# 🎯 Taskr 實際上是如何運作的？

## 3.5 動態指引 (Dynamic Guidance) - 讓您的 AI 保持在正軌上

### 它解決了什麼問題

您有沒有注意到，AI 在冗長的對話中有時會發生「情境漂移 (drifts)」？它一開始可能很有條理，但逐漸會忘記規則或最佳實踐。動態指引就是為了解決這個問題！

### 它是如何運作的

每次您的 AI 使用 Taskr 工具時，回傳的 response 會包含三個部分：

```json
{
  "data": {
    // 實際的結果（任務已建立、筆記已儲存等）
  },
  "rules": [
    // 「此時此刻」相關的 Markdown 規則
    "- 一次只處理一個任務",
    "- 在進行下一個任務前，先將目前任務標記為完成",
    "- 為重要的發現建立筆記"
  ],
  "actions": [
    // 建議的下一步行動
    "呼叫 get_task 繼續工作",
    "如果你完成了重大進展，請建立一個 PROGRESS 筆記"
  ]
}
```

### 具備情境感知的動態適應

指引會根據您的 AI 正在做的事情而改變：

  - **開始工作時？** → 提供關於選擇任務的規則
  - **建立筆記時？** → 提供關於筆記類型與品質的規則
  - **產生任務時？** → 提供關於組織與架構的規則
  - **更新狀態時？** → 提供關於完成標準的規則

### 真實範例

**當呼叫 `get_task` 時：**

  - 指引會包含 "process-task-list" 規則
  - 提醒 AI 按順序工作
  - 建議為新發現建立筆記

**當呼叫 `create_note` 時：**

  - 指引會包含筆記類型的定義
  - 提醒有關任務的附加關聯
  - 建議針對特定內容使用特定的筆記類型

### 智慧行動 (Smart Actions)

除了規則之外，Taskr 還會在回傳中發送 **actions (行動建議)** —— 這些是根據您的 AI 剛剛做了什麼而量身打造的實用下一步：

  - **工作流程行動 (Workflow actions)** —— 逐步的指引，例如「步驟 1 已完成，現在請深入相關的任務清單」
  - **提示行動 (Hint actions)** —— 建議呼叫的工具，例如「使用 `get_task_hierarchy` 來驗證變更」或「為這個里程碑建立一個 PROGRESS 筆記」

這些行動建議會根據情境動態改變。完成一個任務後，提示會建議取得下一個任務。建立任務後，會建議驗證階層架構。這就像是一個會在每次轉彎後重新計算路線的 GPS 導航。

### 為什麼這很重要

如果沒有動態指引：

  - AI 在 50 多次訊息對話後會忘記專案的約定慣例
  - 開始建立錯誤的筆記類型
  - 可能會同時處理多個任務
  - 失去對工作流程要求的掌握

有了動態指引：

  - 每一次的回傳都在強化最佳實踐
  - 即使處理數百個任務，AI 也能保持一致性
  - 自動維持專案的標準
  - 即便是超長的工作階段也不會發生「情境漂移」

-----

## 總結 - 把所有東西拼湊在一起

以下是這些元件如何作為一個系統協同運作：

1.  **專案 (Projects)** 隔離了不同的開發目標（您的食譜 App vs. 健身追蹤器）
2.  **任務清單 (Task Lists)** 將功能組織成集中的工作流
3.  **任務 (Tasks)** 將工作拆解成具備階層、可追蹤的小區塊
4.  **筆記 (Notes)** 在工作進行時捕捉知識與決策
5.  **動態指引 (Dynamic Guidance)** 確保您的 AI 遵循最佳實踐

最棒的地方在於，您的 AI 會透過 MCP 協定自動處理這一切。您只需說「幫我建構一個食譜 App」，然後看著魔法發生！

每個組件背後都有堅實的 PostgreSQL 資料庫設計、TypeScript 服務以及 React UI 組件在支撐 —— 但您永遠不需要去擔心這些。它就是能完美運作！ 🚀

-----

## 下一步

現在您已經了解 Taskr 是如何運作的了：

1.  **[開始建構](/docs/zh-TW/getting-started/1-1.md)** - 將這些知識付諸實踐吧！