# 🎯 Taskr 实际上是如何运行的？

## 3.5 动态指引 (Dynamic Guidance) - 让你的 AI 保持在正轨上

### 它解决了什么问题

你有没有注意到，AI 在冗长的对话中有时会发生“上下文漂移 (drifts)”？它一开始可能很有条理，但逐渐会忘记规则或最佳实践。动态指引就是为了解决这个问题！

### 它是如何运行的

每次你的 AI 使用 Taskr 工具时，返回的 response 会包含三个部分：

```json
{
  "data": {
    // 实际的结果（任务已创建、笔记已保存等）
  },
  "rules": [
    // “此时此刻”相关的 Markdown 规则
    "- 一次只处理一个任务",
    "- 在进行下一个任务前，先将目前任务标记为完成",
    "- 为重要的发现创建笔记"
  ],
  "actions": [
    // 建议的下一步行动
    "调用 get_task 继续工作",
    "如果你完成了重大进展，请创建一个 PROGRESS 笔记"
  ]
}
```

### 具备上下文感知的动态适应

指引会根据你的 AI 正在做的事情而改变：

  - **开始工作时？** → 提供关于选择任务的规则
  - **创建笔记时？** → 提供关于笔记类型与质量的规则
  - **生成任务时？** → 提供关于组织与架构的规则
  - **更新状态时？** → 提供关于完成标准的规则

### 真实示例

**当调用 `get_task` 时：**

  - 指引会包含 "process-task-list" 规则
  - 提醒 AI 按顺序工作
  - 建议为新发现创建笔记

**当调用 `create_note` 时：**

  - 指引会包含笔记类型的定义
  - 提醒有关任务的附加关联
  - 建议针对特定内容使用特定的笔记类型

### 智能行动 (Smart Actions)

除了规则之外，Taskr 还会在返回中发送 **actions (行动建议)** —— 这些是根据你的 AI 刚刚做了什么而量身打造的实用下一步：

  - **工作流行动 (Workflow actions)** —— 分步的指引，例如“步骤 1 已完成，现在请深入相关的任务列表”
  - **提示行动 (Hint actions)** —— 建议调用的工具，例如“使用 `get_task_hierarchy` 来验证更改”或“为这个里程碑创建一个 PROGRESS 笔记”

这些行动建议会根据上下文动态改变。完成一个任务后，提示会建议获取下一个任务。创建任务后，会建议验证层级架构。这就像是一个会在每次转弯后重新计算路线的 GPS 导航。

### 为什么这很重要

如果没有动态指引：

  - AI 在 50 多次消息对话后会忘记项目的约定惯例
  - 开始创建错误的笔记类型
  - 可能会同时处理多个任务
  - 失去对工作流要求的掌控

有了动态指引：

  - 每一次的返回都在强化最佳实践
  - 即使处理数百个任务，AI 也能保持一致性
  - 自动维持项目的标准
  - 即便是超长的工作会话也不会发生“上下文漂移”

-----

## 总结 - 把所有东西拼凑在一起

以下是这些组件如何作为一个系统协同运行：

1.  **项目 (Projects)** 隔离了不同的开发目标（你的食谱 App vs. 健身追踪器）
2.  **任务列表 (Task Lists)** 将功能组织成集中的工作流
3.  **任务 (Tasks)** 将工作拆解成具备层级、可追踪的小区块
4.  **笔记 (Notes)** 在工作进行时捕捉知识与决策
5.  **动态指引 (Dynamic Guidance)** 确保你的 AI 遵循最佳实践

最棒的地方在于，你的 AI 会通过 MCP 协议自动处理这一切。你只需说“帮我构建一个食谱 App”，然后看着魔法发生！

每个组件背后都有坚实的 PostgreSQL 数据库设计、TypeScript 服务以及 React UI 组件在支撑 —— 但你永远不需要去担心这些。它就是能完美运行！ 🚀

-----

## 下一步

现在你已经了解 Taskr 是如何运行的了：

1.  **[开始构建](/docs/zh-CN/getting-started/1-1.md)** - 将这些知识付诸实践吧！