قدم قابل تمام شدن پیشنهاد بدید». اطلاعات قدیمی رو با وضعیت فعلی اصلاح کنید.
- پیشنویس رو مرور کنید و کار، نشانه پایان و زمان تخمینی رو بررسی کنید. موارد انجامشده و بازخورد قبلی باید حفظ بشن؛ زمان پیشنهادی، اندازهگیری واقعی نیست.
- بعدا نتیجه هر کار رو روشن بگید و گزارش ذخیرهشده رو بررسی کنید. اگر فقط بازخورد میدید، ایجنت نباید از اون مجوز تغییر هدفها یا ساخت برنامه تازه برداشت کنه.
سوالات متداول
منبع
ساخته Michael Hsu. نام اصلی: personal-pm، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub