核心定位
Proactive Tasks 是一套面向AI Agent的主动式任务管理系统，核心目标是打破"等待指令→执行→等待"的被动循环，让Agent能够在与人类共享目标的框架下自主推进工作。
核心用法
系统采用目标-任务双层结构：顶层为长期目标（Goal），下层为可执行的子任务（Task），支持优先级标注、依赖关系管理和状态流转（pending → in_progress → blocked → needs_input → completed）。关键创新在于心跳集成机制——通过每30分钟触发的Heartbeat，Agent自动查询next-task，在无人工干预的情况下工作10-15分钟，并在关键节点（完成里程碑、遇到阻塞、需要决策）主动向人类发送更新。
运行模式分为Interactive（主会话内，有完整上下文，适合决策类工作）和Autonomous（隔离的agentTurn，适合纯计算/报表类任务），设计上明确避免用systemEvent做后台工作以防止打断主会话。
显著优点
- 真正的异步协作：人类无需持续在场，Agent可持续积累进度
- 状态透明化：JSON存储的任务状态让进度可查询、可审计
- 智能打扰控制：仅在有实质进展或阻塞时才消息人类，避免信息过载
- 工程化设计：依赖管理、优先级排序、防中断架构均体现生产级考量
局限性与风险
- 上下文隔离风险：Autonomous模式下Agent失去主会话上下文，可能做出与整体意图偏离的决策
- 任务粒度管理：过大任务导致进度黑箱，过小任务引发消息 spam，需要人类持续调教
- 心跳可靠性：若cron或HEARTBEAT.md配置不当，整个主动机制将失效退化为被动模式
- 目标漂移：长期运行中Agent可能因局部优化而偏离人类真实意图
适合人群
- 需要与AI协作推进长期项目（如硬件开发、研究课题）的技术用户
- 希望减少"跟进成本"、信任Agent在一定范围内自主决策的进阶用户
- 有明确目标但时间碎片化、无法持续对话的知识工作者
安全评估
数据存储于本地JSON，无外部API调用；风险主要来自自主性本身——错误配置可能导致Agent在错误方向上持续执行。建议配合VFM/ADL框架做功能演进评审。