核心用法
Autonomous Tasks 是一种「自驱动AI工作流」技能，模拟一名持续运转的智能助手。用户只需在 ./autonomous-tasks/AUTONOMOUS.md 中设定长期目标与里程碑，该技能每次被唤醒时自动执行一轮任务：读取目标 → 从待办生成可执行任务 → 逐个执行 → 归档结果 → 停止等待下一次唤醒。任务输出全部落在当前工作目录，技能目录仅存放元数据，确保升级安全。
首次使用会自动初始化目录结构，并推荐配置定时唤醒（如每小时一次）。支持任务中断恢复：未完成的任务保存在 memory/tasks.md，下次继续执行。
显著优点
- 零配置持续运转：设定目标后无需人工干预，按节奏自动推进
- 状态持久化：任务、日志、待办分离存储，中断可无缝恢复
- 目标驱动架构：里程碑→待办→任务三层分解，复杂项目可拆解执行
- 安全隔离设计：用户数据与技能代码完全分离，更新技能不丢数据
- MVP导向：强制单轮执行、禁止过度工程，避免AI陷入无限优化
潜在缺点与局限性
- 无重试机制：任务失败标记为
[!]后直接跳过，需人工介入修复 - 无并行执行：任务串行处理，大批量任务效率受限
- 无内置反思：禁止在 AUTONOMOUS.md 中写日志或复盘，长期优化依赖外部复盘
- 目标耗尽即停：若无新目标，技能完全停止，不会主动建议方向（除首次提示）
- 目录依赖严格：必须保持
./autonomous-tasks/结构，误删会导致状态丢失
适合人群
- 需要「后台持续推进」的长期项目开发者（如开源工具迭代、内容系列创作）
- 希望减少「启动摩擦」的独立工作者，用定时唤醒替代手动触发
- 习惯目标-里程碑-任务三层规划的敏捷实践者
常规风险
- 无限循环风险：虽强制单轮停止，但若外部定时器配置过密（如每分钟），可能产生高频开销
- 任务失败堆积：失败任务不自动重试，长期积累可能导致里程碑停滞
- 输出目录污染：所有任务输出落在当前目录，多目标并行时建议手动隔离子目录
- 敏感数据泄露：AUTONOMOUS.md 可能包含商业目标，需确保
.gitignore正确配置