对于每天被即时消息、邮件、网页链接和视频片段淹没的知识工作者来说，GTD 工具往往沦为另一个信息仓库。市面上多数 TODO 应用只能手工录入，即便有智能提醒，也难以处理“一条视频链接”这类需要先提取内容才能判断行动步骤的复杂待办。开源项目“阿福”试图用大模型和本地推理填补这一空白。

“阿福”本质上是一个基于 API 版 Fable5 和 Codex 搭建的智能体技能，作者卡尔将其多年管理收件箱的教训封装成自动化流程。核心能力体现在三个层面：第一，自动扫描与解析——系统从收件箱（如邮件、笔记应用、浏览器剪贴板）抓取待办资料，识别出纯文字链接、本地文件路径或视频 URL。对于视频类资料，工具会自动调用 yt-dlp 下载音频，再通过本地部署的 Whisper 提取字幕，并将内容摘要写入任务描述。第二，AI 分组与排期——利用 Codex 的语义理解对任务进行聚类合并（例如将“看某演讲视频”与“摘录关键观点”自动归为一组），并允许用户批量设置优先级和截止日期。第三，轻量交互——所有任务以 Markdown 卡片形式展示在可拖拽调整的周视图中，完成排期后一键同步到 Mac 日历或飞书日历。

与同类工具相比，“阿福”更贴近知识工作者的真实场景。传统 GTD 服务如 Todoist 或 Notion 数据库需手动录入，且对非结构化内容的处理依赖插件生态；而“阿福”利用 LLM 的语义理解能力，将“收集-整理-执行”链条中的中间环节（尤其是内容提取和自动分类）自动化。其采用的本地 Whisper 方案也避免了上传敏感视频至云端，契合对数据隐私有要求的用户。

不过，该工具仍有一定技术门槛：依赖 Python 环境及 fable5 和 codex 的 API 密钥，视频处理需要一定算力。对于熟悉命令行和自部署的开发者，一条命令即可启动；对普通用户，则需官方提供 Docker 镜像或图形界面封装。卡尔在 GitHub 上开源了完整代码，社区可贡献移动端适配或 WeChat 集成。

从趋势看，AI 正在将知识管理从“记录工具”推向“执行代理”。“阿福”并非简单的任务清单，而是一种可编程的“个人助理”：它理解输入内容、判断缺失信息（如视频未转文本）、主动补全并给出排期建议。未来，类似技能将深度融入邮件客户端、笔记应用甚至 AR 眼镜，让碎片信息的处理成本趋近于零。对于被信息洪流所困的知识工作者，不妨先以“阿福”为起点，培养“让 AI 先读一遍”的工作习惯。