#任务分解

avatar
宝玉
4小时前
卧槽，我真解决了让 Codex 连续工作 8 小时的问题，上下文都不会爆掉！ 方案就是让 Claude Code 去当监工监督 Codex 干活，大概的步骤如下： 1. 首先要让 Codex 生成一个任务的 TODO List，就是那种能一步步完成的 2. 然后让 Codex 更新 Agents md 文件，加上说明，如果输入 continue，要读取 TODO 文件，去选取任务，执行后更新 TODO 3. 让 Claude Code 去执行命令： > export TERM=xterm && codex exec "continue to next task" --full-auto 也就是 Claude Code 去启动 codex 并传入提示词 "continue to next task" 并且监控 codex 的执行，如果当前任务完成了，就杀掉进程，重新执行上面的指令下一个任务。 由于每次都是新的 session，所以 codex 的上下文每次用的不多，不会爆掉。 那么怎么保证 Claude Code 的 Context 不爆掉呢？毕竟codex输出的信息也不少 答案就是让 Claude Code 每次去启动 codex 和监控 codex 执行的时候，都起一个子 Agent，这样每个子 Agent 都有独立的上下文，主 Agent 只有子Agent完成的上下文，占用空间极小。 完整的提示词和运行效果在图1可以看到： > 帮我在当前目录下，新开一个agent，使用 export TERM=xterm && codex exec "continue to next task" --full-auto 命令开启一个 codex 进程, 注意观察任务执行情况，如果当前任务完成(任务运行时间较长，可以多等一会)，就结束进程，然后重新开个agent运行相同指令让它继续 > 注意每次打开codex和监控它运行都调用一个新agent (Task Tool)来执行这个操作以避免主agent上下文太长 BTW: 监控 codex 执行这任务理论上来说 Gemini cli和 Codex cli 也能做，但是我没成功。
AI编程工具激战：Claude Code、Gemini Cli崛起· 867 条信息
#Codex #Claude Code #上下文管理 #任务分解 #AI 协同
avatar
NanYi
1周前
Claude Code团队工程师提示：不要把子代理拟人化。把它们当作组织提示和省略上下文的工具来使用。 子代理最适合的场景是：它们可以在后台完成大量工作，但只向主对话线程反馈少量信息。 也就是说，Subagents不要用来执行任务，而是用来查找信息，做调研任务，然后输出结论给主线程，指导主线程的下一步行动。
#多智能体之争：Anthropic生态VS单智能体· 45 条信息
#Claude Code团队 #子代理 #拟人化 #信息查找 #任务分解
avatar
Claude Code 使用技巧 4/n 请为我生成一个文档，这份文档必须是一个待办事项的清单。 每一个待办事项，都必须是完整的，可执行，可运行，可提交，相对独立。 这些待办任务的顺序，需要按照依赖和优先级的方式排列。 每一个待办事项，请按照单个任务不超过2小时自然时间来进行切分。 每一个待办事项，都包含一个简要明确的标题，以及可以直接用来复制粘贴到 Claude Code 里的提示词。 每一条提示词，如果可以的话，请遵循下面的要求： - 在开头明确 Claude Code 需要扮演的身份，例如“你是一位资深的设计师，” - 如果可以的话，请提供范例代码 - 明确约束和风险，清晰的告诉 Claude Code 不要做什么 - 输出请按结构化的方式输出 - 为需要ultrathink模式的任务添加ultrathink关键词 注意，上述提示词的要求，只是建议，请只在适用且你能因此更好工作的情况下再进行采用。 并将这份清单保存到"Claude-Context"文件夹中。 ultrathink
AI编程工具激战：Claude Code、Gemini Cli崛起· 867 条信息
#Claude Code #待办事项清单 #任务分解 #提示词优化 #ultrathink模式
avatar
johns
1个月前
说一个暴论，GPT5的道路是对的，而且未来会越来越正确。 谷歌研究人员，openai首席科学家多次在不同场合表示AGI将是一个系统而不是单一模型。 路由的重要性只会越来越大，路由的参数也可能越来越大。现在的功能只是选模型，将来是分解和计划任务，它的重要性可能大于单一模型本身
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 515 条信息
#GPT5 #AGI #系统 #路由 #任务分解
avatar
宝玉
1个月前
现在很多 Context Engineering 谈的是如何构建 AI Agents 用到的技术，对于普通人未必适用，我总结了一点普通人使用 AI 时用得上的 Context Engineering。 Context Engineering 核心是两点： 一、更少的上下文 二、更准确的上下文 一、更少的上下文 这条有点反常识，现在提示词都超长，似乎提示词不长就不好了，但实际上，提示词太长会影响生成结果，产生幻觉，尤其是太多无关的内容在上下文更会如此。 对此两点注意的： 1). 多开新会话而不是同一个会话一直聊 当你会话太长，后续你发的内容，AI 不容易抓住重点，可能会忘记你前面说的，最好是到一定程度，让 AI 帮你总结一下重点，然后新开会话。如果是和当前会话无关的任务，直接新开会话。 2). 一次一个小的任务，而不是太复杂的任务 这有点像人，当你任务太多太复杂，AI 很难完成好，但是你让 AI 一次完成一个小任务，就好很多。 二、更准确的上下文 准确的上下文好理解，就是让 AI 更准确的知道你想要什么，以及它有完成任务所需要的信息 要让 AI 获得更准确的上下文，有两种主要方式，这两种方式互为补充。 一种就是我们提供准确和充足的上下文给 AI，另一种就是让 AI 帮我们找到上下文。 1. 我们提供准确和充足的上下文给 AI AI 并不知道我们知道的信息，所以我们需要主动告诉AI我们知道它不知道的信息，比如说让AI帮我写简历，那我得把我的信息都告诉AI，不然它也写不出来。 使用AI写代码，一个实用的技巧就是把你知道的相关的文件都提供给它参考，让它可以读到文件内容，这样它就不会遗漏重要信息。 2. 让 AI 帮我们找到上下文 现在 AI Agent 都有能力帮我们找上下文，但能力有好优化，对于普通人来说，这几点直观重要： 1). 选擅长 Agent 任务模型 Claude 4 Opus/Sonnet, OpenAI o3 是 Agent 效果最好的，现在国产的很多专门为 Agent 优化过的模型也很强了，比如 Doubao Think 1.6, GLM 4.5, Kimi K2 等等 2). 为 AI 提供合适的工具 Agent 最重要的就是有工具能力，能借助工具去找上下文，但是它只有内置的几个工具，有时候需要你提供额外的工具会更有效，比如现在的 MCP 工具，可以让 AI 访问到一些内部的数据，或者操作浏览器等等。 编程的时候，我自己有个常用的技巧：就是让 AI 写测试代码，并告诉AI如何测试单个文件，这样 AI 就可以自己去验证自己写的结果，实现完功能写测试，写完测试运行，运行出错去修复，直到完成，这样不需要太多干预就可以得到不错的结果，当然还是要人工审查一下，有时候 AI 为了通过测试会无所不用其极…… 3). 让 AI 先做计划，避免在错误的方向越走越远 对于复杂一点的任务，如果AI方向错了，就会在错误的方向越走越远，白白浪费tokens，现在像 Claude Code 这样的AI Agent都会有Plan mode，就是先做计划，做完计划仔细看一下计划内容，如果方向不对，就需要让它改正，或者直接重开新会话，调整提示词，让 AI 搞清楚正确的方向是什么，方向对了再去执行。 上面就是我整理的一点经验技巧，希望对你有用，也欢迎交流分享。
#AI #Context Engineering #提示词优化 #AI Agent #任务分解