无广告免登录的ZenFlow AI：打通Todo、番茄钟与生产力分析的效率工具

"没需求，别碰广告"——我为什么要做 ZenFlow AI 这样一个"反常识"的工具

做 Todo 和番茄钟的工具一抓一大把，市面上的产品也都不差，但我还是决定自己写一个叫 ZenFlow AI 的"无广告、免登录、自由度高"的效率工具，把 Todo、番茄钟、生产力分析三件事串起来。做这个决定的直接原因其实特别朴素：我受够了打开软件先看开屏广告、受够了"想同步数据必须先注册账号"、受够了功能越来越重但真正想看的统计数据却藏在订阅墙后面。

ZenFlow AI 的核心不是做了多少功能，而是把"任务清单"、"专注计时"、"数据复盘"这三件事打通成了一个闭环，并且全程不需要登录账号，没有广告，所有数据默认留在本地，所有分析结果都基于你自己的真实记录。这篇文章适合三类人看：一是正在备考、需要统计每天有效学习时间的学生党；二是对数据隐私敏感、不想把工作节奏交给云端算法的自由职业者；三是喜欢折腾、希望工具能导出数据并二次处理的效率工具玩家。如果你只是想要一个能打勾的待办清单，那它不一定适合你，但如果你烦透了"记事本+倒计时+Excel 手工统计"的拼接流程，那这个项目很值得参考。

1. 为什么做"无广告、免登录、自由度高"的 ZenFlow AI

1.1 从"待办+番茄钟"工具的现状说起

先聊聊我观察到的现状。市面上绝大多数效率工具，表面上解决"记录任务"的问题，实际上却不断制造新的问题。

第一类问题是广告和商业化氛围。免费版工具往往靠广告维持，开着番茄钟的时候弹出购物推荐，整理任务列表的时候出现各种运营位，这种打断比任何干扰都破坏专注状态。我曾经用过一款评分很高的番茄钟 App，免费版不仅底部有横幅广告，每次完成一个番茄之后还会自动打开一个推广新功能的页面，需要手动关闭才能继续下一个计时。对于需要连续工作几个小时的人来说，这种体验基本没法用。

第二类问题是"登录墙"和"数据锁定"。很多工具明明只是一个本地任务管理器，却强制绑定账号，把任务数据放到云端。如果你的网络不稳定，或者你根本不想让服务商知道自己每天在做什么，这个"登录"动作本身就是一种负担。更麻烦的是，数据被锁在特定平台里之后，想迁移出来非常痛苦，导出格式要么不完整，要么干脆不提供。

第三类问题是从"记录工具"到"分析工具"之间的断层。大多数待办工具只能让你打勾，番茄钟工具只能记录你专注了多少分钟，但很少有工具把这二者结合起来，并告诉你"你的时间到底花在了哪里"、"你的预估为什么总是不准"、"哪个时段最适合你处理深度工作"。换句话说，工具做了记录，却没有人帮你做解读。

ZenFlow AI 的思路很简单：把这三类问题一起解决。它不是一个功能堆叠的"大而全"产品，而是一个围绕"专注执行"设计的最小系统——任务驱动计时，计时产生数据，数据反哺计划。无广告是为了不打断心流，免登录是为了让数据回归用户自己，自由度高是为了让这个工具能真正适配每个人的工作节奏，而不是让人去适应工具的固定流程。

1.2 三类典型用户画像和需求拆解

在动手设计之前，我花了不少时间梳理目标用户，因为"自由度高"这种标签很容易让人误以为是在做一款极客专属工具。实际上，这个定位背后有三类非常具体的人群，他们的核心诉求完全不同。

第一类是学生党，尤其是备考考研、考公、职业资格证的人群。他们的需求是"量化每天的有效学习时间"，但往往没有精力去维护复杂的统计表。普通番茄钟能记录"我今天学了 8 个番茄"，但无法回答"这 8 个番茄分别花在了哪门科目上"，更无法回答"我最近一周的专注时长曲线是什么样的"。ZenFlow AI 需要做到"打开选一个任务，点开始，结束之后数据自动归档"，最好连记录这个动作都不需要额外操作。

第二类是自由职业者和远程办公者。他们对数据隐私要求更高，不愿意把自己每天的时间分配上传到第三方服务器。这类用户通常同时处理多个项目，需要按项目维度统计工时，而不是仅仅统计"今天总共专注了多久"。同时，他们经常在不同设备间切换，可能是办公室的 Windows 电脑、家里的 Mac、或者手机，这时候"免登录"和"数据可迁移"就成了一对需要平衡的关系——不登录并不意味着不能同步，而是要把同步的主动权交给用户。

第三类是效率工具玩家和开发者。他们的需求比较特殊：希望工具能导入导出数据，能用脚本批量添加任务，能自定义统计口径。我之前看到一个帖子，有人用 Python 脚本批量生成一周的待办任务，却发现待办工具的 API 要付费才能用，这就是典型的自由度不够。一个真正开放的工具至少应该让你的数据能以 JSON、CSV 这种通用格式导出，让"折腾"这件事变得没有门槛。

这三类用户看起来差异很大，但往底层看，需求高度一致：较低的启动成本、可自定义的记录维度、以及数据完全归己的安全感。这也是 ZenFlow AI 把"无广告、免登录、自由度高"作为产品级核心定位的根本原因。

1.3 设计定位：AI 并不是为了"炫技"

标题里带"AI"两个字，很多人第一反应是"是不是有个聊天机器人"或者"是不是能自动帮你规划任务"。我做产品有一个原则：能用简单规则讲清楚的事情，就不用复杂的模型包一层。ZenFlow AI 里的 AI，定位是"生产力解读引擎"，不是玄学推荐系统。

具体来说，传统工具只展示一个统计数字，例如"本周专注时长 1200 分钟"，但不会告诉你这个数字到底说明什么。ZenFlow AI 会把统计结果转化成可执行的观察结论，比如"你的专注时长在周四有明显低谷，近两周周四平均专注只有 45 分钟，而其他工作日在 90 分钟以上，建议安排低强度任务"；或者"你预估这个任务需要 3 小时，实际只用了 1 小时 40 分钟，偏差率超过 40%，下次预估时可以按 0.6 倍折算"。这些结论不依赖云端大模型，而是通过本地规则引擎加轻量数据分析生成的，好处是响应快、隐私安全、不消耗网络流量。

为什么这样设计？因为对于一个生产力分析工具来说，最重要的不是"智能感"，而是"可解释性"。用户需要知道 AI 给出的每一个建议依据是什么，如果建议有误，用户可以追溯到具体的数据记录。直接套一个大模型做分析，结果可能更有"惊喜感"，但用户无法掌控判断逻辑，这与"自由度高"的产品定位是冲突的。所以，如果你把 ZenFlow AI 理解成一个"会自己看数据、还会说人话的统计助手"，会比"人工智能规划师"准确得多。

2. 核心功能拆解：Todo、番茄钟、生产力分析怎么打通

2.1 Todo 模块：轻量任务管理的设计取舍

做任务管理工具最忌讳一上来就做复杂系统。嵌套子任务、依赖关系、项目看板、权限管理——这些功能听起来很专业，但对于"个人专注执行"这个场景，高复杂度反而是致命伤。ZenFlow AI 的 Todo 模块走了彻底的极简路线，但极简不意味着简陋，而是把决策成本降到最低。

任务的核心字段我最终只保留了五个：标题、预估番茄数、标签、截止日期、状态。为什么是这五个而不是更多？因为这五个字段已经足够支撑后续的分析维度。标签用来做分类统计，比如"#工作" "#学习" "#健身"，你可以自己定义维度；预估番茄数用来做"计划 vs 实际"对比，这是判断一个人时间感知准不准的核心数据；截止日期则用来计算任务完成率时判断任务是否超期。

真正拉开体验差距的是自然语言快速录入。传统待办工具需要你一个个填写字段，ZenFlow AI 支持一行文本解析，例如输入"周五上午写周报 #工作 2🍅"，系统会自动拆解成"任务标题=写周报，标签=工作，预估番茄数=2，截止时间=本周五上午"。如果你用的是带实体识别的版本，还能稍微智能地处理"明天下午三点"这种相对时间。这个功能的意义在于，减少录入摩擦力才能保证后续统计数据的完整性——如果添加一个任务需要 30 秒，很多人嫌麻烦就不用了；如果只要 2 秒，记录习惯就更容易坚持。

任务列表的排序规则也有讲究。我没有提供手动拖拽排序，而是让系统按"截止时间 + 预估偏差率"动态排序。什么意思呢？如果一个任务经常被低估实际耗时，它的优先级会自动上升，因为它更容易挤占后面的时间。这种动态排序刚开始会不习惯，但用两周之后你会发现，它比手动拖拽更符合真实的工作安排逻辑。

2.2 番茄钟模块：不是简单倒计时，而是数据采集器

市面上大多数番茄钟工具的精髓就是一个倒计时——25 分钟之后响铃，然后休息 5 分钟。但我做了这个项目之后最大的感触是：番茄钟真正的价值不是"倒计时"本身，而是它作为时间数据的采集器。如果每次专注都能记录开始时间、结束时间、关联任务、中断原因，那么积累两周之后，你就拥有了一份非常精确的个人时间账本。

先看计时的基本参数。ZenFlow AI 默认采用 25 分钟工作 + 5 分钟短休息 + 15 分钟长休息（每 4 个番茄一轮），但这三个数字全部开放自定义。我见过有人用 90 分钟深度工作 + 20 分钟休息，也有做设计的朋友习惯 15 分钟一个冲刺。自定义不只是改数字那么简单，"休息结束后自动开始下一个番茄"、"跳过休息直接开始"、"工作日与周末使用不同方案"这些行为都要能配置。

比自定义更关键的，是中断处理机制。真实工作中，几乎不可能全程无人打扰。传统番茄钟只关心"你这次有没有完成"，而 ZenFlow AI 会把一次不完整的番茄分别记为三种状态：暂停后继续（比如接了个 2 分钟电话）、标记为中断（被打断超过 5 分钟，该番茄作废）、丢弃（误操作开始）。每次标记中断时，我还鼓励用户顺手选一个原因，比如"消息提醒"、"同事沟通"、"临时任务"、"走神"，不用打字，点一下就行。别小看这个设计，中断原因数据到了分析阶段是金子一样的存在，它能告诉你破坏专注的最大干扰源在哪里。

另外一个很多人忽略的细节是跨时段边界。晚上 11 点开始一个 25 分钟的番茄，结束时间应该是 11 点 25 分，而不是简单地在分钟数上加 25。如果用"每秒计数器累加"的笨办法，很容易在跨天、跨小时、时区切换时出错。正确做法是存时间戳（started_at / ended_at），所有时长计算都基于时间戳差值。这样不管是跨午夜、跨周还是切换夏令时，数据都不会漂移。

2.3 生产力分析：从"记录"到"洞察"的关键一跃

如果只有任务和计时器，ZenFlow AI 跟其他工具的区别并不大。真正让它有价值的是第三块：生产力分析。这块的设计目标不是"画漂亮的图"，而是回答三个问题：我的时间花在哪了？我的计划准不准？我在什么条件下状态最好？

第一个问题通过标签维度解决。你的每个任务都有标签，每次番茄都挂在一个任务下，所以可以任意按标签聚合。比如最近一个月"#工作"标签累计 47 个番茄，"#学习"标签累计 23 个番茄，一眼就能看出投入比例的失衡。按周对比还能看出趋势，比如"#学习"在考前两周明显上升，这种趋势变化比绝对数量更有参考价值。

第二个问题通过"预估番茄数 vs 实际番茄数"的偏差率解决。系统每完成一个任务，都会自动计算预估偏差率：偏差率 =（实际数量 - 预估数量）/ 预估数量。偏差率大于 0 说明你低估了任务难度，小于 0 说明你高估了。如果一个人连续两周的偏差率都大于 30%，说明他的计划习惯存在系统性失灵。这时候 AI 解读引擎会发出一个观察结论，而不是强迫用户"下次把预估时间调大 30%"——后者是一种机械的建议，前者则让人意识到自己可能长期处于过度乐观计划中。

第三个问题通过时间切片分析解决。系统会把所有专注记录按小时切片，计算每个小时窗口的累计专注分钟数和中断率。积累一段时间后，就会形成个人"黄金时段画像"。我自己的数据非常典型：上午 9 点到 11 点专注效率最高，下午 3 点到 4 点是个低谷，晚上 8 点之后专注质量反而回升。这些规律没有分析之前凭感觉也能猜到大概，但有了精确数据之后，我安排深度工作就再也不用靠猜了。

3. 实操落地：自由度高体现在哪里

3.1 技术选型与部署思路

聊完功能，说说实现。ZenFlow AI 的技术路线围绕一个原则：本地优先（Local-first）。所有核心数据默认存放在浏览器本地，不经过任何服务器。这样做的好处很明显：即使官网某一天失去运营，你的历史数据仍然完整的躺在浏览器里，工具本身不会因为服务商停止运营而失效。

具体技术栈上，我采用了 PWA（渐进式 Web 应用）的方案。为什么不用原生 App？因为 PWA 可以做到"无需下载安装、跨平台、可离线使用"，同时还能借助 Service Worker 提供离线缓存。经过实测，桌面端将网页添加到桌面后，打开速度与本地应用几乎无差别，最重要的是更新部署完全不依赖应用商店审核，自由度极高。

需要说明的是，这里的"完全本地存储"在实际落地时做了分层处理：短期任务数据用 IndexedDB 存储，因为它能承载较大结构体并支持索引查询；长期报表和分析缓存用 LocalStorage 就够了。如果你在本地环境部署，也可以把后端数据接口换成 SQLite 或 JSON 文件，因为整个数据模型是用抽象存储层封装的，底层替换成本很低。我不在这里绑定具体框架，因为我见过太多项目因为过度依赖某个"全家桶"框架，导致后面想换一个存储方案都难。

关于"要不要上后端"，我的经验是：如果目标只是一个人或一个小团队使用，本地优先的方案已足够可靠；但如果你想把统计数据在手机和电脑间共享，那就需要引入一个可选的同步层。同步层不应该是唯一的存储方式，只能算一个便捷通道，这样设计才能保证"免登录"和"多端同步"这两个诉求不冲突。

3.2 数据存储与隐私设计：无账号怎么存数据

"无广告"和"免登录"是用户能直接感知的前端行为，但落到技术上，真正紧要的是数据存储模型。不登录，意味着不能依赖"用户 ID 关联云端数据库"的传统方案，那数据放哪？

答案是在浏览器本地。我把整个数据模型拆成分散但有逻辑关联的"集合"：任务集合、番茄记录集合、标签配置集合、分析报告缓存。每个集合都是一个 JSON 文档，整体可以用一条导出指令打包成一个文件。这种设计不是我拍脑袋想出来的，它借鉴了"无数据库文件型应用"的通用做法，换来的是极简的备份和迁移体验。

但本地存储有一个绕不开的问题：如果用户更换设备或者清理浏览器缓存，数据就没了。我的解法是"导出/导入 + 可选同步协议"。导出格式支持 JSON 和 CSV 两种，JSON 用于完整迁移（包含所有设置和历史记录），CSV 用于喂给 Excel 或第三方分析工具做二次加工。可选同步协议方面，我做得比较克制，只支持 WebDAV 这类通用同步方式，用户配置好服务器地址和凭据后，数据会自动上传到自己的网盘目录。重点在于：同步用的网络存储由用户自己掌控，我不经手任何人的隐私数据。

还要提一下"不留痕"选项。我还加了一个"本地加密"开关，只对导出文件生效，使用简单的口令派生加密密钥。如果你连额外的离线备份都不想要，可以直接关掉。默认配置下，所有原始的番茄记录和任务标题都是明文存储在本地的，因为对这些数据做静态全量加密反而会拖慢查询速度，而且意义不大——数据本来就没离开用户的设备。

3.3 键盘流操作与自定义规则

"自由度高"这个说法听起来很虚，落到具体操作上，其实就是两件事：能不能不改代码就改变行为规则，以及能不能少碰鼠标。ZenFlow AI 在这两个方面都做了比较彻底的工作。

先说自定义规则。除了最明显的"番茄时长可设置"之外，我还把很多细节阈值开放出来，例如"中断超过多少分钟当前番茄自动作废"（默认 5 分钟）、"每天完成多少个番茄后自动提示收工"、以及"标签颜色和排序规则"。进一步地，我支持了一套很轻的规则表达式，用户可以写"如果标签为#学习且当前时间在 21 点之后，则休息时长自动翻倍"这样的条件式逻辑。这个能力用“发牌机”或“智能体”这个词形容有点唬人，本质上就是一系列可配置的 if-then 规则，但恰恰是这种开放的约定，能让工具融入不同人的真实生活。

再说快捷键体系。由于 PWA 在桌面端有原生键盘事件，我把高频操作全部绑定到键盘上。快捷键清单大致如下，供你参考：

• N：快速新建任务（光标自动聚焦到输入框）
• Space：在任务列表页面启动/暂停所选任务的番茄钟
• C：标记当前任务完成
• I：快速记录一次中断原因
• E：进入或退出"仅查看计划"模式
• Esc：退出所有弹窗或取消当前计时

不用鼠标完成"新建任务 + 开始专注 + 标记中断 + 结束任务"这个完整动线，是效率工具应该有的基本修养。我实测过，熟练之后，一次完整操作流程大概只需要 4 次按键，比鼠标点击快一倍以上。这些快捷键也全部可以自定义映射，不习惯默认方案可以改成自己顺手的位置，不必迁就我定的默认值。

4. 生产力分析的指标口径与 AI 解读示例

4.1 核心指标怎么算

分析模块要有价值，先决条件是指标口径一致。很多统计工具的问题不是没有数据，而是算法定义模糊，导致用户看不懂数字。我用表格把 ZenFlow AI 的核心指标口径固定下来，避免"同一份数据，两种说法"的混乱：

这套口径我最想强调的是"暂停后继续"与"中断"的区别。多数工具把所有非正常结束的番茄都算作中断，结果用户明明只是回了条消息、马上又回来继续工作，数据却被扣上一个"打断"的帽子，既打击积极性又失真。我把"暂停后继续"单独拆出来，只有单次暂停超过 5 分钟才记为中断，这个数字反而更能反映真实干扰程度。

还有一个容易踩坑的细节是"归属时段"的计算。一个番茄从 10:55 开始、11:20 结束，那这一个番茄应该计入 10 点到 11 点还是 11 点到 12 点？我的处理方式是按分钟拆分归属：前 5 分钟计入 10 点时段，后 20 分钟计入 11 点时段。虽然看起来绕，但如果不这么做，整点的边界效应会让热力图出现很多"掐死在整点前后"的毛刺现象，AI 分析出的黄金时段就会失真。

4.2 报表与待办关联的呈现

数据算出来之后，展示方式决定了分析结果能不能真正被用起来。我不打算像 BI 工具那样堆一堆图表——对个人用户来说，三张图就够：专注总时长趋势图、标签占比饼图、黄金时段热力图。

但跟普通图表不同的是，这三张图都必须能下钻到具体的任务。看到周四专注时长为 0，点一下要能看出当天没有任何任务被安排，而不是光秃秃一个零；看到"#学习"占比很大，点一下要能看到这些时间具体花在了"数学真题"还是"英语精听"上。如果分析结果不能反查原始任务记录，那分析就只是一张好看却无用的图。

任务维度上，我还加了一个"最不准预估排行"。这个排行会把所有已完成任务按预估偏差率从大到小排列，提醒你哪些任务的用时是系统性误判。比如你连续三次给"写方案"预估 2 个番茄，实际都用了 4 个，那你下一回再接同类任务，先看一眼这个排行，就不会再做拍脑袋计划了。

4.3 AI 建议引擎的规则句式

前面说过，ZenFlow AI 的 AI 是可解释的本地规则引擎。那它具体输出什么内容？我整理了几条最常见的话术模板，每一条都是基于上述指标的计算结果动态生成的：

1. 趋势提醒：当连续 3 天专注时长低于近 14 天均值的 50% 时，输出"你最近三天的专注量明显低于个人基线，建议先复盘是任务安排过少，还是外部干扰增多"。
2. 中断归因：当某个中断原因占比超过 40% 时，输出"消息提醒是你最常见的专注中断原因，共有 X 次。建议在开始番茄钟前开启免打扰模式"。
3. 预估校准：当某个标签下的任务平均偏差率超过 30% 时，输出"你对 #工作 类任务的耗时预估系统性偏低，近 10 个任务实际用时是预估的 1.3 倍，下次可分拆任务或直接乘 1.3 做缓冲"。
4. 黄金时段提醒：当系统识别出某个小时窗口的专注效率明显高于其他时段时，输出"你上午 9 点到 11 点的专注产出占总量的 X%，建议把最难的任务安排在这个窗口"。

这些规则的共同点是：结论可追溯、数据可复核。用户看到任何一句话，都能回到原始数据验证对不对。这比大模型生成一段听起来很有道理但缺乏依据的分析靠谱太多了，也是我对"AI 生产力工具"这件事的理解。

5. 常见问题排查与避坑记录

5.1 清理浏览器缓存后数据消失了怎么办

这是所有本地优先工具的老大难问题，也是我收到的最多的抱怨。Chrome 清除浏览数据的时候，可能会把 IndexedDB 一并清掉，如果你忘了提前导出，几周的数据瞬间归零，那种无力感我非常理解。

我的建议永远是两条：第一，每周手动导出一次 JSON 备份，放到本地磁盘或网盘里，这不是临时方案，而是本地优先工具的标准习惯；第二，打开设置里的"自动备份提醒"，如果连续 7 天没有导出记录，工具会在完成一个番茄后弹一次轻提示。导出动作五秒钟就能做完，一年到头也不过花十分钟，但它省掉的是数据全丢以后的重建成本。

顺带提一个很多人不知道的技巧：如果你用 PWA 模式把 ZenFlow AI 安装成了独立窗口，在部分浏览器上清理缓存时可以选择"仅清除缓存的网络内容"而不是"所有网站数据"，这样 IndexedDB 数据通常可以保留。当然，最稳的还是定期备份。

5.2 计时不准与后台标签页的锁频问题

PWA 在桌面端使用没问题，但到了移动端，iOS 的 Safari 和部分 Android 浏览器都有"后台标签页降频"策略。也就是说，你把浏览器切到后台，JS 定时器不会按预期每秒触发，关闭屏幕后更明显，导致计时时间比实际少了几分钟。

这个问题怎么解决？一是退而求其次，把移动端的计时界面强行固定为"屏幕常亮"，虽然耗电，但计时准确；二是更推荐的方案，在移动端上用"时间戳校准"替代纯累加器——一旦页面从后台恢复，立刻用当前时间减去开始时间戳重新计算，而不是在定时器回调里累加。我用这个方案实测过，就算手机息屏十分钟再点亮，结束时间也跟真实墙钟时间几乎一致。如果两个方案都不满意，最后的选择是：移动端不用 PWA 计时，仅用手机原生时钟设一个倒计时，然后回来手动补录番茄记录。手动补录虽然麻烦一点，但在数据完整性要求高于一切时，这是最稳的退路。

5.3 分析结果失真与手动补录策略

很多人用了一周之后回来看报表，发现数据跟自己的体感出入很大。比如说好今天要专注四小时，报表里却只有 90 分钟；明明每天都在忙，统计上却一片空白。这通常不是工具算错了，而是记录方式不完整——很多专注时段根本没被计时器捕捉到。

我自己的习惯是用"每天一次的手动补录"来兜底：晚上睡前花 30 秒，把当天没有启动番茄钟的专注时段补录进系统，比如"下午 4 点到 5 点在读书"就补一条任务和一条记录。为了降低补录成本，ZenFlow AI 允许直接修改已有时长：你看到一条记录结束时长为 25 分钟，但实际工作了 40 分钟，直接在编辑框里改成 40 分钟即可，它后面的分析全部基于修改后的数据。补录的代价极小，却能避免整个分析报表失真，这是我用过所有工具后最想安利给别人的一个习惯。

5.4 多设备使用但不登录，怎么保持数据一致

免登录最大的短板就是默认没有云同步，这对多设备用户是个硬门槛。我的做法是不要跟"云端同步"死磕，而是提供三条路：

• 手动导入导出：JSON 导出后再在另一台设备导入，适合低频率的设备切换。
• WebDAV 同步：设置一个 WebDAV 地址之后，每次关闭应用或者手动触发时，上传当前数据库快照；另一台设备打开时检测到远端文件版本比本地新，则自动拉取。这个方案适合每天都换设备的人，因为它不需要借助我的服务器，任何兼容 WebDAV 的网盘都行。
• 只同步分析报告：如果你不需要在手机上看全量任务，但想看历史统计趋势，可以设置"仅同步分析报告缓存"，这样手机上只保存不可变的统计结果，不涉及敏感任务标题。这是一个隐私与便利折中后的巧妙选项，实测非常实用。

这里还有一个注意事项：使用 WebDAV 时，不同服务商的实现细节不完全一致，配置后如果同步失败，优先检查服务器地址的路径前缀是否正确。安全性和稳定性，最终取决于你选择的 WebDAV 服务本身。

6. 写给自己和想复现这个项目的人

做 ZenFlow AI 这个项目，期间踩过的坑远不止上面写的那些。最让我意外的是，技术难题反而不是最难的部分，最难的是抵挡"加功能"的诱惑。曾经有用户建议我加上一个个类似"升级打怪"的激励系统、加上类似"组队打卡"的社交功能，理由是这样能提高留存率。这类功能本身没问题，但加进来之后，产品就不再是"无广告、免登录、自由度高"的效率工具，而是变成了一个运营驱动的游戏。在产品设计上，拒绝一个看起来很诱人的功能，比实现一个功能更需要定力。

我个人在实际使用中大半年之后的一个体会是：自由度高，不一定是功能选项多，而是默认行为不绑架人。不用登录、没有广告、数据随时导出，这些设计在商业上不是最优解，甚至可以说是"反商业化"的，但对于真正想掌控自己时间的人，这种"被尊重感"才是长期坚持使用的前提。

最后分享一个自定义小技巧：对于每天固定要做的重复性任务，不要一条条手动建。可以在设置里定义"每日固定任务模板"，系统每天早上自动生成当天实例并填充预估值。这样一来，你打开工具时看到的是一个"今天只需要执行"的清单，而不是一张需要整理的空表。再配合自然语言录入随手补上临时任务，整个记录成本就降到了一个极低的水位线，番茄钟数据和后续分析自然也不容易断档。

如果你也想自己复刻一个类似的工具，我的建议是先别急着写代码，花三天时间用手工方式记录自己的每一个任务和每一次专注，理清你真正关心的统计口径。这个项目最大的收获不是代码本身，而是让你想清楚：工具应该服务于目标，而不是反向定义你的节奏。