核心用法
daily-agent 是一个元级（meta）任务执行技能，由 skill-router 调用，专门处理需要 ≥10 次工具调用或复杂调度的长链任务。其核心流程包含：任务分类 → 复杂度评估 → 执行路由 → 技能匹配 → 委派执行 → 收尾检查。
关键特性：
- 多模式触发：内置 caveman（压缩沟通）、zoom-out（全局理解）、grill-me（方案审视）、ToT（多路径探索）、converse（讨论模式）五种交互模式
- 双模式任务处理：确定性任务（路径清晰）与探索性任务（Fog of War 逐步探索）
- Hat 系统编排：Research → Plan → Code → Review → Debug 五阶段角色切换，避免边写边审的混乱
- 智能路由决策：根据工具调用预算（soft_limit=20, hard_limit=40）自动选择主会话执行或 spawn 子代理
显著优点
1. 工业级任务编排：借鉴 ralph-orchestrator、Claude-Mem、Superpowers 等成熟机制，形成完整的任务生命周期管理
2. 精细化复杂度控制：通过工具权重计算（browser=8, exec=5, read=1 等）实现客观的任务分级
3. Design Gate 机制：编码前强制设计确认，防止"边想边做"的架构债务
4. 完善的收尾体系：浏览器关闭、git 提交、记忆更新、技能审计、Rubber Duck 自动审查等 10+ 项检查
5. Agent Brief 持久性原则：任务描述只描述行为而非文件路径，确保代码重构后规格仍然有效
6. 并行执行优先：2 个以上独立调用强制并行，避免低效串行
潜在缺点与局限性
1. 学习曲线陡峭：涉及 50+ 个步骤编号（Step 0-6）、多种模式切换和复杂的 Hat 系统，新用户难以快速掌握
2. Token 消耗较高：场景导航、前置钩子检查、复杂度评估等预处理步骤本身就需要大量 token
3. 过度设计风险：对于简单任务，完整的 10 步流程可能造成"大炮打蚊子"的效率损失
4. Windows 路径硬编码：多处使用 D:\Users\yindb2\... 的绝对路径，跨平台移植困难
5. 版本碎片化严重：v2.4.0-v2.18.1 累计 30+ 个版本迭代，部分旧版本特性文档未清理
6. spawn 子代理黑盒化：后台执行后用户感知度低，失败时定位问题困难
适合的目标群体
- AI Agent 开发者：需要构建复杂多步骤工作流的工程师团队
- 企业自动化场景：涉及跨系统、跨工具的长链路业务流程（如：数据抓取→清洗→分析→报告生成→邮件发送）
- 代码密集型项目：需要遵循 Research-Plan-Code-Review 严格工程纪律的软件开发团队
- 研究型任务：路径未知、需要逐步探索的开放性研究课题
- 多技能协同场景：单次任务需要调用编码、文档、搜索、通信等多个领域技能的复杂需求
常规风险
1. 子代理超时风险：runTimeoutSeconds 设置不当（30s-360s 五档）可能导致任务被 kill，未完成工作需重新提交
2. 记忆膨胀风险：自动记录到 .learnings/、memory/、ontology/ 等多处，长期运行可能产生大量碎片化记忆文件
3. 并发资源冲突：browser/exec/write 等副作用操作不可并行，但未强制互斥检查，存在竞态条件隐患
4. 模式误触发风险：Converse 模式的三层意图检测可能误判，导致执行任务被阻塞或讨论任务被误执行
5. Design Gate 绕过隐患：用户说"直接写"即可绕过设计确认，可能引入架构债务
6. 技能匹配关键词冲突：如"HTML"同时匹配 html-report-generator、frontend-design、web-artifacts-builder，优先级竞争规则不明确
7. 版本兼容性问题：v2.x 各子版本间存在行为差异，旧版规划文件可能与新逻辑不兼容