Daily-Agent-Review：每日多 Agent 对话汇总与计划复盘

Daily-Agent-Review：每日多 Agent 对话汇总与计划复盘

把散落在飞书 agent、微信 agent（及未来更多 agent）里某一天的聊天收拢成一份当日对话档案，并基于可追溯证据复盘：今天计划了什么、完成了什么、还悬着什么、拍板了什么决定、有什么风险、明天打算干什么。独立运行，不依赖任何其它 skill，也不调用任何模型 API——所有分析由 OpenClaw agent（你，自带模型）按本文件的【分析规范】完成。脚本只做采集/归一化/组装/渲染/校验这类机械活。

Outcome Contract

• Outcome：data/reviews/<date>.json + data/reviews/<date>.txt —— 一份证据可追溯的每日复盘。
• Done when：覆盖已如实记录（含失败/缺失渠道）、JSON 通过 validate_output.py、TXT 已渲染、用户已看过一句话总结。
• Evidence：每个「已完成」事项、每个决策/承诺/风险，都必须挂至少 1 条 evidence_refs，且 ref 能解析到 messages[]（或独立保存的原始消息档案）。
• Output：先跑脚本产出 bundle，你（agent）分析后写 review JSON，再渲染 TXT、跑校验，最后回报给用户；不要默默覆盖既有 review（除非 overwrite:true）。

核心工作流（你严格执行）

1. Pre-flight（先确认参数）：date（默认当地当天）、timezone（默认 Asia/Shanghai）、sources（默认全部已启用）、output_format（json/txt/both，默认 both）、include_raw_messages（默认 true）、include_private（默认 false）、overwrite（默认 false）、language（默认 zh-CN）。overwrite=false 且当日 review 已存在 → 先停下问用户。

2. 采集（你负责渠道调用）：对每个 source 用 OpenClaw 的渠道工具（如飞书 feishu_chat）拉取当日消息，写到 data/raw/<source>/<date>/；某个渠道插件未暴露历史查询工具（微信/QQ 常见）→ 让用户导出/粘贴近期对话，再跑：

   python scripts/collect_messages.py --source feishu --date <date> --timezone Asia/Shanghai \
       --file <原始txt或json> --conversation-id <会话标识> --conversation-name <会话名> \
       [--agent-id ... --agent-name ...] [--include-private]
   

   • 支持多会话：每个会话单独跑一次，给不同 --conversation-id。
   • 绝不假装拉到了拉不到的消息：某渠道拉不到，就让它缺着，后续如实标 coverage 缺口。

3. 归一化：

   python scripts/normalize_messages.py --date <date> --timezone Asia/Shanghai \
       [--sources feishu,wechat] [--owner-aliases 主人昵称1,主人昵称2] [--include-private]
   

   • --owner-aliases 很关键：主人本人可能在不同群用不同昵称，务必传全，否则会把主人的话误判成「他人请求」。
   • 产出 data/normalized/<date>.json：统一 14 字段、去重、时区换算、按日期过滤、角色/类型/隐私分类。

4. 组装 bundle：

   python scripts/build_daily_review.py --bundle --date <date>
   

   • 产出 data/bundles/<date>.json：按 (source,agent,conversation) 分组 + 表层线索（owner_statements / external_requests / questions_to_owner / deadlines_mentioned / recall_or_edit_markers / owner_commitments）+ coverage + all_message_ids。

5. 分析（你用自带模型，本步是核心）：Read data/bundles/<date>.json，以其中 messages 与 surface_signals 为唯一依据，按下方【分析规范】产出 review JSON，写到 data/reviews/<date>.json（schema 见 references/output-schema.md）。

   • include_raw_messages=true 时，把 bundle 里所有标准化消息原样放进 messages[]（这样 evidence_refs 才能被校验解析）。