待办清单记录的是“我打算做什么”，但一天结束后，我更想知道的是：
我今天实际上把时间花在了什么事情上？哪些事项真正向前推进了？
这两个问题看起来很接近，答案却经常不同。计划会变化，临时问题会插入，调研和排错也很难在开始前准确拆成任务。到了晚上再靠记忆复盘，很多细节已经丢失。
为了解决这个问题，我做了 Electronic Journey：一个由用户主动开启、定时截取桌面的个人数字旅程记录工具。随后，我又把它与个人服务器、视觉模型、Hermes 定时任务和 Notion 串了起来，让前一天的截图在每天早上自动归纳为 3–5 项实际推进的重点事项。
这篇文章分享的不是单个 Prompt，而是一条从原始证据到结构化工作记录的完整流水线。
看电影和记录电影，对我来说一直是两件分开的事。
豆瓣适合标记“看过”、评分和写一句短评；Notion 更适合长期整理，可以按年份、类型、导演和评分建立不同视图，也能把电影记录放进整个个人知识系统里。问题是，如果每看完一部电影都要手动复制标题、日期、导演、类型和海报，我很快就会放弃维护。
所以我想做的并不是另一个电影应用，而是一条安静运行的管道：
我只在豆瓣完成一次“看过”，剩下的事情交给程序。
这个想法最早在 2022 年被我写成几个 Python 脚本。几年后，我又把它重新整理为 Douban-Notion-Movie-Sync：从豆瓣 RSS 读取最近的观看记录，补全电影元数据和海报，去重后写入 Notion，并通过 Docker 和 cron 在服务器上每小时运行。
这篇文章记录的，是这套电影工作流如何一步步长出来。
观前提示
Zhao, W. X., Zhou, K., Li, J., Tang, T., Wang, X., Hou, Y., … Wen, J.-R. (2023, November 24). A Survey of Large Language Models. arXiv.
Park, S., Wang, A. Y., Kawas, B., Liao, Q. V., Piorkowski, D., & Danilevsky, M. (2021). Facilitating Knowledge Sharing from Domain Experts to Data Scientists for Building NLP Models. 26th International Conference on Intelligent User Interfaces, 585–596. https://doi.org/10.1145/3397481.3450637
Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., III, H. D., & Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86–92. https://doi.org/10.1145/3458723
Chancellor, S. (n.d.). Toward Practices for Human-Centered Machine Learning. Retrieved March 16, 2023, from https://cacm.acm.org/magazines/2023/3/270209-toward-practices-for-human-centered-machine-learning/fulltext
Xu, W. (2019). Toward human-centered AI: A perspective from human-computer interaction. Interactions, 26(4), 42–46. https://doi.org/10.1145/3328485
