开源 LLM TODO 技能 A Fu 使用 Claude Code 和 Codex 实现从知识到日程的自动化

A Fu 是一款开源 LLM TODO 技能，通过与 Claude Code 和 Codex 的直接集成，将松散的收件箱项目转换为结构化的 Markdown 任务卡片。

该工具读取传入材料，检测缺失的细节（如视频链接），并通过调用 yt-dlp 和本地 Whisper 实例来填补空白以提取字幕。卡片完成后，支持批量调度、AI 驱动的分组、在周视图中拖放调整，以及一键同步到 Mac 日历或飞书日历。

用户只需一条命令即可安装该软件包。该项目托管在 GitHub 的 Fable5 API 框架下。

工作流从收件箱开始。A Fu 解析每个条目并写入 Markdown 文件，其中已包含到期日期、标签和可用上下文。当出现没有转录的视频链接时，系统会自动排队下载和转录步骤。生成的字幕文本会在任务显示在周计划器之前附加到卡片上。

批量调度允许团队选择多张卡片，并通过单条指令将它们分配到不同日期。随后 AI 合并步骤将重复或相关项目合并为一张卡片，减少日历视图中的干扰。周看板支持鼠标或触控板重新排序，因此无需手动编辑文本文件即可调整优先级。

同步选项涵盖个人和企业日历。Mac 日历接收保留时间块的事件。飞书用户在企业工作区内接收相同事件，使个人和工作日程保持在一个地方对齐。

作者在 Fable5 和 Codex 的 API 版本基础上构建 A Fu，以将所有逻辑保留在本地脚本中。没有云服务存储任务数据。日历令牌通过标准 OAuth 流程处理，除非是所选同步目标，否则绝不会离开设备。

希望采用相同模式的开发者可以分叉该仓库，并为其他媒体类型扩展提取规则。单命令安装会拉取所需的 Python 包、设置 Whisper 模型，并将该技能注册到本地 Codex 实例。

该项目解决了笔记记录与实际执行之间的常见差距。许多知识工作者收集文章、视频和链接，但缺乏从收集到计划行动的自动化路径。A Fu 将该路径置于开源仓库中，以便他人审核或调整步骤。

仓库中列出的未来更新旨在添加对其他字幕语言的支持，以及与 Claude Code 之外的本地大型语言模型的更深入集成。当前版本已展示如何将收件箱解析器、媒体提取器和调度器这三个组件置于一个 Skill 文件中。

测试安装的开发者报告称，同步命令后周视图会在几秒内更新。包含不完整字段的卡片会被高亮显示，以便用户决定是让自动化继续还是手动提供缺失数据。

仓库未附带任何定价。整个堆栈在单行安装完成后即可在用户硬件上运行。日历服务仍是唯一的外部依赖。

该方法表明，基于现有 LLM 运行时构建的针对性技能可以关闭信息摄取与时间分配之间的循环，而无需新的专有平台。