ai-task-detector

Token-minimal AI task completion detector — 自动检测 AI 任务完成情况，并依据任务内容自动生成简要介绍，随开发进度实时更新，同时把额外 token 消耗压到最低。

A WorkBuddy skill. All diffing and brief-intro generation run locally in pure Python, so the LLM only reads a tiny delta instead of re-reading the whole task history.

• 自动检测任务完成情况：对比上一次任务快照，只输出变化的几行（新任务 / 完成 / 状态变更 / 移除）。
• 按内容自动生成简要介绍：每个完成的任务生成一句简介（标题 + 描述摘要），按任务 id 缓存，未变任务永不重算。
• 实时更新进度：每次检测重写 progress.md 实时简报，可直接交付给用户。
• 最小 token 消耗：默认模板化生成简介，不调用大模型；脚本本地做增量 diff。

方式 A — 解压安装（用户级，跨项目可用）

将本仓库的 ai-task-detector/ 目录（含 SKILL.md、scripts/、references/）放到：

~/.workbuddy/skills/ai-task-detector/

方式 B — 从 zip 安装

使用打包好的 ai-task-detector.zip（见 Releases），解压到 ~/.workbuddy/skills/ 即可。

# 1. 初始化状态目录（每个项目一次）
python scripts/task_detector.py init --state-dir .ai_task_detector

# 2. 在每次 TaskUpdate / 里程碑后，喂入任务快照，实时检测
python scripts/task_detector.py detect --snapshot snap.json --state-dir .ai_task_detector

# 3. 查看面向用户的实时进度报告
python scripts/task_detector.py report --state-dir .ai_task_detector --cat

快照 JSON 格式（snap.json）：

{
  "tasks": [
    {"id": "1", "subject": "搭建登录页",
     "description": "实现表单与校验。结果：登录接口联调通过。",
     "status": "completed"}
  ]
}

status 取值：pending | in_progress | completed | deleted。 完整字段说明见 references/format.md。

1. 增量 diff 只在脚本里算：只输出变化行，LLM 不读全量历史。
2. 简介按任务缓存：生成一次存入 briefs.json，未变任务永不重算。
3. 模板化生成，零模型调用：默认用规则压缩描述成简介，不调大模型。
4. 进度报告写文件：progress.md 由脚本重写，LLM 不必读进上下文。

MIT