AI Long Task 长任务¶
1. 一句话理解¶
AI 长任务是：把一个需要较长时间、多步骤、可自主推进的目标交给 AI Agent，让它规划、执行、验证并输出结果。
和普通问答的区别：
| 类型 | 特点 | 示例 |
|---|---|---|
| 短任务 | 单次问答，立即完成 | 解释概念、改一个函数 |
| 长任务 | 多步骤执行，有明确交付物 | 分析项目、生成报告、整理文档 |
核心不是“让 AI 多聊几轮”，而是让 AI 围绕一个目标持续推进，最后产出可检查、可复用的结果。
2. 什么时候适合用长任务¶
适合：
- 需要阅读大量文件、文档、日志或提交记录。
- 需要分阶段完成：分析、归类、实现、验证、总结。
- 结果可以明确验收，例如报告、测试方案、重构建议、学习笔记。
- 不需要实时人工决策，AI 可以先按规则推进。
不适合：
- 需求还很模糊，连目标和范围都没有确定。
- 涉及生产发布、数据迁移、账号权限、付费操作等高风险动作。
- 必须实时人工判断每一步。
- 只是一问一答的小问题。
3. 程序员常用长任务¶
3.1 项目代码质量分析¶
目标：
分析当前项目代码质量，找出重复代码、潜在 Bug、安全风险和性能问题，按严重程度排序，并生成 Markdown 报告。
常见输出：
- 问题列表
- 风险等级
- 涉及文件
- 修改建议
- 验证方式
3.2 测试补全¶
目标：
分析核心业务代码，找出缺少测试的模块，为关键逻辑生成测试方案。
适合输出：
- 哪些模块缺测试
- 应覆盖哪些核心路径
- 哪些边界场景容易漏
- 推荐新增哪些测试文件
3.3 技术债务扫描¶
目标：
扫描项目中影响长期维护的问题，按影响范围和优先级排序。
关注点：
- 重复逻辑
- 过大的类或函数
- 过时依赖
- 缺少注释或文档
- 模块边界混乱
3.4 性能优化分析¶
目标：
分析项目中的性能瓶颈，重点关注接口响应、数据库查询、缓存策略和耗时任务。
适合输出：
- 可疑慢点
- 证据来源
- 优化方向
- 风险和验证方式
3.5 技术学习总结¶
目标：
阅读某技术官方文档或课程资料，整理核心概念、使用方式、注意事项和实践示例。
适合输出：
- 学习笔记
- 概念索引
- 示例代码
- 常见误区
- 后续学习路线
4. 下班前执行流程¶
每天只安排一个有长期价值的任务，避免目标过散。
- 选任务
从当前项目问题、技术提升方向、重复性工作、文档整理中选一个。
- 定范围
明确要分析哪些目录、文件、文档或资料；同时说明不要碰哪些内容。
- 写交付物
明确最终要输出什么：Markdown 报告、修改后的文件、测试方案、学习笔记或任务清单。
- 设约束
说明权限边界、是否允许改代码、是否允许联网、是否需要先确认。
- 第二天验收
检查结果是否可用、证据是否充分、建议是否能落地，再决定是否继续让 AI 修改。
5. 通用 Prompt 模板¶
你是一名高级软件工程师。
目标：
请完成【具体目标】。
范围：
- 需要分析：【目录 / 文件 / 文档 / 链接】
- 不要处理：【排除范围】
要求：
1. 先自行梳理任务计划。
2. 分步骤执行，不要只给泛泛建议。
3. 发现问题时说明证据、影响和建议。
4. 最终输出【Markdown 报告 / 修改文件 / 测试方案 / 学习笔记】。
5. 如果遇到高风险操作、权限问题或信息不足，先停止并说明原因。
验收标准：
- 输出结构清晰。
- 结论有依据。
- 建议能执行。
- 说明已验证和未验证内容。
6. 结果验收清单¶
检查 AI 长任务结果时，重点看这些点：
- 是否完成了原始目标。
- 是否覆盖了指定范围。
- 是否有明确交付物。
- 结论是否有文件、日志、代码或文档依据。
- 建议是否能直接执行。
- 是否说明验证方式和未验证风险。
- 是否越权修改了不相关内容。
7. 每日任务参考¶
| 优先级 | 任务 |
|---|---|
| 高 | 项目代码质量分析 |
| 高 | 测试缺口分析 |
| 高 | 技术债务扫描 |
| 中 | 性能优化分析 |
| 中 | 重构建议整理 |
| 中 | 技术文档整理 |
| 中 | 学习资料总结 |
| 低 | 日报、周报草稿 |
8. 核心原则¶
- 目标要明确：不要只说“帮我看看”。
- 范围要清楚：指定目录、文件和排除项。
- 交付物要具体：报告、代码、测试、清单必须说清楚。
- 让 AI 自主推进：不要把长任务拆成大量人工提醒。
- 高风险操作先确认：发布、删除、迁移、付费、账号权限不能自动执行。
- 第二天要验收：长任务的价值来自“可用结果”，不是来自 AI 执行了很久。
最终目标：
每天下班前给 AI 安排一个有长期价值的任务，让它在空闲时间完成分析或整理，第二天获得可复用的成果。