基于扣子的个人成长打卡目标自适应调整Bot构建指南

AI助手可自动动态调整读书目标：连续3天未完成则降为15分钟，连续7天全勤加练则升至45分钟；需先在Coze中建【成长打卡记录】表并导入21天真实CSV数据，再配置含查询、SQL统计和条件分支的工作流实现全自动适配。

你想让一个AI助手在你连续3天没完成“早起读书”打卡时，自动把目标从“每天30分钟”下调到“每天15分钟”；当连续7天全勤又主动加练时，再把目标上调至“每天45分钟”，整个过程无需手动设置、不依赖外部数据库、完全由Bot根据历史打卡记录自主决策。

准备结构化打卡知识库

在Coze知识库中新建一张名为【成长打卡记录】的表格，字段必须包含：日期(date)、目标名称(text)、完成状态(boolean)、实际时长(number)、备注(text)；【日期字段务必使用标准YYYY-MM-DD格式，否则按周/月统计会全部错位】。

把过去21天的真实打卡数据整理成CSV文件，三列内容依次为：日期、目标名称、完成状态（true/false），直接上传至知识库→表格→导入CSV。

这一步不能跳过。没有真实数据支撑，后续所有自适应逻辑都会变成空中楼阁——模型可能凭空编造“你上周完成了12次冥想”，而你实际一次都没做。

配置动态目标调整工作流

进入Bot编辑页→点击「工作流」→「新建工作流」→命名为「目标自适应引擎」。

第一步：拖入「查询表格」节点，数据源选【成长打卡记录】，筛选条件设为“目标名称 = {{用户输入.目标名}} 且 日期 ≥ {{date_sub_days(today, 21)}}”。

第二步：在该节点后接一个「SQL查询」节点，执行以下语句：

SELECT

COUNT(*) AS total,

SUM(CASE WHEN 完成状态 = true THEN 1 ELSE 0 END) AS success,

AVG(实际时长) AS avg_duration

FROM 表格

WHERE 目标名称 = '{{用户输入.目标名}}' AND 日期 >= date('{{date_sub_days(today, 21)}}');

第三步：拖入「条件分支节点」，双击编辑，设置三条规则：

① 若 success/total ≥ 0.9 且 avg_duration > 35 → 走“目标上调”分支；

② 若 success/total < 0.7 → 走“目标下调”分支；

③ 其余情况 → 走“维持原目标”分支。

【分支判定必须关闭“模糊匹配”开关，否则“完成率69%”会被误判为满足“≥0.7”条件】

定义三类目标响应策略

方法一：目标上调分支 → 在「大模型节点」提示词末尾追加：“你是一名资深习惯教练，请基于用户近21天高达成表现，将原目标‘{{用户输入.目标名}}’从{{原时长}}分钟温和上调至{{原时长+15}}分钟，并给出1条具体执行建议（如：把读书时间从早晨挪到通勤地铁上）。”

方法二：目标下调分支 → 提示词开头强制写入：“你必须先共情用户倦怠状态，再将目标时长减半（向下取整到最近5的倍数），禁止使用‘你应该坚持’等指责性表述。”

方法三：维持原目标分支 → 直接返回固定话术：“当前节奏稳定，继续保持。需要我帮你拆解明天的具体执行步骤吗？”