AI长任务决策留痕
在长时间或无人值守的AI任务中,记录关键决策、原因、证据和结果,生成便于人工复核的决策日志。
功能与用途
适合在长时间运行、分阶段推进或无人值守的AI任务中保留可追查的决策记录。结合任务中的关键选择、验证结果和证据位置,持续生成一份表格日志,说明做了什么、为什么这样做、结果如何,并记录转向、回退和阻塞。交付前对照本次对话核查记录,再由另一模型检查证据不足和遗漏的风险。用户回来后可沿日志查看工作经过,按需将记录随项目提交。完整使用需要能够读取任务记录并调用另一模型进行复核。
适用场景
- 离线期间追踪代码迁移:让AI在迁移过程中记录关键选择、测试结果和回退原因,回来后可沿证据检查进展。
- 为大型改动提供审查依据:将决策日志随大型改动提交,让审查者了解方案取舍并定位对应代码与验证产物。
- 接续中断的多阶段任务:接手时查看已有日志,补充本轮起点,追踪此前的阻塞、未定结论和后续处理结果。
- 检查AI汇报是否有据可查:交付前对照对话核查日志,再由另一模型标记缺失证据、跳过验证和高风险选择。
适用人群
- 运行自主编程任务的开发者
- 审查AI交付结果的技术负责人
- 组织多阶段AI工作流的工程师
使用步骤
- 指定要追踪的任务与日志保存位置。
- 在关键决策和检查点追加原因、证据与结果。
- 任务接续时读取末尾记录,标明本轮起点。
- 交付前对照本轮对话核查日志并追加更正。
- 调用另一模型复核,交付日志与注意事项。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Keep a reviewable decision trail for long-running or unattended work: a TSV log with one row per decision (what, why, evidence, result). Local by default; commit it when a reviewer needs the trail to trust the result. Use for /show-me-your-work, autonomous or multi-phase runs, or work a human reviews after stepping away.
使用前准备
- 运行环境能够在工作目录读写日志文件。
- 能够访问本轮任务的对话记录及相关代码、测试或截图证据。
- 完整交付流程需要能够调用另一模型家族的子代理进行复核。