做了个小插件，主要解决：新开一个窗口，做完一次任务，下一个又要重新调教。 虽然 chatgpt 已经出了把执行日志做成工作流的功能（出得有点晚了），不过我这个还是有点区别：提前给你自己和 ai 一个工作区间。没有特别的技术含量，就是在尽量不约束模型功能的前提下保留你的工作习惯——提前告诉他工作守则，他执行完活，会把探索过的区域记进网站地图，每干完一次活写一篇执行日志，这些都不用你管。 这跟单做一个工作流不一样——他连你的工作环境也记下来了。下次你再在这个文件夹聊天，命中之前的工作流就直接开干，不命中就新写一个，整个过程你无感。有时候新任务只是某个已有工作流的一个分支，他读到地图就不用重新摸索。现在的模型已经很强，但把经验留下来给下一个模型当基石，还是有点用的。 ai 干活会留很多中间产物，不提前说好他会乱放。这里提前说好了放哪，该丢的定时自动清，有用的固定放输出位置，你不用二次管理，也不用找来找去。 等工作流跑顺了（最好让高档模型多试几次），不出错了再下派给低一档但够用的模型（工作流就是一张张任务卡，每张标着最低可用档位）。不靠推理的部分可以直接做成脚本。平时让他做一次巡查，他会把攒下的日志压缩回卡——新踩的坑补成分支，没出错的流程也看看能不能更省。 用起来：拖进 skills 目录，在干活的文件夹里说一句”初始化工作区”，之后正常聊天就行。 说实话三件事：一是只对重复的活有用，README 里我写了七条局限性。二是单次任务比直接让 ai 干费 token——他还要写日志记地图，不过确实越用越少操心，钱要等活重复起来、降了档才摊回来。三是我自己每周真正重复的 ai 任务没几样（周报、记账、视频转写），只喂过我的小样本，不知道别的场景效果如何。 开源免费，Codex 和 Claude Code 都行。GitHub 搜 MrSenter/groove #ClaudeCode #Codex #AI效率 #AIagent #开源工具