SparkMeter — 每日精神热情值量化器 × 低热情自动唤醒器一、实际应用场景描述周一下午三点你盯着屏幕光标在闪脑子是空的。不是没工作要做——待办清单还有 17 项。但你就是动不起来。你想写代码、想画画、想推进那个 side project可身体像被按了暂停键。你打开社交媒体刷了 40 分钟更累了。你关掉电脑躺下愧疚感涌上来我怎么又浪费了一下午。第二天重复。第三天重复。一周后你开始怀疑自己是不是废了。但真相是你不是废了你是没能量了。精力、好奇心、专注力、连接感、意义感——这五个东西有一个掉到底你的创造力就会全面熄火。而传统的 productivity 工具只会催你加油——它根本不测量你的能量只测量你的产出。SparkMeter 要做的是反过来先精准量化你今天的精神能量低分时不是骂你而是递给你一根火柴——一个 5 分钟的趣味小任务帮你把火花重新点起来。二、引入痛点痛点 本质问题 本工具解法我怎么又废了一天 用产出倒推自我价值 5 维度量化能量区分累和懒待办清单越做越焦虑 只列任务不列能量 低分时推送微任务而非硬加 KPI不知道为什么状态差 没有数据全靠感觉 14 天趋势图 维度雷达高能量时不会利用 没有趁热打铁意识 高峰标记 复盘提示坚持不了打卡 设计不合理门槛高 2 分钟 × 5 维自评 固定触发低能量时硬扛 意志力有限会耗竭 自动推送 5 分钟趣味任务三、核心逻辑讲解理论基础工程化映射1. 主观活力感Subjective Vitality, Ryan Frederick, 1997- 活力不是睡没睡够是有没有生命力- 受自主性、胜任感、归属感共同影响- 本工具用 5 维度分别测量不混为一谈2. 心流理论Csikszentmihalyi- 挑战略高于技能 → 心流- 低能量时强行深度工作只会焦虑- 本工具低分时降低任务门槛而非提高要求3. 行为激活Behavioral Activation- 行动 → 微小成就感 → 动机回升- 不是等想做了再做是做了就想要做了- 本工具所有微任务设计为 5-15 分钟4. Fogg 行为模型BMAP- 动机 × 能力 × 触发 行为- 低动机时降低能力门槛 提供明确触发- 本工具低分 → 自动推送 → 步骤明确热情值计算公式每个维度1-5 分↓ 归一化(raw - 1) / 4 × 100 → 0-100↓ 乘以权重↓ 求和精力 25% ← 身体是容器好奇心 20% ← 探索欲是引擎心流 20% ← 深度专注是燃料意义感 20% ← 方向是罗盘连接感 15% ← 关系是氧气─────────────────────综合热情值 0-100核心流程每日打卡2 分钟5 维度自评↓PulseService 计算热情值加权 归一化↓可视化条形图 能量标签↓MoodInterpreter 认知解读去灾难化↓score 45├─ 是 → NudgeService 推送靶向趣味任务│ 针对最低维度5-15 分钟有趣优先└─ 否 → 提示趁热打铁做最重要的事↓用户完成任务 → 标记完成 → 火花值 N↓累积数据 → 趋势图 / 移动均线 / 维度雷达↓每周/每月复盘 → 发现个人能量节律关键设计决策决策 原因5 维度而非 1 个总分 粒度更细能定位哪里出了问题权重不等精力 25% 精力是基础没它其他都跑不动1-5 而非 1-10 减少决策疲劳2 分钟能打完低阈值 45 而非 50 给温热状态留空间不过度干预任务 5-15 分钟 Fogg微行为启动阻力最小任务有趣 有用 低能量时需要情绪唤醒不是效率本地 JSON 无网络 隐私 零依赖 可审计四、代码模块化六层架构目录结构sparkmeter/ ← 24 个 Python 文件 / ~2045 行├── main.py ← 入口层Application 容器 CLI 调度├── config.py ← 配置层权重/阈值/选项/菜单│├── models/ ← 数据模型层dataclass不可变自校验│ ├── enums.py ← 枚举维度/能量等级/任务类别│ ├── checkin.py ← Checkin 实体5 维自评记录│ ├── pulse.py ← PulseResult 实体计算结果│ └── spark_task.py ← SparkTask 实体趣味任务│├── storage/ ← 持久化层Repository 模式│ └── json_store.py ← CRUD 原子写入 自动备份│├── services/ ← 业务层5 个 Service单一职责│ ├── checkin_service.py ← 打卡引导 防重复│ ├── pulse_service.py ← ★ 核心热情值计算引擎│ ├── task_service.py ← 任务 CRUD 状态管理│ ├── nudge_service.py ← ★ 核心低分唤醒推送引擎│ └── analytics_service.py ← 趋势/雷达/报告/导出│├── cognition/ ← 认知干预层│ └── mood_interpreter.py ← 去灾难化解读 维度提示│├── utils/ ← 工具层纯函数零业务依赖│ ├── cli_helper.py ← 终端交互│ ├── dashboard.py ← 终端可视化条形/趋势/雷达│ ├── date_util.py ← 日期计算│ ├── statistics.py ← 均值/移动平均/归一化│ └── validator.py ← 输入校验│├── README.md / USAGE.md / CHEATSHEET.md└── demo.py ← 一键跑通全流程各层职责边界层 能做什么 不能做什么main.py 组装系统、路由菜单 不写业务逻辑config.py 集中管理常量/阈值 不含逻辑models/ 数据结构、校验、序列化 不读写文件storage/ 读写 JSON、备份、查询 不知道数据含义services/ 核心业务逻辑 不直接操作文件cognition/ 情绪解读、去灾难化 不修改数据utils/ 纯函数工具 零业务依赖核心模块代码展示1️⃣ 热情值计算引擎最核心的 50 行# services/pulse_service.pydef calc_pulse(self, checkin: Checkin) - PulseResult:五维加权 → 综合热情值0-100这是整个系统的数学核心。每一步都可审计、可复现、可单元测试。raw {energy: checkin.energy, # 1-5curiosity: checkin.curiosity, # 1-5flow: checkin.flow, # 1-5connection: checkin.connection, # 1-5meaning: checkin.meaning, # 1-5}dimension_scores {}dimension_contributions {}weighted_sum 0.0for dim, raw_score in raw.items():# Step 1: 1-5 → 0-100 归一化normalized ((raw_score - 1) / 4.0) * 100# Step 2: 乘以权重weight self.weights[dim]contribution normalized * weightdimension_scores[dim] int(normalized)dimension_contributions[dim] round(contribution, 1)weighted_sum contribution# Step 3: 钳制到 0-100score min(int(round(weighted_sum)), 100)# Step 4: 可视化 标签bar █ * (score // 5) ░ * (20 - score // 5)energy_label, state_msg self._energy_level(score, raw)return PulseResult(scorescore, energy_labelenergy_label,state_messagestate_msg,dimension_scoresdimension_scores,dimension_contributionsdimension_contributions, barbar,)为什么这样设计- 归一化让每个维度公平可比不然 5 分制和 10 分制混不起来- 权重让精力的发言权更大它确实是基础- 输出同时给原始值和贡献值用户能看到是我的好奇心在拖后腿2️⃣ 低分唤醒引擎趣味任务推送# services/nudge_service.pydef _init_templates(self) - dict:按维度组织的任务模板库。每条任务 5-15 分钟有趣 有用。这是创造力唤醒的工程化实现——不是让 AI 生成鸡汤而是用精心设计的微型行为干预。return {energy: [{title: 做 3 分钟「傻瓜式」拉伸,description: 不需要任何运动基础跟着感觉动就行,category: 微挑战, minutes: 3, spark: 6,steps: [站起来甩手 30 秒,转脖子慢慢来30 秒,踮脚尖 蹲下重复 10 次,大喊一声小声也行然后笑一下,],},{title: 换一条路回家,description: 用新鲜感给大脑一个「醒过来」的信号,category: 微探索, minutes: 10, spark: 5,steps: [出门时选一个你从没走过的路口,不导航凭直觉走 5 分钟,注意 3 个你从没注意过的细节,],},],curiosity: [{title: 用 10 分钟学一个「完全没用」的知识,description: 不为考试、不为工作——纯粹因为想知道,category: 微探索, minutes: 10, spark: 7,steps: [想一个你一直好奇但觉得没必要知道的问题,用手机搜答案只看一个来源,用一句话记下来,],},],# ... connection / flow / meaning 各有多条}为什么有趣 有用- 低能量时大脑在保护模式——功利性任务会触发抗拒- 有趣的任务绕过应该做的回路直接激活好奇心/愉悦感- 做完后我还能动的感觉本身就是火花3️⃣ 认知解读器去灾难化# cognition/mood_interpreter.pydef interpret(self, pulse: PulseResult, checkin: Checkin) - List[str]:根据分数和维度生成 3-5 条去灾难化解读lines []if pulse.score 35:lines.append(低能量是正常的生理和心理信号不是你「不行」。)lines.append(今天的目标不是高效——是善待自己。)elif pulse.score 55:lines.append(你在「能运转」但「不太想动」的区间。)lines.append(给今天留一个小小的、有掌控感的瞬间就够了。)# 靶向最低维度lowest_dim pulse.dimension_ranking()[0][0]tips {energy: 精力偏低——今天优先休息和简单任务不是偷懒。,curiosity: 好奇心睡着了——找一个纯粹因为想知道的小问题。,flow: 专注力不足——试试 15 分钟计时器法先不追求深度。,connection: 连接感偏弱——给一个人发条消息哪怕只是表情包。,meaning: 意义感稀薄——写下一句「我还在坚持是因为___」。,}lines.append(tips.get(lowest_dim, ))return [l for l in lines if l]4️⃣ 终端可视化纯 ASCII# utils/dashboard.pydef render_trend_line(scores, labels, height8):ASCII 趋势图——不用任何第三方库chart [[ for _ in scores] for _ in range(height)]for i, s in enumerate(scores):level int(s / 100 * height)for row in range(height - level, height):chart[row][i] █for row_idx, row in enumerate(chart):y_val int((height - row_idx) / height * 100)print(f {y_val:3d} │{.join(row)})print(f └{─ * len(scores)}─)5️⃣ 入口层依赖注入# main.pyclass Application:def __init__(self):# 3 个 Storeself.checkin_store JSONStore(DATA_DIR/checkins.json, ...)self.task_store JSONStore(DATA_DIR/tasks.json, ...)self.log_store JSONStore(DATA_DIR/logs.json, ...)# 认知层self.interpreter MoodInterpreter()# 5 个 Service注入 Storeself.checkin_svc CheckinService(self.checkin_store)self.pulse_svc PulseService(self.checkin_store)self.task_svc TaskService(self.task_store)self.analytics_svc AnalyticsService(...)self.nudge_svc NudgeService(self.task_store, self.log_store)项目统计指标 数值Python 文件 24 个总代码量 ~2045 行架构层数 6 层外部依赖 0仅标准库任务模板数 5 维度 × 2-3 条 13 条数据持久化 本地 JSON 自动备份五、README 文件完整 README.md 已包含在项目中核心内容# SparkMeter每天 2 分钟量化你的精神能量。低分时自动推送 5 分钟趣味任务唤醒创造力。## 安装python 3.8仅标准库## 快速开始python demo.py # 看演示python main.py # 正式使用## 热情值公式五维(1-5) → 归一化(0-100) → 加权求和 → 综合分精力25% 好奇心20% 心流20% 意义感20% 连接感15%## 推荐节奏每天 2 分钟打卡 → 低分日做微任务 → 每周看趋势 → 每月复盘六、使用说明USAGE.md 节选五个维度怎么评维度 问自己精力 身体感觉如何好奇心 有什么想探索的吗心流 能专注吗连接感 和人互动的质量意义感 做的事有意义吗热情值怎么看分数 状态 建议0-20 耗尽 休息优先20-45 低迷 接受微任务别硬扛45-70 温热 正常运作70-85 明亮 趁热打铁85-100 闪耀 记录此刻趣味任务怎么用不是待办清单是火花火柴——5 分钟做完感受我还能动。七、核心知识点卡片CHEATSHEET.md10 张卡片每张对应一个心理学理论 工具中的对应模块# 理论 工具对应1 主观活力感Ryan Frederick 五维评分2 心流理论Csikszentmihalyi flow 维度 深度时间任务3 自我决定论Deci Ryan 五维映射三大需求4 行为激活Lewinsohn 5-15 分钟微任务5 情绪颗粒度Barrett 五维拆分 vs 单一心情6 量化自我Wolf Kelly 14 天趋势 移动均线7 Fogg 行为模型BMAP 低分触发 低门槛任务8 扩展建构理论Fredrickson spark_value 恢复机制9 习惯回路Duhigg 每日打卡绑定已有习惯10 节律追踪Rossi 长期趋势发现高能时段八、总结SparkMeter 不是一个 productivity tool是一个 energy awareness tool。技术上它展示了- 如何用 6 层架构 组织一个中等复杂度的 Python 项目- 如何用 dataclass 枚举 校验 保证数据质量- 如何用 纯 ASCII 实现终端可视化零依赖- 如何用 加权归一化 把主观评分变成可追踪的指标- 如何用 策略模板 靶向推送 实现行为干预心理学上它坚持几个原则不审判——低分不是失败是信号。不说教——不灌加油你可以的。不功利——有趣的任务优先于有用的任务。不替代专业帮助——它是工具不是治疗。最终这个工具想传达一件事创造力不是挤出来的是养出来的。先看见你的能量再决定今天怎么用。火花灭了没关系——划一根新的就好。利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛