任务调度管家

技能简介

TaskMaster 是一套面向复杂项目的 AI 任务管理与分派系统，通过智能分析任务复杂度，自动匹配成本最优的 AI 模型（Haiku/Sonnet/Opus），并生成独立子代理实现并行处理，同时提供实时成本监控与进度追踪。

业务背景

复杂项目常因任务庞杂、资源错配导致延期超支。本方案通过AI自动拆解项目为可执行子任务，并依据复杂度智能匹配最经济的模型组合，实现多线并行处理。团队可实时掌握预算消耗与执行进度，在保障交付质量的同时显著降低AI调用成本，让大型项目管理从经验驱动转向数据驱动。

落地案例：某咨询公司承接行业研究报告项目，需在一周内完成数据收集、竞品分析、趋势预测等模块。项目经理输入项目描述与预算上限后，系统自动拆分为12个子任务：简单信息检索分配至轻量模型，深度分析启用高性能模型，生成4个隔离子代理并行作业。执行过程中，负责人通过Token消耗报告发现某环节预算占用过高，及时调整策略，最终按时交付且未超支。

能做什么

• 将大型项目拆解为可管理的子任务
• 根据复杂度自动选择最经济的 AI 模型
• 生成隔离子代理并行执行任务
• 实时追踪 Token 消耗与项目预算
• 汇总多代理结果为统一交付物
• 失败任务自动重试与升级机制

使用说明

安装指令：该技能需配合支持多代理调用的 AI 平台使用，具体安装步骤请参考原始仓库文档。

基础用法：

TaskMaster: Research PDF processing libraries
- Budget: $2.00
- Priority: medium
- Deadline: 2 hours

复杂项目拆解：

TaskMaster: Build recipe app MVP
- Components: UI mockup, backend API, data schema, deployment
- Budget: $15.00
- Timeline: 1 week
- Auto-assign models based on complexity

强制指定模型：[FORCE: Opus]

并行执行标记：[PARALLEL: true]

输入与输出

见下方输入与输出表格。

风险提示

• 预算设置不当可能导致意外高额费用
• 子代理隔离失败可能引发信息交叉污染
• 自动模型选型可能与实际需求存在偏差
• 并行任务过多可能触发平台速率限制

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/jlwrow/taskmaster/SKILL.md
来源类型：GitHub 开源项目