用途
OpenAnalyst Challenge Onboarding 是一个在用户创建新挑战时触发的动态、AI 驱动的入门引导流程。它模拟真实问责教练的对话方式，帮助用户把模糊的挑战意图转化为可执行、有约束力的计划。该技能基于 The Coaching Tools Company 和 GoalsWon 的最佳实践。
当用户点击“Create Challenge”时，该技能会：
- 像真实问责教练一样提出约 5 个动态问题
- 根据挑战类型和回答自适应调整问题
- 计算承诺分数（必须 ≥8/10）
- 把模糊目标转化为具体的每日行动
- 根据用户可用时间创建日程
- 设置惩罚契约
- 生成初始待办与里程碑
主要能力
入门流程
阶段 1：挑战识别
教练询问用户想接受什么挑战，并进一步了解具体目标。例如用户说“Learn Python”，教练会追问具体想用 Python 达成什么（求职、自动化工作、个人项目、单纯好奇等），并了解用户已有的编程经验。
阶段 2：承诺分数
教练让用户以 1-10 分评估自己完成挑战的承诺程度。若分数低于 8，会追问是什么阻碍了更高分数，并针对具体顾虑（如时间不足）当场探讨解决方案，例如梳理典型工作日的时间安排，确定现实可投入的每日时长，然后重新评估承诺分数。
阶段 3：目标澄清
教练询问在 30 天内至少完成什么才算成功，并把回答翻译为具体的周里程碑。例如“Learn Python for Data Science”会被拆解为：第 1 周 Python 基础、第 2 周数据结构与库（NumPy、Pandas）、第 3 周数据可视化、第 4 周迷你项目。
阶段 4：日程创建
根据用户可用时间生成每周日程，包括每日时段、休息日、弹性补课日和周日复盘。用户可提出调整（如跳过周五），教练会相应修改。
阶段 5：惩罚契约
教练询问错过一天会有什么后果，以及谁担任裁判（referee）。随后生成正式承诺契约，包含挑战名称、时长、每日安排、休息日、惩罚内容、裁判、宽限期，用户输入“I AGREE”即签署契约。
动态问题逻辑
按挑战类型自适应提问：
- 学习类：想学什么、最终目标、当前水平、偏好学习方式、截止日期
- 健身类：健身目标、当前水平、伤病/限制、偏好锻炼时间、可用器材
- 构建类：在构建什么、单人还是团队、目标上线日期、MVP 形态、技术栈偏好
- 习惯类：想建立什么习惯、以前是否尝试过及结果、提醒触发点、如何追踪、线索-惯例-奖励
- 创意类：在创作什么、“完成”的定义、是否发布/分享、数量还是质量优先、现有创作惯例
承诺分数深入追问
若分数 < 8，会追问：
- “是什么阻碍你达到 [当前+2]？”
- “需要改变什么才能让你更投入？”
- “这真的是你现在正确的目标吗？”
- “我们是否应该缩小范围到更可实现的目标？”
可用时间冲突解决
若用户说“没时间”，会追问：
- “带我过一遍你典型的一天，逐小时”
- “如果我们从 15 分钟开始呢？”
- “你能早起 30 分钟吗？”
- “你能砍掉什么来腾出空间？”
使用方式
该技能在用户创建新挑战时自动触发，以全屏对话式聊天界面进行引导。UI 组件包括：聊天界面、承诺分数滑块（1-10 视觉刻度）、交互式周日历日程构建器、正式契约预览卡片、开始前的确认摘要屏幕。
输出文件
技能会生成以下文件：
~/.openanalyst/challenges/[slug]/challenge-config.json：包含挑战 ID、名称、类型、创建/起止日期、时长、承诺（每日/每周小时、活跃日、休息日、时段）、目标与里程碑、承诺分数、用户顾虑、讨论过的解决方案~/.openanalyst/challenges/[slug]/schedule.md：每周日程表、单次会话结构（1 小时：0-10 分钟复习、10-45 分钟新材料、45-55 分钟练习、55-60 分钟记录签到）、签到时间~/.openanalyst/challenges/[slug]/milestones.md：按周拆解的里程碑清单
集成点
- 用户入门：拉取可用时间与偏好
- 惩罚技能：创建承诺契约
- 连续打卡技能：初始化挑战追踪
- 日程重规划器：使用日程数据
- 每日签到：使用会话时间
- 激励：使用目标生成个性化激励
适用场景
适用于用户创建学习、健身、构建、习惯、创意等各类个人挑战时的入门引导，帮助把模糊意图转化为有承诺分数、有日程、有惩罚契约、有里程碑的具体计划。
限制
资料未提供该技能的具体收费、价格、平台支持范围、效果保证或技术依赖等细节，暂未提供。