🚀 DailyPlanExtension 项目文档

---

📌 项目简介

📘 项目描述

DailyPlanExtension 是一款基于 WXT + Vue3 框架，结合 DeepSeek V3 大模型 的智能浏览器插件。它聚焦于提升用户的时间管理效率与任务执行能力。

🎯 项目背景

在当代社会，越来越多人依赖计划类工具实现高效生活。本项目结合 AI 的数据分析与交互能力，打造“AI + 工具”融合的插件，帮助用户个性化制定、优化并坚持每日计划。

---

💡 项目亮点

📊 多维度数据可视化

表格、饼图等形式清晰展示用户计划数据，便于理解与对比。

🧠 AI 驱动的计划优化

借助 DeepSeek V3 实现计划智能评估与优化建议推送。

🎯 个性化推荐与正向激励

构建用户画像，结合行为预测，定制高匹配度计划推荐。

🧩 全周期计划管理

覆盖过去、现在、未来三阶段，提供整体节奏调控策略。

🌐 跨平台适配支持

接入“我要做计划”、Any.do、Monday 等主流工具，扩展插件使用场景。

---

⚙️ 核心功能

🛠 多平台计划抓取

• ✅ 我要做计划：基于 DOM 的数据解析
• ✅ Any.do：OAuth2 授权 + 任务 API 对接
• ✅ Monday：探索 API 接入可能性

🧠 AI 计划分析

• 智能优先级排序
• 工作 / 休息平衡建议
• 计划坚持度个性化评估

📊 数据可视化

• 使用 ECharts 绘制计划饼图与统计图
• 支持响应式布局，自适应展示

---

✅ 功能概览

📅 当月计划分析

• 完成率
• 任务类型分布
• 本月个人计划
• 最近 7 天状态
• 时间管理效率
• 计划稳定性
• 本月成就
• 主要挑战
• 总结与建议

👤 个人形象刻画

• 时间管理风格
• 任务完成模式
• 学习风格
• 压力应对方式
• 优劣势分析
• 习惯一致性
• 兴趣爱好
• 社交风格
• 个人形象总结

📆 当日计划优化

• 计划质量
• 优先级排序
• 计划分类
• 建议计划
• 计划坚持度

🔮 明日计划建议

• 明日计划建议
• 未完成计划跟进
• 总结与建议

📈 我的行为预测

• 良好习惯识别
• 不良习惯识别
• 计划瓶颈分析
• 总结评价

🧭 陈旧计划寻迹

• 曾经坚持的计划
• 优先恢复建议
• 总结与建议

---

🧪 使用指南

✅ 环境配置

npm install # 安装依赖
npm run dev # 本地启动

🧰 技术栈

• 📦 框架：WXT（浏览器扩展框架）
• 🖼 前端：Vue 3 + TypeScript
• 📊 可视化：ECharts
• 🧠 模型服务：DeepSeek V3
• 🧑‍💻 推荐开发工具：VSCode / Cursor

🧩 组件说明

🔑 核心组件

1. Welcome.vue
主入口组件，包含各功能入口。

2. AIResponse.vue
AI 文本型响应的显示组件。每条响应文本分别被渲染为气泡框。

3. DetailSections.vue
AI JSON 型响应的通用显示组件。每个对象被渲染为以键名为标题，值为正文的气泡框。
TODO：基于各个功能分别设计各自组件，以本组件为模板继承。

4. PieChart.vue
实现数据可视化，图形组件（饼图）封装在 PieChart.vue 中，通过父组件向子组件传参。

使用方式如下：

<template>
    <PieChart :chartData="chartData" />
</template>

<script setup>
import PieChart from "./PieChart.vue";
const chartData = ref([
    { value: 1048, name: "搜索引擎" },
    { value: 735, name: "直接访问" },
    { value: 580, name: "电子邮件" },
    { value: 484, name: "联盟广告" },
    { value: 300, name: "视频广告" },
]);
</script>

👉 ECharts 官网

🛠 工具组件

Toast.vue
自定义提示 Toast。通过在子组件调用 showToast 实现。有 default、success、error 三种样式。

使用示例：

<template>
    <Toast ref="toastRef" />
</template>

<script setup>
import { ref } from "vue";
const toastRef = ref(null);
toastRef.value.showToast("请耐心等待～", "error");
</script>

---

🧠 学术支撑

📚 项目理论支撑与市场分析

🎯 目标设定理论

• 动态校准：行为-目标实时比对 → 智能优化
• 功能实现：
  • 任务拆解（宏目标 → 微目标）
  • 可视化追踪看板
  • 自适应校准算法

🧠 IT 身份三维模型

• 工具依赖 + 情感能量 + 人机关联 三维驱动
• 插件设计应用：
  • 行为画像生成技术
  • 正反馈强化循环（成就语言体系）
  • 个性化效能仪表盘

💡 行为改变阻力机制

• 突破惯性：推-拉-锚模型 + <5% 微干预
• 插件策略：
  • 损失规避设计（未完成成本可视化）
  • 社交承诺绑定（关系网络监督）

🏛 政策合规性支撑

• 国家战略：符合《新一代 AI 发展规划》民生场景要求
• 社会价值：提升数字公民效能（响应《2021-2035 AI 创新行动》）

📈 竞品市场数据分析

产品	总下载量	月活峰值	用户增长趋势
我要做计划	2845.7 万+	1.4 万+	2022 年上线 → 3 年 300 万+ 用户
PingCode	-	284.6 万	企业级稳定增长
Todoist	-	1663 万	国际领先，用户基数庞大
印象笔记	-	149.3 万	工具型产品，平稳增长

🔍 关键发现（以“我要做计划”为例）

• 平均使用时长：3 分 32 秒
• 用户增长渠道：小红书为主要流量来源

---