古法编程

用任务情报协议（Task Intelligence）避免 AI 盲目执行

解决 AI 直接上手导致的代码返工问题：在执行复杂任务前，强制 AI 启动多 Agent 并行分析，生成包含时间预估、风险地图和回滚方案的执行简报（Briefing）。

为什么需要这个技能

在处理复杂编程任务时，AI 经常倾向于“直接写代码”，这种盲目执行往往会导致：

  1. 忽略潜在冲突：写到一半发现与现有 Skill 冲突或 API 鉴权失效。
  2. 时间成本不可控：用户不知道任务需要 5 分钟还是 50 分钟。
  3. 缺乏回滚方案：在进行破坏性修改（如删除、重构）时，一旦出错无法快速还原。

task-intelligence 将执行逻辑从“接收 → 执行”改为“接收 → 情报分析 → 执行”。花费 30-60 秒的预分析，可以节省数小时的重构时间。

适用场景

  • 复杂功能开发：如创建新 Skill、集成第三方 API 或进行系统架构重构。
  • 高风险操作：涉及数据库迁移、基础设施修改或删除操作。
  • 团队协作交付：需要向用户提供清晰的时间表和执行步骤确认时。
  • 多工具协同：需要同时调用多个专业 Agent（如安全 Agent、质量 Agent）进行评审。

核心工作流

该协议将执行过程分为六个阶段：

  1. 任务分级：将任务分为“简单、中等、复杂、关键”四级。简单任务直接执行，复杂/关键任务必须执行完整协议。
  2. 并行扫描与匹配：
    ## 更新注册表并匹配相关 Agent
python agent-orchestrator/scripts/scan_registry.py
python agent-orchestrator/scripts/match_skills.py "<用户任务>"
  3. 专家 Agent 问询：针对性咨询相关 Agent（如安全 Agent 007 检查攻击向量，skill-sentinel 检查冗余）。
  4. 真实时间预估：构建包含各步骤耗时及 20-30% 缓冲时间的 Breakdown 表格。
  5. 风险地图绘制：将问题分为三层：大概率发生（必须在开始前解决）、可能发生（执行中监控）、极低概率但致命（准备回滚方案）。
  6. 输出执行简报：生成包含上下文洞察、执行步骤、校验点和回滚计划的最终 Briefing。

下载和安装

下载 task-intelligence 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐