---
title: "Weekly Pattern Analysis"
type: concept
tags: []
last_updated: 2026-04-17
---

## Definition

AI Agent 每周汇总用户的习惯完成数据，自动发现隐藏在时间序列中的行为规律，并将发现转化为可操作的下周建议。

## Data Inputs

一周的每日习惯完成记录：
```json
{
  "morning_workout": ["✓", "✓", "✗", "✓", "✓", "✗", "✓"],
  "read_30min":      ["✓", "✓", "✓", "✓", "✗", "✗", "✗"]
}
```

## Analysis Outputs

每周日 10 AM 自动生成结构化报告：

```text
每周总结报告：
- 晨练：本周 5/7 天完成，最长连续 5 天
- 阅读：本周 3/7 天完成，最差日：周五、周六
- 整体完成率：67%
- 最佳日：周三
- 最差日：周五

发现的行为模式：
- "你总是在有早会的日子跳过晨练"
- "周五和周六晚上你从不阅读"
- "喝水习惯在周末断崖式下降"

下周建议：
- 考虑将周五晚上设为阅读替代时间（如播客）
- 早会日提前 30 分钟闹钟
```

## Why It Works

- **自我认知升级**：用户通过数据看到自己未曾注意的行为模式
- **归因而非自责**：模式发现将"失败"转化为"可优化的行为"，减少内疚感
- **主动预防**：下周针对性的微小调整（"早会日提前闹钟"）比泛泛的"多努力"更可执行

## Relationship to Other Concepts

- [[Active Accountability]] — Weekly Pattern Analysis 是 Active Accountability 的周期性总结机制
- [[Streak Tracking]] — Streak 数据是 Pattern Analysis 的主要输入
- [[Food Sensitivity Tracking]] — 同一模式在健康追踪场景的应用

## Source
- [[habit-tracker-accountability-coach]]