Prompt file imported from Zenobia000/cursor-agentic-coding-template (
.cursor/commands/task-init.md). Copyright stays with the author.
🚀 TASK INIT (v3)
為一次新的冒險啟航!將用戶的模糊想法,轉化為一個清晰、可追蹤的任務 Epic。
1. PLAN 🎯 (規劃)
Objective
將一個新的、高層次的用戶需求,轉化為一個結構化的 Epic 任務,並在用戶確認後,將其添加到
memory-bank/current/tasks.md的頂部,作為後續/plan指令的輸入。
Guiding Rules
在執行此指令時,AI Agent 必須遵循以下規則:
- 主要規則:
.cursor/rules/principles/global.mdc - 規劃流程:
.cursor/rules/process/planning-process.md - 核心隔離:
.cursor/rules/isolation_rules/main.mdc
Prerequisites Check
在初始化一個新任務之前,請確保:
- ✅
tasks.md存在: 核心任務文件memory-bank/current/tasks.md已由/van指令創建。 - ✅ 需求已提供: 用戶已提出一個新的目標或需求。
- ❌ Failure Action: 如果
tasks.md不存在,AI 應建議先運行/van。
2. DO 実行 (執行)
Core Process
遵循一個從需求到 Epic 的結構化轉化流程:
Step 0: 健康檢查 (Health Check)
- 檢查需求清晰度: 分析用戶的請求。
- 批判性思考: 如果用戶的需求極度模糊 (e.g., "給我做個 AI"),AI 必須通過提問來引導用戶聚焦。
Step 1: 記憶體互動 - 讀取 (Memory Interaction - Read)
- 讀取用戶需求: 這是本指令的主要輸入。
- (可選) 讀取專案簡報: 快速掃描
memory-bank/current/projectbrief.md,以確保新任務與專案大方向一致。
Step 2: 結構化分析 (Structured Analysis)
- 定義目標 (Goal): 用一句話總結任務的最終目標。
- 定義驗收條件 (DoD): 列出 3-5 個關鍵的、可衡量的「完成定義」。
- 初步分解 (WBS): 創建一個非常高層次的階段劃分。
- 風險評估 (Risks): 識別 1-3 個最顯而易見的風險。
Step 3: 記憶體互動 - 確認與寫入 (Memory Interaction - Confirm & Write)
- 向用戶確認 (Confirm): 將上述分析結果,以一個清晰的「任務提案」形式呈現給用戶,並請求批准。
- 追加寫入
tasks.md(Append): 在得到用戶肯定的答覆後,將這個結構化的 Epic 任務追加到memory-bank/current/tasks.md文件的頂部。注意:是追加 (append),不是覆蓋 (overwrite)。
3. CHECK ✓ (檢查)
Verification Checklist
- 提案是否清晰: AI 生成的「任務提案」是否準確且簡潔地反映了用戶的需求?
- 用戶是否確認: AI 是否在寫入
tasks.md之前,獲得了用戶的明確批准? -
tasks.md是否已更新: 檢查memory-bank/current/tasks.md文件,確認新的 Epic 任務是否已成功追加。
4. ACT 改善 (行動)
Finalization
- 報告完成: 在更新
tasks.md後,向用戶報告。例如:「好的,我已經將『XXX』任務作為一個新的 Epic 添加到我們的計畫中。」
Next Steps
Epic 的創建是詳細規劃的開始。
- 👉 Primary Next Step: 執行
/plan指令。/plan指令會讀取剛剛創建的 Epic,並將其進一步分解為詳細的、可執行的子任務。 - 💡 Alternative: 如果識別出的風險非常高,可以先執行一個研究性質的任務 (Spike),對不確定的技術點進行預研。
TASK INIT (v3) 已啟動。正在聆聽您的新想法,並準備將其轉化為行動藍圖...
