4.2 日常任务：从想法到交付

"搭好了工作区，然后呢？"然后就是做任务。一个典型的日常任务是怎么运转的。

场景：你要给项目加一个搜索功能。

第一步：raw。 你把需求描述放到 Artifact 里："用户需要一个搜索框，可以搜索文章标题和内容。" 也可能你放的是一段对话记录、一个 Issue 链接、一封邮件。不管是什么，先记录下来，不加工。

第二步：requirements。 你（或者 AI）把需求细化为完成标准： - 搜索框在页面顶部 - 输入关键词后，实时显示搜索结果 - 搜索范围包括文章标题和正文 - 搜索结果按相关度排序 - 搜索响应时间不超过 500ms

这些标准是后续 Review 的检查依据。

第三步：design。 方案设计。用前端搜索还是后端搜索？用全文索引还是 LIKE 查询？搜索引擎选 Elasticsearch 还是 Meilisearch？做设计时，记录关键决策和理由。

第四步：spec。 具体怎么做。API 接口定义、组件结构、数据流图。这些写出来，执行的时候就清楚每一步要做什么。

第五步：execution。 写代码。建索引、写 API、做前端组件。每一步完成时，记录进展。

第六步：review。 已经完成了，检查是否满足完成标准。搜索框有没有？搜索结果是否实时？搜索范围是否覆盖标题和正文？响应时间达标吗？逐项检查，记录证据。

第七步：archive。 全部通过，归档。记录摘要："添加了文章搜索功能，使用 Meilisearch 做全文索引，前端实时搜索，响应时间 200ms。"

这个流程看起来步骤多，但实际执行中，大部分步骤是 AI 自动完成的。

你只需要在第一步说"加个搜索功能"，然后审核一下需求和方案，最后检查一下结果。中间的 design、spec、execution，AI 会帮你完成。你不需要写文档，不需要画图，不需要自己写代码。

日常任务的核心是：让 AI 帮你做琐事，你只负责决策。

但要让 AI 做好琐事，它需要知道项目的背景、技术栈、代码风格、架构约定。这些信息不是在任务中说一遍就行，而是应该提前放在工作区里。这样 AI 在执行每个任务时，不需要问"你们用什么数据库"，直接去 background/ 里找就行了。