Name: task-next
Author: Zenobia000

Prompt file imported from Zenobia000/cursor-agentic-coding-template (.cursor/commands/task-next.md). Copyright stays with the author.

👨‍💼 TASK NEXT (PM Assistant v3)

您的專案經理小助手已上線。為您過濾上下文噪音，分析戰況，並從多個策略角度建議下一步的最佳行動。

1. PLAN 🎯 (規劃)

Objective

在您需要重新聚焦時，為您提供一份關於當前 memory-bank/current/tasks.md 的摘要簡報，並從多個策略角度建議接下來應該執行的任務。此指令是一個只讀分析器，旨在幫助決策，不會修改 tasks.md。

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
規劃與追蹤: .cursor/rules/process/planning-process.md 和 .cursor/rules/process/task-tracking.md
核心隔離: .cursor/rules/isolation_rules/main.mdc

Prerequisites Check

在獲取簡報之前，請確保：

✅ tasks.md 存在: memory-bank/current/tasks.md 是您專案的「唯一真相來源」。
❌ Failure Action: 如果 tasks.md 不存在，AI 必須建議用戶先運行 /van 來初始化專案。

2. DO 実行 (執行)

Core Process

PM 小助手將為您執行以下分析流程：

Step 0: 健康檢查 (Health Check)

檢查 tasks.md 狀態: 驗證 memory-bank/current/tasks.md 是否存在、有效，且包含待辦任務。
批判性思考: 如果所有任務都已完成，AI 應報告：「恭喜！所有任務都已完成。建議執行 /reflect 進行復盤。」如果沒有可執行的任務（所有 pending 任務都被阻塞），AI 應報告：「目前沒有可立即開始的新任務，我們需要先完成正在進行中的『XXX』任務。」

Step 1: 記憶體互動 - 讀取 (Memory Interaction - Read)

讀取任務列表: 完整讀取並解析 memory-bank/current/tasks.md 的內容。

Step 2: 多維度評估 (Multi-dimensional Evaluation)

識別候選者: 找出所有狀態為 pending 且其依賴項均已 completed 的可執行任務。
評估視角: 從以下 PM 視角對每個候選任務進行評估：
- 👑 關鍵路徑 (Critical Path): 哪個任務是後續最多待辦任務的阻塞點？
- 💎 最高價值 (Highest Value): 哪個任務最貼近 projectbrief.md 中定義的核心目標？
- ⚡️ 快速取勝 (Quick Win): 哪個任務預估工作量最小，可以快速完成以建立動能？
- 🛡️ 風險緩解 (Risk Mitigation): 哪個任務能解決最大的技術或業務不確定性？

Step 3: 記憶體互動 - 寫入 (Memory Interaction - Write)

輸出 PM 簡報: 將分析結果彙總成一份清晰、結構化的「PM 簡報」，作為輸出直接呈現給用戶。此指令不修改 tasks.md。
(可選) 更新上下文: 可以在 memory-bank/current/activeContext.md 中輕量地記錄一次「PM 簡報已提供」。

3. CHECK ✓ (檢查)

Verification Checklist

簡報是否清晰: 輸出的 PM 簡報是否易於理解，並清楚解釋了每個建議背後的原因？
只讀原則: AI 是否確保了沒有修改 tasks.md？

4. ACT 改善 (行動)

Finalization

等待用戶決策: AI 的任務在提供簡報後即完成，等待用戶做出最終決策。

Next Steps

AI 將根據用戶的決策，進入相應的模式。

👉 Primary Next Step: 用戶選擇一個建議後，AI 應準備執行 /creative 或 /implement 指令，來處理被選中的任務。
💡 Alternative: 如果用戶認為所有建議都不合適，AI 應建議：「看起來我們的計畫可能需要調整。建議執行 /plan 來重新審視和分解任務。」

TASK NEXT (PM Assistant v3) 已啟動。正在檢查 current 工作區的健康狀態，準備提供任務簡報...

Install task-next and it becomes one more candidate the router can pick - when it fits.

A listing is a routing target with a manifest: what it does, which domains it covers, what it costs and who publishes it. Once installed it sits beside your own models and tools, is scored like any other candidate for each request, and shows up in the trace when it wins. Ratings come from workspaces that installed it, one per account.

# 👨‍💼 TASK NEXT (PM Assistant v3) > 您的專案經理小助手已上線。為您過濾上下文噪音，分析戰況，並從多個策略角度建議下一步的最佳行動。 ## 1. PLAN 🎯 (規劃) ### Objective > 在您需要重新聚焦時，為您提供一份關於當前 `memory-bank/current/tasks.md` 的摘要簡報，並從多個策略角度建議接下來應該執行的任務。此指令是一個**只讀**分析器，旨在幫助決策，**不會修改** `tasks.md`。 ### 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` - **規劃與追蹤:** `.cursor/rules/process/planning-process.md` 和 `.cursor/rules/process/task-tracking.md` - **核心隔離:** `.cursor/rules/isolation_rules/main.mdc` ### Prerequisites Check > 在獲取簡報之前，請確保： - ✅ **`tasks.md` 存在:** `memory-bank/current/tasks.md` 是您專案的「唯一真相來源」。 - ❌ **Failure Action:** 如果 `tasks.md` 不存在，AI **必須**建議用戶先運行 `/van` 來初始化專案。 ## 2. DO 実行 (執行) ### Core Process > PM 小助手將為您執行以下分析流程： **Step 0: 健康檢查 (Health Check)** - **檢查 `tasks.md` 狀態:** 驗證 `memory-bank/current/tasks.md` 是否存在、有效，且包含待辦任務。 - **批判性思考:** 如果所有任務都已完成，AI 應報告：「恭喜！所有任務都已完成。建議執行 `/reflect` 進行復盤。」如果沒有可執行的任務（所有 `pending` 任務都被阻塞），AI 應報告：「目前沒有可立即開始的新任務，我們需要先完成正在進行中的『XXX』任務。」 **Step 1: 記憶體互動 - 讀取 (Memory Interaction - Read)** - **讀取任務列表:** 完整**讀取**並解析 `memory-bank/current/tasks.md` 的內容。 **Step 2: 多維度評估 (Multi-dimensional Evaluation)** - **識別候選者:** 找出所有狀態為 `pending` 且其依賴項均已 `completed` 的可執行任務。 - **評估視角:** 從以下 PM 視角對每個候選任務進行評估： * **👑 關鍵路徑 (Critical Path):** 哪個任務是後續最多待辦任務的阻塞點？ * **💎 最高價值 (Highest Value):** 哪個任務最貼近 `projectbrief.md` 中定義的核心目標？ * **⚡️ 快速取勝 (Quick Win):** 哪個任務預估工作量最小，可以快速完成以建立動能？ * **🛡️ 風險緩解 (Risk Mitigation):** 哪個任務能解決最大的技術或業務不確定性？ **Step 3: 記憶體互動 - 寫入 (Memory Interaction - Write)** - **輸出 PM 簡報:** 將分析結果彙總成一份清晰、結構化的「PM 簡報」，作為**輸出**直接呈現給用戶。**此指令不修改 `tasks.md`。** - **(可選) 更新上下文:** 可以在 `memory-bank/current/activeContext.md` 中輕量地記錄一次「PM 簡報已提供」。 ## 3. CHECK ✓ (檢查) ### Verification Checklist - [ ] **簡報是否清晰:** 輸出的 PM 簡報是否易於理解，並清楚解釋了每個建議背後的原因？ - [ ] **只讀原則:** AI 是否確保了沒有修改 `tasks.md`？ ## 4. ACT 改善 (行動) ### Finalization - **等待用戶決策:** AI 的任務在提供簡報後即完成，等待用戶做出最終決策。 ### Next Steps > AI 將根據用戶的決策，進入相應的模式。 - 👉 **Primary Next Step:** 用戶選擇一個建議後，AI 應準備執行 `/creative` 或 `/implement` 指令，來處理被選中的任務。 - 💡 **Alternative:** 如果用戶認為所有建議都不合適，AI 應建議：「看起來我們的計畫可能需要調整。建議執行 `/plan` 來重新審視和分解任務。」 --- > **TASK NEXT (PM Assistant v3) 已啟動。正在檢查 `current` 工作區的健康狀態，準備提供任務簡報...**

{ "prompt": "# 👨‍💼 TASK NEXT (PM Assistant v3)\n\n> 您的專案經理小助手已上線。為您過濾上下文噪音，分析戰況，並從多個策略角度建議下一步的最佳行動。\n\n## 1. PLAN 🎯 (規劃)\n\n### Objective\n> 在您需要重新聚焦時，為您提供一份關於當前 `memory-bank/current/tasks.md` 的摘要簡報，並從多個策略角度建議接下來應該執行的任務。此指令是一個**只讀**分析器，旨在幫助決策，**不會修改** `tasks.md`。\n\n### Guiding Rules\n> 在執行此指令時，AI Agent 必須遵循以下規則：\n- **主要規則:** `.cursor/rules/principles/global.mdc`\n- **規劃與追蹤:** `.cursor/rules/process/planning-process.md` 和 `.cursor/rules/process/task-tracking.md`\n- **核心隔離:** `.cursor/rules/isolation_rules/main.mdc`\n\n### Prerequisites Check\n> 在獲取簡報之前，請確保：\n- ✅ **`tasks.md` 存在:** `memory-bank/current/tasks.md` 是您專案的「唯一真相來源」。\n- ❌ **Failure Action:** 如果 `tasks.md` 不存在，AI **必須**建議用戶先運行 `/van` 來初始化專案。\n\n## 2. DO 実行 (執行)\n\n### Core Process\n> PM 小助手將為您執行以下分析流程：\n\n**Step 0: 健康檢查 (Health Check)**\n- **檢查 `tasks.md` 狀態:** 驗證 `memory-bank/current/tasks.md` 是否存在、有效，且包含待辦任務。\n- **批判性思考:** 如果所有任務都已完成，AI 應報告：「恭喜！所有任務都已完成。建議執行 `/reflect` 進行復盤。」如果沒有可執行的任務（所有 `pending` 任務都被阻塞），AI 應報告：「目前沒有可立即開始的新任務，我們需要先完成正在進行中的『XXX』任務。」\n\n**Step 1: 記憶體互動 - 讀取 (Memory Interaction - Read)**\n- **讀取任務列表:** 完整**讀取**並解析 `memory-bank/current/tasks.md` 的內容。\n\n**Step 2: 多維度評估 (Multi-dimensional Evaluation)**\n- **識別候選者:** 找出所有狀態為 `pending` 且其依賴項均已 `completed` 的可執行任務。\n- **評估視角:** 從以下 PM 視角對每個候選任務進行評估：\n * **👑 關鍵路徑 (Critical Path):** 哪個任務是後續最多待辦任務的阻塞點？\n * **💎 最高價值 (Highest Value):** 哪個任務最貼近 `projectbrief.md` 中定義的核心目標？\n * **⚡️ 快速取勝 (Quick Win):** 哪個任務預估工作量最小，可以快速完成以建立動能？\n * **🛡️ 風險緩解 (Risk Mitigation):** 哪個任務能解決最大的技術或業務不確定性？\n\n**Step 3: 記憶體互動 - 寫入 (Memory Interaction - Write)**\n- **輸出 PM 簡報:** 將分析結果彙總成一份清晰、結構化的「PM 簡報」，作為**輸出**直接呈現給用戶。**此指令不修改 `tasks.md`。**\n- **(可選) 更新上下文:** 可以在 `memory-bank/current/activeContext.md` 中輕量地記錄一次「PM 簡報已提供」。\n\n## 3. CHECK ✓ (檢查)\n\n### Verification Checklist\n- [ ] **簡報是否清晰:** 輸出的 PM 簡報是否易於理解，並清楚解釋了每個建議背後的原因？\n- [ ] **只讀原則:** AI 是否確保了沒有修改 `tasks.md`？\n\n## 4. ACT 改善 (行動)\n\n### Finalization\n- **等待用戶決策:** AI 的任務在提供簡報後即完成，等待用戶做出最終決策。\n\n### Next Steps\n> AI 將根據用戶的決策，進入相應的模式。\n- 👉 **Primary Next Step:** 用戶選擇一個建議後，AI 應準備執行 `/creative` 或 `/implement` 指令，來處理被選中的任務。\n- 💡 **Alternative:** 如果用戶認為所有建議都不合適，AI 應建議：「看起來我們的計畫可能需要調整。建議執行 `/plan` 來重新審視和分解任務。」\n\n---\n> **TASK NEXT (PM Assistant v3) 已啟動。正在檢查 `current` 工作區的健康狀態，準備提供任務簡報...**", "variables": [], "notes": "TASK NEXT - Get a PM briefing on the next most strategic tasks from the `current` workspace.", "metadata": { "source": { "provider": "github-cursor-commands", "repository": "https://github.com/Zenobia000/cursor-agentic-coding-template", "path": ".cursor/commands/task-next.md", "ref": "fcb47ed223d57b61f1ac182c90a0141b03fd5713", "url": "https://github.com/Zenobia000/cursor-agentic-coding-template/blob/fcb47ed223d57b61f1ac182c90a0141b03fd5713/.cursor/commands/task-next.md", "key": "Zenobia000/cursor-agentic-coding-template/.cursor/commands/task-next.md" } } }

task-next

About