libero3 0.3.0

package/dist/mcp/weixin-server.js

@@ -0,0 +1,158 @@
+#!/usr/bin/env node
+/**
+ * WeChat 服务号入口。公网 80 + 443。只挂 /wechat。
+ * 凭证：WECHAT_TOKEN / WECHAT_APP_ID / WECHAT_APP_SECRET（可来自 /root/.libero/weixin.env）
+ */
+import { serve } from "@hono/node-server";
+import { createServer as createHttpsServer } from "node:https";
+import { existsSync, readFileSync } from "node:fs";
+import { homedir } from "node:os";
+import { join } from "node:path";
+import { initDb, closeDb } from "../data/db.js";
+import { createToolRuntime } from "./server-core.js";
+import { createRepos } from "./src/repo/factory.js";
+import { issueShortToken } from "./src/rest/short-token.js";
+import { tickReminderPush } from "./src/weixin/reminder-loop.js";
+import { chatLlmFromEnv } from "./src/chat/from-env.js";
+import { createWeixinApp } from "./src/weixin/app.js";
+import { createWeixinSender } from "./src/weixin/custom-send.js";
+import { handleWeixinText } from "./src/weixin/handle-text.js";
+import { tencentAsrFromEnv } from "./src/weixin/tencent-asr.js";
+function loadEnvFile(path) {
+    if (!existsSync(path))
+        return;
+    for (const line of readFileSync(path, "utf8").split("\n")) {
+        const t = line.trim();
+        if (!t || t.startsWith("#"))
+            continue;
+        const i = t.indexOf("=");
+        if (i < 1)
+            continue;
+        const k = t.slice(0, i);
+        const v = t.slice(i + 1);
+        if (!process.env[k])
+            process.env[k] = v;
+    }
+}
+loadEnvFile("/root/.libero/weixin.env");
+const TOKEN = process.env.WECHAT_TOKEN?.trim();
+if (!TOKEN) {
+    console.error("[libero-weixin] FATAL: WECHAT_TOKEN is required");
+    process.exit(1);
+}
+const APP_ID = process.env.WECHAT_APP_ID?.trim();
+const APP_SECRET = process.env.WECHAT_APP_SECRET?.trim();
+const DEFAULT_USER = process.env.WECHAT_DEFAULT_USER_ID?.trim() || "libero";
+const DB_PATH = process.env.DB_PATH ?? join(homedir(), ".libero", "libero.db");
+const HTTP_PORT = Number(process.env.LIBERO_WEIXIN_PORT ?? "80");
+const HTTPS_PORT = Number(process.env.LIBERO_WEIXIN_HTTPS_PORT ?? "443");
+const HOST = process.env.LIBERO_WEIXIN_HOST ?? "0.0.0.0";
+const CERT_DIR = process.env.LIBERO_WEIXIN_CERT_DIR ??
+    "/etc/letsencrypt/live/libero.kuibu.studio";
+const db = initDb(DB_PATH);
+const { registry } = createToolRuntime(db);
+const llm = chatLlmFromEnv(process.env);
+const asr = tencentAsrFromEnv(process.env);
+// S2（INT-link-auth）：秘钥已配则逐用户签发 homm 只读链接；未配回退 tk_main（零行为变化）。
+const linkSecret = process.env.LIBERO_LINK_TOKEN_SECRET?.trim() || undefined;
+const linkBaseUrl = process.env.LIBERO_HOMM_LINK_BASE?.trim() || "https://homm.kuibu.studio/camp.html";
+const linkTtlSec = process.env.LIBERO_LINK_TOKEN_TTL_SEC ? Number(process.env.LIBERO_LINK_TOKEN_TTL_SEC) : 86400;
+if (!linkSecret)
+    console.warn("[libero-weixin] LIBERO_LINK_TOKEN_SECRET 未配置：homm 链接回退 tk_main（无逐用户短 token）");
+const mintLink = linkSecret
+    ? (userId) => `${linkBaseUrl}?t=${issueShortToken({ userId, scope: "read", ttlSec: linkTtlSec }, linkSecret)}`
+    : undefined;
+if (!llm) {
+    console.error("[libero-weixin] chat disabled: set LIBERO_CHAT_BASE_URL / API_KEY / MODEL");
+}
+if (!asr) {
+    console.error("[libero-weixin] voice asr disabled: set TENCENT_SECRET_ID / TENCENT_SECRET_KEY");
+}
+if (!APP_ID || !APP_SECRET) {
+    console.error("[libero-weixin] WECHAT_APP_ID/SECRET missing; cannot push replies");
+}
+const sender = APP_ID && APP_SECRET
+    ? createWeixinSender({ appId: APP_ID, appSecret: APP_SECRET })
+    : {
+        async sendText() {
+            throw new Error("weixin sender not configured");
+        },
+    };
+// INT-weixin 提醒推送（2026-08-21）：到点提醒经客服消息真推送（48h 窗口内）。
+// 背景：8/20 用户设"午睡后叫我"没被叫——提醒只落库没人发。
+const reminderRepos = createRepos(db);
+const recentOpenids = new Map(); // openid → lastSeenMs
+async function activeOpenids() {
+    const cutoff = Date.now() - 48 * 3600_000;
+    const fromMemory = [...recentOpenids.entries()]
+        .filter(([, t]) => t >= cutoff)
+        .sort((a, b) => b[1] - a[1])
+        .map(([o]) => o);
+    // 重启后内存丢失 → 从 chat_turns 找近 48h 会话兜底
+    const fromDb = db
+        .prepare("SELECT DISTINCT conversation_key FROM chat_turns WHERE conversation_key LIKE 'weixin:%' AND created_at > ? ORDER BY id DESC")
+        .all(new Date(cutoff).toISOString()).map((r) => r.conversation_key.slice("weixin:".length));
+    return [...new Set([...fromMemory, ...fromDb])];
+}
+const reminderTick = async () => {
+    try {
+        const r = await tickReminderPush({
+            userId: DEFAULT_USER,
+            getDue: (uid, until) => reminderRepos.reminderRepo.getDueReminders({ user_id: uid, until }),
+            markSent: (id) => reminderRepos.reminderRepo.markSent(id),
+            sendText: (openid, text) => sender.sendText(openid, text),
+            openids: await activeOpenids(),
+        });
+        if (r.sent || r.failed) {
+            console.error(`[libero-weixin] reminder tick: sent=${r.sent} undelivered=${r.failed}`);
+        }
+    }
+    catch (e) {
+        console.error("[libero-weixin] reminder tick failed:", e instanceof Error ? e.message : e);
+    }
+};
+setInterval(reminderTick, 30_000);
+const app = createWeixinApp({
+    token: TOKEN,
+    onText: (msg) => {
+        recentOpenids.set(msg.openid, Date.now());
+        return handleWeixinText({
+            msg,
+            userId: DEFAULT_USER,
+            registry,
+            llm,
+            sender,
+            asr,
+            mintLink,
+        });
+    },
+    logPath: "/tmp/libero-weixin.log",
+});
+serve({ fetch: app.fetch, port: HTTP_PORT, hostname: HOST }, (info) => {
+    console.error(`[libero-weixin] http://${info.address}:${info.port}/wechat`);
+});
+const keyPath = join(CERT_DIR, "privkey.pem");
+const certPath = join(CERT_DIR, "fullchain.pem");
+if (existsSync(keyPath) && existsSync(certPath)) {
+    serve({
+        fetch: app.fetch,
+        port: HTTPS_PORT,
+        hostname: HOST,
+        createServer: createHttpsServer,
+        serverOptions: {
+            key: readFileSync(keyPath),
+            cert: readFileSync(certPath),
+        },
+    }, (info) => {
+        console.error(`[libero-weixin] https://${info.address}:${info.port}/wechat`);
+    });
+}
+else {
+    console.error(`[libero-weixin] no TLS cert in ${CERT_DIR}; HTTPS not listening`);
+}
+function shutdown() {
+    closeDb();
+    process.exit(0);
+}
+process.on("SIGINT", shutdown);
+process.on("SIGTERM", shutdown);

package/knowledge/_registry/dimensions.yaml

@@ -0,0 +1,10 @@
+dimensions:
+  - id: time
+    label: 时间·做减法
+    proposition: 问题不是时间不够，而是塞得太满
+  - id: energy
+    label: 精力·做循环
+    proposition: 表现 = 刺激 + 恢复
+  - id: brain-science
+    label: 脑科学·做杠杆
+    proposition: 系统大于意志力

package/knowledge/_registry/personas.yaml

@@ -0,0 +1,7 @@
+# 画像注册表 — P2-2 展开（COACH-MOD §3.4）
+personas:
+  - id: kid-primary-school
+    label: 小学生
+    traits: [注意力时段短, 需要玩学平衡, 自主性在养成中]
+    constraints: [不宜长时段深度工作, 依赖家长协作]
+    tone_adjust: 更具体、更鼓励、目标更小（呼应 S15 §6 语气自适应）

package/knowledge/_schema/analysis-model.schema.ts

@@ -0,0 +1,36 @@
+import { z } from "zod";
+
+/**
+ * COACH-MOD §3.2 — 复盘分析模型 schema。
+ * 与 entry.schema.ts 解耦：分析模型不属于 prescription/principle/research，
+ * 是复盘时脑装载的"分析框架/步骤"。全库唯一一个 is_default:true 作基线。
+ */
+export const analysisModelSchema = z.object({
+  id: z.string().regex(/^[a-z0-9-]+$/),
+  kind: z.literal("analysis-model"),
+  title: z.string().min(1),
+  is_default: z.boolean().optional().default(false),
+  triggers: z
+    .object({
+      // 手层粗筛用的情境标签（coachmod.suggest 匹配）
+      context_tags: z.array(z.string()).optional().default([]),
+    })
+    .optional()
+    .default({ context_tags: [] }),
+  description: z.string().min(1),
+  // 分析框架/步骤（脑装载后据此复盘）
+  method: z.array(z.string()).min(1, { message: "method 至少一步" }),
+  output_shape: z.array(z.string()).optional().default([]),
+  source: z.object({
+    ref: z.string().min(1),
+    evidence_level: z
+      .enum(["research-rct", "research-observational", "book", "framework", "folk"])
+      .optional(),
+  }),
+});
+
+export type AnalysisModel = z.infer<typeof analysisModelSchema>;
+
+export function validateAnalysisModel(data: unknown): AnalysisModel {
+  return analysisModelSchema.parse(data);
+}

package/knowledge/_schema/entry.schema.ts

@@ -0,0 +1,50 @@
+import { z } from "zod";
+
+const triggerSignalSchema = z.object({
+  quadrant: z.enum(["能耗黑洞", "可放弃", "保持区", "亮点区"]).optional(),
+  daily_total_minutes: z.string().optional(), // like ">600"
+});
+
+export const knowledgeEntrySchema = z.object({
+  id: z.string().regex(/^[a-z0-9-]+$/),
+  kind: z.enum(["prescription", "principle", "research"]),
+  dimension: z.string().min(1),
+  title: z.string().min(1),
+  triggers: z.object({
+    signals: z.array(triggerSignalSchema).optional().default([]),
+    symptoms: z.array(z.string()).optional().default([]),
+  }).refine(v => (v.signals?.length || 0) + (v.symptoms?.length || 0) > 0, {
+    message: "triggers: signals 与 symptoms 至少有一个非空（否则永远召不回）",
+  }),
+  prescription: z.object({
+    one_liner: z.string(),
+    steps: z.array(z.string()).optional(),
+    micro_experiment: z.string(),
+    verify: z.string().optional(),
+  }).optional(),
+  source: z.object({
+    ref: z.string().min(1),
+    cite_url: z.string().optional(),
+  }),
+  evidence_level: z.enum(["research-rct", "research-observational", "book", "framework", "folk"]),
+  evidence_note: z.string().optional(),
+  applicability: z.object({
+    personas_fit: z.array(z.string()).default([]),
+    personas_avoid: z.array(z.string()).default([]),
+    boundaries: z.array(z.string()).default([]),
+  }).optional().default({ personas_fit: [], personas_avoid: [], boundaries: [] }),
+  tags: z.array(z.string()).optional().default([]),
+}).refine(data => {
+  if (data.kind === "prescription") {
+    return data.prescription !== undefined
+      && data.prescription.one_liner.length > 0
+      && data.prescription.micro_experiment.length > 0;
+  }
+  return true;
+}, { message: "kind=prescription 时 prescription.one_liner 与 micro_experiment 必填" });
+
+export type KnowledgeEntry = z.infer<typeof knowledgeEntrySchema>;
+
+export function validateEntry(data: unknown): KnowledgeEntry {
+  return knowledgeEntrySchema.parse(data);
+}

package/knowledge/_schema/persona.schema.ts

@@ -0,0 +1,30 @@
+import { z } from "zod";
+
+/**
+ * COACH-MOD §3.4 — 画像 schema。
+ * 画像驱动语气/视角自适应（呼应 S15 §6）。存于 _registry/personas.yaml 的 personas 列表。
+ */
+export const personaSchema = z.object({
+  id: z.string().regex(/^[a-z0-9-]+$/),
+  label: z.string().min(1),
+  traits: z.array(z.string()).optional().default([]),
+  constraints: z.array(z.string()).optional().default([]),
+  // 语气自适应说明（S15 §6）
+  tone_adjust: z.string().optional(),
+});
+
+/** _registry/personas.yaml 顶层结构：{ personas: [...] } */
+export const personaRegistrySchema = z.object({
+  personas: z.array(personaSchema).optional().default([]),
+});
+
+export type Persona = z.infer<typeof personaSchema>;
+export type PersonaRegistry = z.infer<typeof personaRegistrySchema>;
+
+export function validatePersona(data: unknown): Persona {
+  return personaSchema.parse(data);
+}
+
+export function validatePersonaRegistry(data: unknown): PersonaRegistry {
+  return personaRegistrySchema.parse(data);
+}

package/knowledge/_schema/scenario-pack.schema.ts

@@ -0,0 +1,33 @@
+import { z } from "zod";
+
+/**
+ * COACH-MOD §3.3 — 场景包 schema。
+ * 场景包 = 一个情境入口，内含推荐画像 + 推荐分析模型 + 场景专属提示。
+ * 装一个全来（recommends 展开），仍可单换（coachmod.load 单 id）。
+ */
+export const scenarioPackSchema = z.object({
+  id: z.string().regex(/^[a-z0-9-]+$/),
+  kind: z.literal("scenario-pack"),
+  title: z.string().min(1),
+  triggers: z.object({
+    // 手层粗筛用的情境标签（coachmod.suggest 匹配），至少一个否则永远召不回
+    context_tags: z
+      .array(z.string())
+      .min(1, { message: "triggers.context_tags 至少一个（否则永远召不回）" }),
+  }),
+  recommends: z.object({
+    persona_id: z.string().min(1),
+    analysis_model_ids: z
+      .array(z.string())
+      .min(1, { message: "recommends.analysis_model_ids 至少一个" }),
+    // 场景专属提示（脑装载后遵循）
+    subskill_prompt: z.string().min(1),
+  }),
+  description: z.string().min(1),
+});
+
+export type ScenarioPack = z.infer<typeof scenarioPackSchema>;
+
+export function validateScenarioPack(data: unknown): ScenarioPack {
+  return scenarioPackSchema.parse(data);
+}

package/knowledge/analysis-models/review-default.yaml

@@ -0,0 +1,16 @@
+id: review-default
+kind: analysis-model
+title: 通用复盘基线模型
+is_default: true
+triggers:
+  context_tags: []
+description: 复盘默认基线——不假设特定人群/场景，只按"事实-感受-模式-下一步"四段温和过一遍
+method:
+  - 先摆事实：这段时间实际发生了什么（记录/数据说了什么，不加评判）
+  - 再看感受：哪些让你有能量、哪些消耗你（对齐评分/情绪）
+  - 找模式：反复出现的黑洞或亮点是什么（不是单次波动）
+  - 落一步：只挑一个最小可动的下一步，别一次改太多
+output_shape: [关键事实, 能量分布, 反复模式, 下一步微调]
+source:
+  ref: libero coach 通用复盘框架（内置基线）
+  evidence_level: framework

package/knowledge/analysis-models/review-summer-plan.yaml

@@ -0,0 +1,15 @@
+id: review-summer-plan
+kind: analysis-model
+title: 暑期规划复盘模型
+is_default: false
+triggers:
+  context_tags: [暑假, 假期计划, 学生, 暑期]
+description: 面向假期长周期的"目标-节律-弹性"三段复盘
+method:
+  - 先看整段假期的目标锚点（学/玩/习惯各占多少，是否失衡）
+  - 再看每日节律是否可持续（是塞满还是留白，能不能天天照做）
+  - 留弹性缓冲，防计划一崩全崩（预设"崩了怎么接回"）
+output_shape: [目标达成度, 节律可持续性, 弹性评估, 下一步微调]
+source:
+  ref: libero coach 假期规划框架（目标-节律-弹性）
+  evidence_level: framework

package/knowledge/brain-science/brain-deep-warmup.yaml

@@ -0,0 +1,22 @@
+id: brain-deep-warmup
+kind: prescription
+dimension: brain-science
+title: 深度预热仪式
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 任务启动困难
+    - 不知道从哪开始
+prescription:
+  one_liner: 固定开工动作：清理桌面 → 写 3 个子问题 → 关通知 → 全屏
+  steps:
+    - 清理桌面
+    - 写下 3 个子问题
+    - 关通知 + 全屏
+  micro_experiment: 明天开工前执行预热仪式（清理桌面+写3个子问题+关通知+全屏）
+  verify: 从坐下到进入状态的时长
+source:
+  ref: 《深度工作》(Deep Work, Cal Newport)
+evidence_level: book
+tags: [专注, 仪式]

package/knowledge/brain-science/brain-emotion-granularity.yaml

@@ -0,0 +1,22 @@
+id: brain-emotion-granularity
+kind: prescription
+dimension: brain-science
+title: 提升情绪词汇颗粒度
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 情绪波动影响工作
+    - 说不清什么感觉
+prescription:
+  one_liner: 把"我很糟"细分为"焦虑 / 失望 / 疲惫"，然后先调身体（睡眠/进食/运动）
+  steps:
+    - 当感觉"很糟"时停下来
+    - 用更精确的词描述（焦虑/失望/疲惫/无聊）
+    - 先检查身体需求（睡眠/进食/运动）
+  micro_experiment: 下次感觉"很糟"时，用 3 个精确词描述，先喝杯水或走一走
+  verify: 情绪精确描述后是否更容易找到应对方法
+source:
+  ref: 《情绪的解析》(How Emotions Are Made, Lisa Feldman Barrett)
+evidence_level: book
+tags: [情绪, 自我觉察]

package/knowledge/brain-science/brain-env-engineering.yaml

@@ -0,0 +1,22 @@
+id: brain-env-engineering
+kind: prescription
+dimension: brain-science
+title: 环境工程四法则
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 分心频繁
+    - 环境干扰
+prescription:
+  one_liner: 让好习惯显而易见（如运动鞋放门口）+ 让坏习惯变难（App 移出主屏）
+  steps:
+    - 选一个好习惯，让它显而易见
+    - 选一个坏习惯，让它变困难
+    - 每天观察效果
+  micro_experiment: 运动鞋放门口 + 最分心的 App 移出主屏
+  verify: 好习惯被触发的次数、坏习惯被阻挡的次数
+source:
+  ref: 《掌控习惯》(Atomic Habits, James Clear)
+evidence_level: book
+tags: [环境, 习惯设计]

package/knowledge/brain-science/brain-extended-mind.yaml

@@ -0,0 +1,22 @@
+id: brain-extended-mind
+kind: prescription
+dimension: brain-science
+title: 用身体思考
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 卡壳
+    - 灵感枯竭
+prescription:
+  one_liner: 卡住时立刻起身走 10 分钟 + 手写关键问题 + 找人讲一遍
+  steps:
+    - 卡住时立刻起身
+    - 走 10 分钟（不戴耳机）
+    - 手写关键问题或找人讲一遍
+  micro_experiment: 下次卡壳时起身走 10 分钟
+  verify: 走动后是否能突破卡壳点
+source:
+  ref: The Extended Mind (Annie Murphy Paul)
+evidence_level: book
+tags: [认知, 身体]

package/knowledge/brain-science/brain-friction-barrier.yaml

@@ -0,0 +1,22 @@
+id: brain-friction-barrier
+kind: prescription
+dimension: brain-science
+title: 增加行为摩擦力
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 刷视频/游戏过度
+    - 失控刷手机
+prescription:
+  one_liner: 手机放另一个房间充电 + App 设时间限制 + 卸载最常刷的那个
+  steps:
+    - 手机放另一个房间充电
+    - 给最常刷的 App 设时间限制
+    - 考虑卸载最常刷的那个
+  micro_experiment: 今晚手机放客厅充电，卧室不放手机
+  verify: 一天中无意识刷手机的时长变化
+source:
+  ref: 《多巴胺国度》(Dopamine Nation, Anna Lembke)
+evidence_level: book
+tags: [多巴胺, 行为设计]

package/knowledge/brain-science/brain-peak-end.yaml

@@ -0,0 +1,29 @@
+id: brain-peak-end
+kind: prescription
+dimension: brain-science
+title: 峰终定律——用峰值体验+强收尾设计子任务序列
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 长时间无正反馈
+    - 任务中途放弃
+    - 做完一大块却没成就感
+prescription:
+  one_liner: 把子任务序列排成 前置一个快速小胜做峰 + 结尾一个可庆祝收尾做终
+  steps:
+    - 前端放一个 ≤5 分钟就能拿下的冷启动小胜，制造正反馈峰值
+    - 中段按循序渐进排，单块 ≤25 分钟
+    - 收尾子任务设计成明确完成、可庆祝的形态（如产出草稿或提交一次）
+    - 每完成一块立刻标记加一句鼓励，强化峰终记忆
+  micro_experiment: 选一个大任务，把第一块拆成 5 分钟内能拿下的小胜，做完立刻庆祝，观察后续启动阻力
+  verify: 序列完成后，主观成就感与干劲是否高于平铺直叙地做
+source:
+  ref: 峰终定律（Kahneman, Fredrickson, Schreiber & Redelmeier, 1993）
+evidence_level: research-observational
+evidence_note: 原研究针对事后体验评价（痛觉与噪声实验）；此处正向迁移到前向设计子任务序列，属合理外推而非直接 RCT
+applicability:
+  boundaries:
+    - 原理讲事后回忆，用于事前设计是外推，别当铁律
+    - 若任务本身无明确胜利点（纯重复劳动），峰终设计收益有限
+tags: [峰终定律, 正反馈, 子任务排序, 任务拆解]

package/knowledge/brain-science/brain-pomodoro.yaml

@@ -0,0 +1,31 @@
+id: brain-pomodoro
+kind: prescription
+dimension: brain-science
+title: 番茄工作法
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 碎片化严重
+    - 频繁切换
+    - 任务启动困难
+prescription:
+  one_liner: 25 分钟专注 + 5 分钟休息，休息期间集中回消息——既清了消息又不干扰专注
+  steps:
+    - 设定 25 分钟专注时段，只做一件事
+    - 时段内不切任务、不回消息（记到便签，不立刻处理）
+    - 5 分钟休息时集中处理积累的消息
+    - 循环
+  micro_experiment: 明天用一次番茄钟——25 分钟只做一件事，休息 5 分钟集中回消息
+  verify: 一天中任务切换次数是否下降、专注时段产出感知是否提升
+source:
+  ref: 番茄工作法 (The Pomodoro Technique, Francesco Cirillo)
+evidence_level: framework
+evidence_note: 方法论框架，非单一 RCT 证据；P4 碎片化诊断的三个标准选项之一（另两个为环境工程/深度工作块）
+applicability:
+  personas_fit: []
+  personas_avoid: []
+  boundaries:
+    - 对被强同步约束岗位（如客服、即时响应），25 分钟不可达窗口可能不现实
+    - 专注时长可按个人调整（部分人更适合 50/10 配比）
+tags: [专注, 切换成本, 碎片化]

package/knowledge/brain-science/brain-revenge-bedtime.yaml

@@ -0,0 +1,22 @@
+id: brain-revenge-bedtime
+kind: prescription
+dimension: brain-science
+title: 给转场时刻设替代动作
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 报复性熬夜
+    - 不想结束这一天
+prescription:
+  one_liner: 睡前 1 小时启动固定流程：断屏 → 洗漱 → 读纸质书 10 页
+  steps:
+    - 设定睡前 1 小时的闹钟
+    - 断屏（手机放客厅）
+    - 洗漱 → 读纸质书 10 页
+  micro_experiment: 今晚睡前 1 小时断屏+洗漱+读纸质书 10 页
+  verify: 实际入睡时间是否提前
+source:
+  ref: Indistractable (Nir Eyal)
+evidence_level: book
+tags: [睡眠, 习惯设计]

package/knowledge/brain-science/brain-single-variable.yaml

@@ -0,0 +1,15 @@
+id: brain-single-variable
+kind: principle
+dimension: brain-science
+title: 单一动作原则
+triggers:
+  symptoms:
+    - 想全部改
+    - 多个痛点同时存在
+prescription:
+  one_liner: 一个微实验只含一个核心动作，等复查确认稳了再加第二个
+  micro_experiment: 每次只执行一个微实验
+source:
+  ref: libero 内部设计原则（来自 coaching-framework §5.3）
+evidence_level: framework
+tags: [方法论, 单一变量]

package/knowledge/brain-science/brain-tiny-habits.yaml

@@ -0,0 +1,22 @@
+id: brain-tiny-habits
+kind: prescription
+dimension: brain-science
+title: B=MAP 微习惯配方
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 拖延
+    - 任务反复无进展
+prescription:
+  one_liner: "After 我[现有行为], I will [30秒微动作] + 完成立刻握拳庆祝"
+  steps:
+    - 找到锚点行为（你已经在做的事）
+    - 设计 ≤30 秒的微动作
+    - 完成立刻庆祝
+  micro_experiment: 设计一个 B=MAP 微习惯配方，试 3 天
+  verify: 微习惯的连续完成天数
+source:
+  ref: 《福格行为模型》(Tiny Habits, BJ Fogg)
+evidence_level: book
+tags: [习惯, 微习惯]

package/knowledge/energy/energy-active-recovery.yaml

@@ -0,0 +1,22 @@
+id: energy-active-recovery
+kind: prescription
+dimension: energy
+title: 活动性恢复
+triggers:
+  signals:
+    - quadrant: 能耗黑洞
+  symptoms:
+    - 午后低效
+    - 下午犯困
+prescription:
+  one_liner: 每天下午安排一次 15 分钟散步/拉伸——不戴耳机，观察环境
+  steps:
+    - 下午 2-3 点安排 15 分钟恢复
+    - 散步或拉伸，不戴耳机
+    - 观察周围环境而非思考工作
+  micro_experiment: 明天下午安排 15 分钟不戴耳机的散步
+  verify: 散步后的精神状态和下午工作效率
+source:
+  ref: 《倦怠》(Burnout, Emily & Amelia Nagoski)
+evidence_level: book
+tags: [恢复, 精力循环]

package/knowledge/energy/energy-deliberate-rest.yaml

@@ -0,0 +1,22 @@
+id: energy-deliberate-rest
+kind: prescription
+dimension: energy
+title: 刻意休息
+triggers:
+  signals:
+    - quadrant: 可放弃
+  symptoms:
+    - 周末恢复失效
+    - 刷屏式休息
+prescription:
+  one_liner: 用散步/手工/园艺等"活动性恢复"替代刷屏式休息
+  steps:
+    - 识别你的"假休息"行为（刷手机/追剧等）
+    - 替换为活动性恢复（散步/手工/园艺）
+    - 周末至少一次刻意休息
+  micro_experiment: 这个周末用一次散步替代一次刷手机
+  verify: 活动性恢复后的精力感知 vs 刷屏后的精力感知
+source:
+  ref: 《休息的艺术》(The Art of Rest, Claudia Hammond)
+evidence_level: book
+tags: [休息, 恢复]