# Dida Auto Worker

> 滴答清单自动执行器 - 扫描任务列表，自动完成可代劳的任务。

- Skill: `leoyishou/dida-auto-worker` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add leoyishou/dida-auto-worker`
- Raw SKILL.md: https://api.skillmd.com/api/skills/leoyishou/dida-auto-worker/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: leoyishou (https://skillmd.com/u/leoyishou)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/leoyishou/dida-auto-worker

---


# Dida Auto Worker Skill

自动扫描滴答清单任务，识别可自动完成的任务并执行。

## 触发方式

用户说：
- "扫一下滴答清单"
- "帮我处理滴答任务"
- "看看有什么能帮我做的"
- "/dida" 或 "/dida-auto"

## 执行流程

### 1. 获取任务列表

调用 `mcp__dida365__list_tasks` 获取未完成任务（limit 50）。

### 2. AI 自主判断任务类型

对每个任务，根据标题和描述判断是否可自动完成。**可自动完成的任务类型**：

#### A. 调研类
特征：
- 标题含"调研"、"了解"、"研究"、"对比"、"选型"
- 想知道某个技术/工具/方案是什么、怎么用、哪个好
- 问句形式的任务

处理方式：使用 WebSearch + WebFetch 收集信息，生成调研报告

#### B. 内容分析类
特征：
- 包含链接（知乎、小红书、B站、YouTube、X/Twitter、播客等）
- 标题含"分析"、"总结"、"看看这个"
- 想让 AI 帮忙消化某个内容

处理方式：
- 视频链接：调用 video-downloader-skill 下载，转文字后分析
- 文章/帖子：用 WebFetch 抓取内容，生成摘要/分析
- 播客：下载音频，转文字总结

#### C. 写 Demo 类
特征：
- 标题含"写一个"、"demo"、"示例"、"试试"、"实现"
- 明确描述了要实现什么功能
- 技术性任务

处理方式：直接在本地生成代码文件

#### D. 简单执行类
特征：
- 标题含"下载"、"保存"、"爬取"
- 有明确的输入和输出

处理方式：直接执行并保存结果

#### E. 纯英文内容 - 单词学习
特征：
- 任务标题/描述是纯英文（或大部分英文）
- 可能是英文文章、推文、技术文档等

处理方式：
1. **识别生词**：分析文本，找出非常用词（排除 top 5000 常用词）
2. **提取上下文**：保留单词所在的完整句子
3. **写入单词库**：调用 `mcp__supabase__execute_sql` 写入 PersonalDigitalCenter 的 `english_vocabulary` 表
   ```sql
   INSERT INTO english_vocabulary (word, context, source, definition)
   VALUES ('word', '原句', '任务来源', '释义')
   ON CONFLICT (word) DO NOTHING;
   ```
4. **汇报学习成果**：告知识别了多少生词，已加入学习队列

**判断"生词"的标准**：
- 不在 top 5000 常用词列表中
- 不是专有名词（人名、地名、公司名）
- 不是纯技术术语（API、SDK、JSON 等）
- 单词长度 > 3

**Supabase 配置**：
- Project ID: `mwvsdfalfqblbqwnyqpn`
- 表名: `english_vocabulary`

### 3. 不自动处理的任务

- 纯笔记/记录类（无明确动作）
- 需要用户决策的任务
- 涉及个人隐私/敏感操作
- 需要登录特定账号才能完成的
- 重复性任务（有 repeatFlag 的循环提醒）

### 4. 执行与输出

**输出规则**：
- 简短结果：直接更新到任务描述
- 代码/大文件：保存到 `~/usr/projects/inbox/dida-outputs/<日期>/<任务ID>/`
- 在任务描述中附上文件路径

**执行确认**：
- 扫描完成后，先列出识别到的可处理任务
- 等用户确认后再批量执行
- 或用户可以选择"全部自动执行"

### 5. 结果汇报

执行完成后输出汇总：
```
已完成 X 个任务：
1. [任务标题] - [简要结果]
2. ...

待查看文件：
- ~/usr/projects/inbox/dida-outputs/2026-01-25/xxx/report.md
```

## 使用示例

```
用户: 扫一下滴答清单

Claude: 扫描到 50 个任务，其中 8 个可以自动处理：

【调研类】
1. "如何让大模型稳定输出JSON格式" → 可搜索分析
2. "ASR 技术对比" → 可生成调研报告

【内容分析类】
3. "https://www.zhihu.com/question/xxx" → 可抓取分析
4. "叮咚买菜播客" → 可下载转文字

【写 Demo 类】
5. "写一个工具遍历滴答清单" → 可直接实现

要我处理哪些？输入编号或"全部"
```

## 配置

输出目录：`~/usr/projects/inbox/dida-outputs/`

## dida365 API 已知坑

### `createdTime` 字段为 null

`mcp__dida365__list_tasks` 返回的任务中，`createdTime` 字段始终为 null（API 不返回此字段）。

**解决方案**：任务 ID 是 MongoDB ObjectID，前 4 字节（8 个十六进制字符）即 Unix 时间戳，可直接解码获取创建时间。

```python
from datetime import datetime, timezone, timedelta

def decode_oid_time(oid: str, tz_offset_hours: int = 8) -> datetime:
    """从 MongoDB ObjectID 解码创建时间"""
    tz = timezone(timedelta(hours=tz_offset_hours))
    ts = int(oid[:8], 16)  # 取前 8 位十六进制 → uint32 Unix timestamp
    return datetime.fromtimestamp(ts, tz=tz)

# 示例：'696a240a...' → 1768563722 → 2026-01-16 19:42 (上海时间)
```

验证：`696a240a` → `int('696a240a', 16)` = 1768563722 → 2026-01-16 19:42 上海时间，与滴答清单 UI 显示一致。

### tag 过滤不支持

`list_tasks` 不支持按 tag 过滤，需要在 Python 侧手动过滤：

```python
tagged = [t for t in tasks if 'target-tag' in t.get('tags', [])]
```

### 大量任务场景

`list_tasks` 结果可能超出 token 限制。处理方式：将结果保存为临时文件，用 `cat | python3 -c` 管道解析：

```bash
cat /tmp/tasks.json | python3 -c "
import sys, json
tasks = json.load(sys.stdin)
# ... 过滤和分析
"
```