To-Do：AI 定时任务调度技能评估
核心用法
To-Do 是一款基于操作系统原生调度器的跨平台延时任务管理技能，通过调用 Linux/macOS 的 at 或 Windows 的 schtasks，在指定精确时间点唤醒 AI Agent 执行预设工作流。用户以自然语言描述未来任务，系统将其转换为绝对时间戳（YYYY-MM-DD HH:mm），并生成包含完整执行指令、用户身份、路由通道的 self-contained payload。
关键流程：`now` 获取用户时区当前时间 → 解析相对时间为绝对时间 → 校验指令完整性 → 调用 `schedule` 注册任务 → 未来时刻 Agent 唤醒执行。
显著优点
1. 时区精确对齐：通过 OPENCLAW_TZ 强制隔离服务器 UTC 与用户本地时间，避免 "3 PM" 歧义
2. 零上下文丢失：指令需包含完整路径、全名、URL、技能工具，确保未来 Agent "零记忆唤醒" 仍可执行
3. 系统级可靠性：依托 atd/schtasks 守护进程，比应用层定时器更稳定，支持关机后恢复
4. 多平台覆盖：统一抽象层屏蔽 Linux/macOS/Windows 差异
5. 防呆设计：内置 vague_triggers 强制校验，模糊请求必须澄清后才可调度
潜在局限
- 环境依赖严格：
OPENCLAW_BIN+OPENCLAW_TZ缺一不可，配置成本较高 - 单点执行：无内建重试机制，若唤醒时 Agent 故障则任务丢失
- 指令撰写门槛高：用户需配合 AI 产出 "写给陌生人的完整指令"，对复杂场景不够友好
- 无周期性任务：仅支持 one-off 延时任务，不支持 cron 式循环
适合人群
- 需要 精准时区提醒 的跨国团队 / 远程工作者
- 追求 系统级可靠性 的系统管理员、DevOps 工程师
- 需要 延迟检查系统状态 并触发后续动作的自动化场景（如部署后验证）
常规风险
| 风险场景 | 缓解机制 |
|---------|---------|
| 服务器时间 vs 用户时间混淆 | 强制 `now` 前置校验 |
| 指令模糊导致未来 Agent 无所适从 | `vague_triggers` 拦截 + 必须澄清 |
| 误删他人任务 | `list` 前置确认 ID |
| `atd`/`schtasks` 未运行 | 文档明确故障排查指引 |