Time Compass Q&A（給使用者與評審）¶

這份文件是 docs/explanation 的入口。
原則：短答先放這裡；需要細節時，再引用其他文件。

快速導航¶

想快速懂產品價值：看 Q-CORE-*
想看和其他方案差異：看 Q-DIFF-*
想看技術護城河：看 Q-MOAT-*
想看限制與風險：看 Q-RISK-*
想看演進背景：看 Q-EVO-*

Q&A¶

Q-CORE-001 這個專案一句話在做什麼？¶

綜合「已有規劃與事件 + 低阻力任務規劃 + 覆盤總結」的 AI 工具。
你可以從無從下手，直接進到可執行的下一步。

Q-CORE-002 什麼是「低阻力」？¶

以前要自己翻 Google Calendar、Google Tasks、未來事件，還要手動整理。
現在可以直接和 AI 抱怨現況，讓它代勞啟動規劃，降低起步阻力。

Q-CORE-003 主要使用者是誰？¶

主要是「需要規劃與總結」的學生與上班族，特別是同時使用 Google Calendar / Google Tasks / NTUST Moodle 的人。
不需要 AI 介入規劃的人（例如只想手動記錄、手動收集未來與過去的資訊、不需要拆解與回顧流程）。

Q-CORE-004 成功的使用結果長什麼樣子？有沒有可觀察指標？¶

成功不是「聊得很順」，而是「真的完成登入、拿到上下文、產生可執行草案，並可落地到日曆/任務」。

觀測指標（舊架構 Gradio）： - 可在 OAuth 分頁完成登入，且可下載 token（見 /download-token 路由，只可用在 gradio）。 - 後續對話可讀到 Google 資料來源，並進入規劃/總結流程(如果已登入)。 - 規劃對話會從釐清到拆解，再到可排程草案（L1/L2/L3 由系統內部路由，不強制顯示名稱）。 - 當夠細時可以看到摺疊的列表裡有tasks列表出現，按下寫入的按鈕後可以寫入 Google Tasks。 - 總結請求可產出最近一段時間的回顧；情緒不佳時可觀察到前置或前後並置 emotion support。

觀測指標（新架構 MCP）： - 拆分、總結的體驗跟原本差不多，但 mcp 版的 AI 要先調用對應 Prompt（summary / emotion / time management），再調用資料工具、或著同時調用。 - 進入 L3 時可啟動 launch_planner_studio，看到多草案與事件差異。 - 可選擇將部分 L2 內容寫入 tasks（非強制）。 - OAuth 可由 launch_google_token_auth 或 tools/get_google_token.py 產生 token.json (可用在 gradio 與 mcp)。

Q-CORE-005 目前「可寫入」能力到哪裡？¶

目前能力邊界是： - Google Tasks： - gradio: 支援讀、寫。在 task draft 流程有按鈕可實際寫入。 - mcp: 支援讀、寫。 - Google Calendar： - gradio: 支援讀。無寫入部分。 - mcp: 支援讀、寫。在前端的 planner studio 可以看到讀到的日曆、也有按鈕可實際寫入草案。

Q-DIFF-001 為什麼不是直接用 ChatGPT + Actions + 個人化 GPT？¶

你可以快速接 OAuth，但實務上資料抓取穩定性不足：
- 日曆列表與逐曆事件抓取容易漏資料
- 難做 async / batch，速度慢
- prompt 過長，難以支援多功能，上下文窗口不夠 - 回傳有很多不需要的東西、token 成本高

Q-DIFF-002 為什麼不是直接用 Gemini 接 Google Workspace？¶

可控性與可觀測性不足：
- thinking 與工具調用不透明
- 不易確認實際抓到哪些資料、時間範圍多大、是否真的抓到 - 不易確定最大能抓到那些範圍 - prompt 過長，難以支援多功能，上下文窗口不夠 - 回傳有很多不需要的東西、token 成本高

Q-DIFF-003 為什麼不是用市面上的 MCP 就好？¶

目前常見 MCP 方案通常不覆蓋你的需求：
- 不支援 NTUST（台科大）Moodle 情境
- 缺少跨來源聚合讀取
- 缺少資料清洗與 TOON 壓縮

Q-DIFF-004 為什麼不是只做成 skills？¶

從 Google 端穩定拿資料不能只靠 skills。
skills 比較像提示層能力；Time Compass 同時處理了資料層、聚合層與輸出層。
另外，MCP 也能接入部分網頁 AI（例如 ChatGPT）作為實際通道。 Prompt 的部分也使用 description 來讓 AI 按需載入，理念與 skills 類似。

Q-MOAT-001 這個專案不可替代性是什麼？¶

不是只有「聚合 + 加速 + 省 token」，還有：
- 自主前端：可用日曆視圖比較不同 AI 草案（WYSIWYG）
- Prompt engineering：結合心理學流程，降低使用者執行阻力
- 資料治理鏈路：清洗、聚合、壓縮、再輸出為 AI 可讀格式

也因為這些能力是整體打包，不是單點功能，所以這同時也是前面不採用那些替代方案的根本原因。

Q-MOAT-002 TOON 到底解決了什麼？¶

把多來源資料做欄位清洗、聚合、特殊格式回傳，讓 AI 更好讀。
在你目前實測中，token 消耗可下降約 80% 以上。

Q-MOAT-003 TOON 80% 以上節省是怎麼測的？¶

基於清洗後資料集（含 Google Calendar / Tasks / Moodle）做精確 token 計數。
目前報告顯示約 83.7% token 降幅。
參考：assets/TOON_STATS_REPORT.md

Q-RISK-002 NTUST Moodle 支援程度到哪裡？¶

目前是 partial support(畢竟本專案不是 mooodle 的 python sdk)。
Moodle 日曆資料可抓取事件。

延伸閱讀¶

TOON 規格：docs/reference/toon-format.md
TOON 壓縮統計：assets/TOON_STATS_REPORT.md
架構隱喻：docs/explanation/ARCHITECTURE_METAPHORS.md
Agent 能力：docs/explanation/AGENT_CAPABILITIES.md
開發歷程：docs/explanation/DEVELOPMENT_JOURNEY.md
測試與環境操作：docs/how-to/run-tests.md、docs/how-to/setup-google-cloud.md