职业护城河智能管家

基于本地存储的个人职业护城河管理工具，帮助用户沉淀工作价值、识别AI替代风险、生成绩效材料，数据完全私有可控。

基本信息

• 技能名称?liuyishou-skill
• 中文名称?职业护城河智能管家
• 作者?liuyishou-skill
• 分类?专业技能
• 版本?latest
• 标签?productivity, career-development, data-analytics, automation, project-program-management, personal-growth

使用方法

使用说明
核心用法
「留一手」是一款面向职场人的本地职业资产管理技能，通过五大核心子命令构建个人护城河：
init 初始化个人职业档案，仅需三步（角色、专注领域、目标）即可建立工作记录体系。 capture 是高频入口，30-60秒快速捕获工作事件，系统会自动评估该工作的「护城河维度」（判断力、影响力、领域上下文、杠杆效应、流动性）和「AI替代风险等级」（高/中/低），并给出分享建议。 weekly 生成周度复盘，提炼本周核心价值证明、护城河风险和下周行动建议。 moat 提供30天深度评估，分析工作价值的来源结构和被AI替代的趋势。 pack 则是对外输出层，支持生成管理者周报、绩效要点、转岗材料、离职包四种职场刚需文档。
所有数据存储于本地 .liuyishou// 目录，采用纯 Python 标准库实现，无需任何外部依赖。
显著优点

1. 极简交互设计 ：遵循「最小输入」原则，capture 仅需「发生了什么」和「为什么重要」两个字段即可启动，大幅降低记录摩擦。
2. AI风险预判机制 ：独创的 AI compression risk 评估体系，帮助用户主动识别哪些工作正变得可替代，引导工作选择向更难被AI取代的方向迁移。
3. 隐私分级管控 ：支持 private/team/manager 三级分享级别，敏感推理和人际动态可完全隔离，导出时自动过滤私有条目。
4. 双轨输出架构 ：脚本层负责确定性数据存储和过滤，LLM层负责面向受众的表达优化，兼顾自动化效率与人工判断价值。
5. 零网络零依赖 ：纯本地运行，无云端同步、无第三方库、无网络请求，从根本上杜绝数据泄露风险。
   潜在缺点与局限性
   无协作能力 ：设计哲学强调个人私有，不支持团队共享或云端同步，多人协作场景不适用。
   T3来源信任成本 ：作为社区个人项目，缺乏官方组织背书，用户需自行审计代码（尽管代码完全透明）。
   评估主观性 ：护城河维度和AI风险等级依赖LLM判断，同一工作在不同上下文可能得到不同评估结果。
   数据持久性责任 ：本地存储意味着用户需自行备份，无自动灾备机制。
   功能边界清晰 ：专注职业记录与复盘，不做任务管理、日程规划或技能学习追踪。
   适合的目标群体
   中高级职场人 ：P6及以上工程师、技术负责人、产品经理等需要沉淀个人专业价值的角色。
   转型期员工 ：面临转岗、晋升答辩或潜在离职风险，需要快速整理职业资产的人群。
   AI替代焦虑者 ：希望主动评估工作可替代性、向更难被AI取代的工作模式迁移的从业者。
   隐私敏感型用户 ：对云端工具不信任、要求数据完全本地可控的职场人士。
   使用风险
   性能风险 ：长期大量记录后，纯JSON文件存储可能影响查询性能（建议定期归档）。
   依赖项风险 ：虽当前零依赖，但若未来升级引入第三方库，需重新评估供应链安全。
   版本兼容性 ：Python脚本升级可能改变存储格式，需关注data-contract.md的变更。
   人为操作风险 ：pack导出时虽自动过滤private条目，但用户仍需审慎检查最终输出内容。