你的连续打卡中，有多少天留下了可以回看的证据？

审计习惯追踪器后，你会看到两类记录：有输出或专注时段支撑的行动，以及只靠记忆确认的行动。用五分钟给记录标注证据等级，就能找出哪些连续打卡代表真实进展，哪些只是“我应该做过”的印象。

1854年，伦敦苏活区暴发霍乱时，约翰·斯诺面对的也是一张容易被误读的记录。当时许多人相信霍乱通过“瘴气”传播，死亡名单本身无法直接说明病因。斯诺把死亡地点标在地图上，再对照居民取水的位置，发现病例集中在宽街水泵附近。这个结论后来写进他的著作《霍乱传播方式研究》中。

关键不在于他拥有一份记录，而在于他追问了记录背后的依据。你的习惯追踪器也需要同样的追问：这个勾，究竟对应了什么？

先检查最近七天，不必重做整套系统

打开你正在使用的习惯追踪器，只看最近七天。范围越小，越容易在五分钟内完成，也更容易回忆具体情况。

逐条查看已经打勾的记录，并在旁边写一个字母：

• O：有输出，例如提交的作业、写完的提纲、代码推送、练习录音或完成的作品。
• T：有专注时段，例如一段由计时器记录的复习、阅读或写作时间。
• M：只有记忆，例如“我记得昨晚背过单词”，但找不到输出或时间记录。
• U：无法判断，连当时做了什么都说不清。

别花时间翻遍相册、聊天记录和云盘。你是在审计追踪方式，不是在为每个勾寻找无罪证明。五分钟结束时，保留当前分类即可。

用证据等级读懂你的连续打卡

如果七天里大多数记录属于O或T，你的连续打卡具有较强的可解释性。它能告诉你做出了什么，或者为任务投入了多少专注时间。

如果M很多，问题通常出在完成标准太模糊。“学习英语”“准备考试”“练习编程”都很容易凭印象打勾。把它们改成能留下痕迹的动作：

• “学习英语”改为“录一段口语练习”。
• “准备考试”改为“完成一页错题整理”。
• “练习编程”改为“完成一个函数并推送代码”。
• “读专业书”改为“专注阅读一段时间，写下三条笔记”。

U比M更值得留意。它说明追踪器保存了一个完成状态，却没有保存任何能帮助你复盘的信息。这样的记录可以维持漂亮的连续天数，却很难指导下一周该怎么调整。

这也是一次代码推送如何让连续打勾变成可见进步的价值所在：输出让“我学了”变成可以回看的行动。

给不同习惯选择合适的证明

证据不必只有照片，也不该为了证明而增加一堆麻烦。不同任务适合不同记录方式。

写作、绘画、编程和手工练习通常会留下输出。复习、阅读和论文整理更适合记录专注时段。跑步动作、乐器指法或手工姿势可以用短视频获取反馈，但动作反馈与任务完成应分开判断。反馈告诉你如何改进，不能自动证明整项任务已经完成。

有些行动确实不方便留下客观证据，例如主动安慰朋友或在课堂上提问。这时可以诚实自报，并承认它的可信度低于可核对的输出。LifeQuest把这种差异直接放进进度规则：合适的照片证据、服务器计时专注或符合条件的GitHub推送可以获得完整XP；自报完成始终可用，获得一半XP。AI照片审核只判断证据是否看起来合理，并不保证绝对防作弊。

这套设计的重点是让证据强度与奖励相称，而不是强迫每件小事接受审查。

把审计结果变成下一周的规则

数一数O、T、M和U各有多少条，然后只改一件事：挑出出现最频繁的M或U习惯，为它规定一个最轻量的证据。

标准应当小到不会妨碍行动。一次代码推送、一页笔记、一张作品照片，或者一段由服务器计时的专注过程，通常已经足够。别把证明做成新的拖延方式。

斯诺没有因为死亡名单整齐就停止追问。他把地点、病例和取水来源放在一起，才让记录显示出原本看不见的关系。你的连续打卡也是如此：勾选说明你登记过完成，输出和专注时段才说明那一天具体发生了什么。

下次看到一条长连续记录时，先别问“我坚持了多久”。问一句更有用的话：“这里有多少天，留下了我能回看的东西？”