核心用法
Autonomous Tasks 是一个自我驱动的 AI 工作流系统，设计用于处理需要多轮迭代的长周期目标。其工作模式遵循「读取目标 → 生成任务 → 执行 → 记录 → 停止」的循环：每次被唤醒时，系统从 <workspace>/autonomous-tasks/ 目录读取 AUTONOMOUS.md（长期目标与待办）、memory/backlog.md（积压创意）和 memory/tasks.md（未完成任务），然后执行一轮任务并立即停止，等待下次唤醒。首次使用需用户指定工作路径和目标，系统会自动初始化目录结构，并建议设置每小时唤醒的定时任务。
显著优点
- 目标驱动架构：所有任务围绕
AUTONOMOUS.md中的里程碑展开，确保执行不偏离主线 - 可恢复执行：通过
tasks.md的状态标记（[ ]/[~]/[x]/[!]），中断后可无缝续跑 - MVP 导向：鼓励快速交付，避免过度工程化
- 清晰的数据隔离：用户数据与技能代码完全分离，更新技能不会丢失进度
- 自动归档机制：任务日志自动截断（保留最近30条），防止文件膨胀
潜在缺点与局限性
- 无自动重试：失败任务标记为
[!]后不再尝试，需人工介入 - 单轮执行限制：每次唤醒仅执行一轮，高频任务场景下效率受限
- 目标依赖性强：若用户未及时设置新目标，系统将完全停滞
- 无内置通知：任务完成或失败无主动提醒机制，需用户主动检查日志
- 中文支持有限：关键词包含中文，但模板和日志仍以英文为主
适合人群
- 需要数小时至数天完成的长期项目（如文档整理、代码重构、数据分析）
- 希望 AI 自主推进、减少实时交互的开发者或研究者
- 习惯异步工作流、能接受延迟反馈的用户
- 需要可审计执行轨迹的合规场景
常规风险
- 路径配置错误：若
<workspace>指向错误位置，可能导致文件散乱或数据丢失 - 目标漂移：用户修改
AUTONOMOUS.md中的里程碑后，需手动同步清理旧任务 - 存储溢出：虽然日志有截断机制，但任务输出文件无大小限制，需定期清理
- 并发冲突：若同时唤醒多个实例，可能产生文件写入冲突（无锁机制）
安全认证
⚠️ 本技能的安全认证报告为系统自动生成的占位符，未执行实际安全扫描。生产环境使用前建议进行代码审计，特别关注文件系统操作权限和路径注入风险。