核心用法
To-Do Skill 是一套基于操作系统原生调度器的延迟任务执行框架，允许用户在当前会话中安排未来某个精确时间点触发的自动化工作流。
工作流程
1. 任务创建：用户用自然语言描述需求（如“明天下午5点提醒我”），AI 将其转换为绝对时间戳（YYYY-MM-DD HH:mm），并生成完全自包含的指令文本
2. 系统级调度：底层调用 Linux/macOS 的 at 命令或 Windows 的 schtasks，在指定时间触发 Node.js 脚本
3. 未来唤醒：到达时间点时，系统启动独立的新会话，注入预设指令 + 元数据（创建时间、目标时间、user_id、channel、timezone）
4. 指令执行：未来实例的 AI 按预编程指令自主完成操作（查系统、发通知、调其他 Skill 等）
关键设计：对抗"Amnesia"
由于未来会话零记忆当前对话，指令必须包含：
- 绝对文件路径（非相对路径）
- 完整的 URL 或资源标识符
- 明确的操作对象（"backend-api仓库"而非"那个代码"）
- 需调用的具体 Skill/工具
显著优点
| 维度 | 优势 |
|------|------|
| **架构简洁** | 复用 OS 级调度基础设施，无需常驻进程或 cron 服务 |
| **跨平台** | 自动适配 `at`（Unix）与 `schtasks`（Windows） |
| **上下文路由** | 自动注入 user_id/channel/timezone，确保通知回到正确上下文 |
| **确定性执行** | 指令预编译，避免未来 AI 的自由发挥风险 |
潜在局限与风险
1. 指令工程门槛高
用户需与 AI 共同打磨"对未来自己说的完整话"，模糊请求（"提醒我发邮件"）会被拒绝，需明确"哪封邮件、发给谁、检查什么条件"。
2. 单点故障
- 系统时间变更、时区切换、Node 环境变动可能导致调度失效
at队列/schtasks 被清空则任务丢失（无持久化备份机制）
3. 安全边界模糊
- 未来执行时注入的上下文可能包含当前会话的敏感信息（若用户误写入指令）
- 调度器以运行 Agent 的同一用户权限执行任务，若指令包含危险命令（
rm -rf、API 删除操作）将直接执行
4. 无任务幂等性保障
同一时间点多次调度、系统唤醒延迟可能导致重复执行或执行顺序混乱。
适合人群
- DevOps/SRE：定时巡检、部署窗口提醒、证书过期检查
- 项目经理：跨时区异步跟进、PR 审查催促、里程碑预警
- 重度自动化用户：需 AI 在离线时段"自主行动"的场景
常规风险
- 时间计算错误：未正确处理 DST（夏令时）或用户旅行时区变化
- 指令漂移：目标系统状态变化（文件移动、API 变更）导致未来执行失败
- 权限继承：调度任务继承 Agent 进程权限，可能越权访问资源