Task [N]: [Short descriptive title]
2026-09-05 18:40:48作者:魏献源Searcher
Task [N]: [Short descriptive title]
Description: One paragraph explaining what this task accomplishes.
Acceptance criteria:
- [ ] [Specific, testable condition]
- [ ] [Specific, testable condition]
Verification:
- [ ] Tests pass: [the repository's focused-test command]
- [ ] Build succeeds: [the repository's build command]
- [ ] Manual check: [description of what to verify]
Dependencies: [Task numbers this depends on, or "None"]
Files likely touched:
src/path/to/file.tstests/path/to/test.ts
Estimated scope: [Small: 1-2 files | Medium: 3-5 files | Large: 5+ files]
六个字段各有用意:验收标准回答"做对了什么",验证步骤回答"怎么证明",依赖声明让排序可推导,"Files likely touched"帮助控制改动半径,范围估计则强制任务保持在可执行粒度。
### 第 5 步:排序并插入检查点
任务排列需同时满足四条:依赖先满足(先建地基);**每个任务结束后系统都处于可工作状态**;每 2~3 个任务后出现验证检查点;高风险任务前置(快速失败)。技能给出的检查点写法:
```markdown
## Checkpoint: After Tasks 1-3
- [ ] All tests pass
- [ ] Application builds without errors
- [ ] Core user flow works end-to-end
- [ ] Review with human before proceeding
检查点的最后一项与 /plan 命令的第六步"Present the plan for human review"呼应:人机协作的边界被显式写进了任务清单本身。
任务粒度:XS/S/M/L/XL 分级与拆分判据
SKILL.md 用一张表定义任务粒度,并给出明确结论:Agent 在 S 和 M 级任务上表现最好,L 及以上必须继续拆分。
| 尺寸 | 文件数 | 范围 | 示例 |
|---|---|---|---|
| XS | 1 | 单个函数或配置变更 | 添加一条校验规则 |
| S | 1-2 | 一个组件或端点 | 添加一个新 API 端点 |
| M | 3-5 | 一个功能切片 | 用户注册流程 |
| L | 5-8 | 多组件功能 | 带过滤和分页的搜索 |
| XL | 8+ | 太大——必须继续拆 | — |
四个"该继续拆分"的判据,任何一个命中就拆:
- 预计超过一个专注会话(约 2 小时以上的 Agent 工作量);
- 验收标准无法用 3 条以内的要点写完;
- 涉及两个及以上相互独立的子系统(如认证与计费);
- 任务标题里出现了 "and"(and 是"这是两个任务"的信号)。
产物与防覆盖机制:tasks/plan.md 与 tasks/todo.md
这是 /plan 命令最具工程约束力的部分,技能中称为 Output Files:
- 计划文档:始终保存为
tasks/plan.md,且始终是 markdown——因为设计决策、风险、开放问题无法映射到单个跟踪条目上。 - 任务清单:记录到"任务清单目标"(Task List Target)。
任务清单目标有两种取值:
- 默认:checklist 风格的 markdown 文件
tasks/todo.md。这是/build命令与其他下游工具约定的格式,除非项目另有指定,否则一律用它。 - 外部跟踪器:如果项目的 Agent 规则文件(
CLAUDE.md、AGENTS.md等)或用户指定了 issue 跟踪系统(如 GitHub Issues、Jira、Linear、bd/beads),则每个任务建一个跟踪条目,把第 4 步模板映射到跟踪器字段(验收标准与验证步骤放正文,依赖用跟踪器的链接机制如bd dep add、"blocked by" 表达),检查点同样记录为条目或计划文档中的清单。使用外部跟踪器时,必须在tasks/plan.md中注明位置(如 "Tasks tracked in Linear project FOO"),并把计划文档的 Task List 一节保留为条目 ID 的有序索引而非重复清单。
防覆盖规则分三种情形:
- 若
tasks/plan.md/tasks/todo.md已存在且含未勾选任务,且是同一份工作的重规划 → 原地更新现有文件; - 若是不同工作 → 停下来问。未勾选任务可能正在另一会话中构建,不得自行删除、覆盖或重命名;把冲突摆出来,由用户决定(先完成旧计划、明确废弃它,或指定新计划放哪里);
- 同样的规则适用于外部跟踪器:绝不能为了腾位置而批量关闭/删除另一份计划的开放条目。
tasks/ 目录不存在时创建即可。这套规则与 /plan 命令正文最后一句("stop and ask before writing — never silently overwrite an incomplete plan")完全一致。
计划文档模板
SKILL.md 给出 tasks/plan.md 的标准骨架,包含概览、架构决策、分阶段任务列表(每阶段后跟检查点)、风险缓解表和开放问题:
# Implementation Plan: [Feature/Project Name]
## Overview
[One paragraph summary of what we're building]
## Architecture Decisions
- [Key decision 1 and rationale]
- [Key decision 2 and rationale]
## Task List
### Phase 1: Foundation
- [ ] Task 1: ...
- [ ] Task 2: ...
### Checkpoint: Foundation
- [ ] Tests pass, builds clean
### Phase 2: Core Features
- [ ] Task 3: ...
- [ ] Task 4: ...
### Checkpoint: Core Features
- [ ] End-to-end flow works
### Phase 3: Polish
- [ ] Task 5: ...
- [ ] Task 6: ...
### Checkpoint: Complete
- [ ] All acceptance criteria met
- [ ] Ready for review
## Risks and Mitigations
| Risk | Impact | Mitigation |
|------|--------|------------|
| [Risk] | [High/Med/Low] | [Strategy] |
## Open Questions
- [Question needing human input]
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0623
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
项目优选
收起
deepin linux kernel
C
33
18
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
528
588
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
906
1.83 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
暂无描述
Markdown
891
5.78 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.53 K
1.01 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.34 K
1.45 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
987
506
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384