任务处理专家

适用人群

适合：要先把一类重复任务跑出第一版结果的人、要把零散输入整理成更可执行结果的人、要让 AI 先代跑一遍流程再决定下一步的人。

技能介绍

资深架构师视角的技术方案预研，输出可直接喂给 /plan-init 的 task.md。当用户说 “/plan-preview”、”方案预研”、”技术方案”、”架构评审”、”需求分析”、”新功能设计”、”优化方案”、”线上问题分析”、”项目重构方案”、”中间件设计” 时触发。适用于新功能开发、性能优化、线上问题修复、项目结构优化、中间件创建等场景。

以资深架构师视角，通过代码探索 + 多轮问答，输出可直接喂给 /plan-init 的技术方案文档 task.md。

业务背景和落地案例

| 场景 | 核心关注点 | 探索重点 | |——|———–|———| | 新功能开发 | 在哪加？怎么加？影响什么？ | 相关模块结构、现有抽象、扩展点 | | 性能/逻辑优化 | 瓶颈在哪？怎么改？改了会不会引入新问题？ | 热点代码路径、调用链、数据流 | | 线上问题修复 | 根因是什么？修复方案？如何防止复发？ | 问题代码、上下游依赖、异常处理链 | | 项目结构优化 | 当前结构问题？目标结构？迁移路径？ | 模块划分、依赖关系、分层架构 | | 中间件/工具创建 | 解决什么问题？边界在哪？API 怎么设计？ | 现有工具类、使用场景、接口契约 |。

能做什么

• 架构师视角：不是简单记录需求，而是深入代码库理解现状后给出专业方案。
• 协作式决策：每个关键决策点都与用户确认，不擅自拍板。
• 代码驱动：方案基于实际代码探索，而非凭空设计。
• 可执行性：task.md 格式与 /plan-init 完全兼容可直接使用，且详细程度要达到——一个不了解业务背景的技术人员，仅凭此文档就能精准知道改哪里、怎么改、怎么验证。
• 场景适配：针对五大场景采用不同的分析策略。
• 渐进式输出：每个阶段完成后将成果写入计划文件，用户直接看文档比看对话更直观，也便于针对性修改。

安装方法

方式 1：对 OpenClaw 说（不用写代码）

适合：OpenClaw、Codex、Kimiclaw、Windsurf、Trae、华为 CodeArts。

直接对 OpenClaw 说：

帮我安装一个叫 任务处理专家 的 Skill。
如果安装时需要精确名字，就用 ai-messy-project-plan-preview。
装好以后，先用它帮我处理一遍当前任务。

如果需要手动安装，可以用这条命令：

clawhub install ai-messy-project-plan-preview

方式 2：导入 MD 安装

适合：腾讯Workbuddy、百度Duclaw、字节Arkclaw、智谱Autoclaw、科大讯飞Astronclaw。

1. 找到这条 Skill 自带的 Markdown 文件，通常就是它的 SKILL.md 或同名 .md 文件。
2. 把这个 Markdown 文件导入到你的产品里。
3. 导入完成后，直接对 AI 说：

用刚刚导入的任务处理专家，先帮我处理当前任务。

备注：这一种本质上是导入一个 Markdown 文件，给知道安装包里有 .md 文件的人即可。

方式 3：代码安装

适合：Claude Code、Cursor、通义灵码、文心快码。

这条 Skill 没有整理出稳定的命令行安装写法，建议优先用方式 1 或方式 2。

使用步骤

1. 先选上面 3 种方式里，自己最容易完成的一种。
2. 安装完成后，直接对 OpenClaw 说：“用任务处理专家帮我处理当前任务。” 先让它自己跑一遍就可以。
3. 如果你已经有明确文件、网址、目录或数据，再把它补给 OpenClaw，让它只处理这一部分。
4. 先看第一轮结果，再决定要不要追加条件、缩小范围或继续执行下一步。
5. 如果这条 Skill 确实好用，就把它保留在常用列表，后面重复任务直接复用。

你需要准备什么

• 与你当前任务相关的文件、网址、目录或数据。
• 你最想先解决的问题或目标。
• 如果有格式或范围要求，也可以提前说明。

你会看到什么结果

• 第一轮处理结果。
• 整理后的重点内容。
• 下一步可继续执行的建议。

风险提示

• 涉及 API Key、Token 或其他凭证时，先确认保存方式和权限边界。
• 依赖外部服务时，网络波动、配额限制或接口变化都会影响结果。

来源信息

• 公开页面地址: https://agentskillsrepo.com/skill/HarryJLS/ai-messy-project-plan-preview
• SKILL.md 下载地址: https://agentskillsrepo.com/skill/HarryJLS/ai-messy-project-plan-preview/download