🚀 MicroSteps: AI 驱动的微行为生成器

"Make it tiny, make it happen." > 基于斯坦福 BJ Fogg 行为模型的动态目标拆解助手，作为TRAE黑客松的作品。

📖 项目背景 (The Problem)

有没有遇到过这种情况：立下 Flag 说要"写完毕业论文"或者"坚持健身"，结果两天就放弃了？

根据 斯坦福行为设计实验室创始人 BJ Fogg 的研究，大部分人失败不是因为缺乏意志力（Motivation），而是因为任务太难了（Low Ability）。

当任务难度超过了当下的动机水平，行为就不会发生。

💡 解决方案 (The Solution)

MicroSteps 利用大语言模型（LLM）的语义理解能力，将宏大、模糊的目标，动态拆解为极度简单、甚至无法拒绝的"微步骤"。

我们通过 AI 强行降低行为门槛（Ability），让 $B=MAP$ 公式成立，帮助用户迈出最艰难的第一步。

🔬 核心理论 (The Science)

本项目严格遵循 福格行为模型 (Fogg Behavior Model)：

$$B = M \times A \times P$$

• Behavior (行为)：最终发生的动作。
• Motivation (动机)：用户想做的意愿。
• Ability (能力)：做这件事的容易程度。
• Prompt (提示)：触发行动的信号。

MicroSteps 的核心算法专注于 最大化 Ability (让 A 趋近于无穷大)。

✨ 主要功能 (Features)

• 🎯 动态拆解 (One-Shot Breakdown): 输入 "我要学 Python"，AI 自动生成 "打开浏览器" -> "搜索官网" 等 2 分钟内能完成的动作。
• 📉 "太难了" 按钮 (Recursive Simplification): 觉得当前步骤还是难？点击按钮，AI 会对单一步骤进行二次拆解，直到你觉得简单为止。
• 🎉 多巴胺反馈 (Instant Celebration): 每完成一步，通过视觉动效给予即时满足感，固化习惯回路。
• 🧠 状态感知 (Context Aware): (In Progress) 根据用户当前的精力值（累/精神）动态调整生成任务的难度。

🛠️ 技术栈 (Tech Stack)

• Frontend: Vue 3 + TypeScript + Vite
• Styling: SCSS
• AI / LLM: DeepSeek API

⚙️ 环境变量配置

项目需要配置以下环境变量：

VITE_DEEPSEEK_API_KEY=your_deepseek_api_key

🚀 部署说明

本地开发

# 安装依赖
pnpm install

# 启动开发服务器
pnpm run dev

🗺️ 未来规划

短期目标

• 实现P（提示）功能，利用AI分析用户习惯
• 自动识别最佳"锚点"（如"喝完咖啡后"）
• 发送情境化提示提高行为触发成功率

长期愿景

• 开发移动应用版本
• 集成更多AI模型以提高拆解准确性
• 添加用户行为数据分析功能
• 实现个性化任务推荐

🤝 贡献指南

欢迎任何形式的贡献！如果您想参与项目开发：

1. Fork 项目仓库
2. 创建功能分支
3. 提交您的更改
4. 发起 Pull Request

📄 许可证

本项目采用 MIT 许可证，详情请查看 LICENSE 文件。

📞 联系方式

如有任何问题或建议，请通过以下方式联系我们：

• 提交 Issue

---

MicroSteps - 让每个大目标都变得可实现