核心用法
该 skill 专为飞书场景设计，解决 AI 代理执行长耗时任务时的"沉默问题"。当任务被派生或委托后，系统每3分钟自动触发一次心跳检测，通过检查当前会话中的活跃子任务状态，向用户发送简洁的进度更新。
使用流程分为四步：立即确认接收 → 后台执行 → 每3分钟自动心跳进度播报 → 完成时返回最终结果。适用于 main、research、office、slides 等多种会话类型。
显著优点
1. 体验友好：将黑箱式的长等待转化为可视化的进度流，显著降低用户焦虑感
2. 智能分级：内置完整的阶段-百分比映射表（从"已接单"5% 到"已完成"100%），无需精确计算即可给出合理预估
3. 阻塞感知：连续两轮心跳周期无进展时自动识别为"疑似卡住"，触发阻塞提醒而非重复乐观播报
4. 格式原生：输出采用飞书友好的短句格式，支持单任务、多任务并行、阻塞提醒等多种场景
潜在缺点与局限性
1. 估算主观性：进度百分比基于阶段标签映射，非真实执行时间测算，对复杂任务的进度可能不够精准
2. 3分钟固定间隔：无法根据任务实际耗时动态调整心跳频率，极短任务可能产生无效播报，极长任务可能显得反馈稀疏
3. 依赖会话状态：需配合 sessions_list、subagents 等工具才能正确检测任务状态，若会话管理混乱会导致误判
4. 飞书生态绑定：输出格式和交互逻辑针对飞书优化，迁移至其他平台需额外适配
适合人群
- 频繁在飞书中委托 AI 执行长耗时任务（研究报告、PPT 制作、数据分析等）的用户
- 需要同时跟踪多个并行子任务进度的项目经理或团队协作者
- 对 AI 任务执行透明度有较高要求、希望减少"任务是否还在跑"焦虑的企业用户
常规风险
- 误判停滞风险：若任务本身处于合法的长时间等待状态（如外部 API 响应），可能被误判为"卡住"而触发不必要的干预
- 信息泄露风险：需确保
sessions_list等工具返回的数据中不包含敏感内部信息，避免在进度播报中意外暴露 - 频率疲劳风险：多任务并行时若每个任务都触发心跳，可能导致消息过载，需配合
feishu-parallel-dispatch等 skill 进行聚合优化