前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9848
  • Prompt 注入绕过防护:字段拼接成盲区
  • 为AI网关构建支持定价的请求队列
  • AI可观测性:记录决策而非仅监控模型
  • C++编译失败自动分类修复Bot实战
  • 免费API限流应对:重试阶梯与熔断设计
  • Web开发者的AI工程化实践
  • 400M商品价格实时更新:MCP服务器数据新鲜度实战
  • 重试风暴:容量骤降时无预算重试如何导致 7 倍级联故障
  • 严格工具契约 vs 宽松契约:错误率相差 13 倍的实证分析
  • AI老板首次裁员:需人类提醒才能执行
  • 免费 Kaggle GPU 跑出 28 TPS:跨 WAN 的张量并行实践
  • 本地Agent崩溃真相:量化精度对推理稳定性的实测
  • ZizkaDB:用因果链追踪替代Span树做LLM Agent调试
  • onwrite:让生成器和脚本也享受保存时格式化
  • 12个MCP服务器均存在同一响应伪造漏洞
  • 两个技能让AI编程代理更懂你的代码库
  • Pi:极简可 hack 的开源 AI 编程 CLI 工具
  • AI Agent 安全:模型资产与凭据泄露的防护实践
  • FreeToken:单卡运行753B参数MoE模型的本地方案
  • AI编程助手可能正在浪费一半上下文窗口
  • TaskKeeper:AI编程任务隔离审查工作流
  • Claude Code Agent 模式深度解析:超大规模代码库处理策略
  • AI智能体token消耗量激增14倍,已超越人类成为OpenRouter最大用户
  • 匿名大模型被扒出智谱血缘,Tokenizer和API报错特征高度吻合
  • 英伟达AI服务器涨价15%,数据中心成本激增
  • MCP协议实战:构建、安全与服务部署指南
  • 自托管 LLM vs 云 API:成本全面对比指南
  • OpenAI Codex 修复用量计算漏洞,明日重置额度
  • 10款MCP服务器Token开销测评:Google Drive单次连接烧掉47K Token
  • OpenAI模型在红队测试中突破沙箱入侵Hugging Face
  • 新研究:AI可能让科学家做得更多却更差,而非更少更好
  • Pydantic AI实战评测:Python Typed Agent框架
  • 从未被写入数据库的SKIPPED状态值
  • LLM作为人机翻译层:IoT场景的实用范式
  • HBM内存短缺致Nvidia AI服务器涨价约15%
  • git grep 返回 0 却漏掉 218 个匹配的技术根因
  • AI 生成的 Go 代码能编译却常需重写的原因
  • 多Agent架构防止AI自验偏见:锁定测试+跨模型审查
  • deepDoctection 构建端到端文档智能流水线
  • 中国灰色市场低价售卖Claude代币产业链调查
  • 2026-08-23 模型价格周报:Kimi K2.6 涨价 75%
  • Vercel推免费工具Is Agentic,用118项检查评估网站对AI Agent的适配度
  • 10-K-able:基于Eval驱动的金融研究Agent
  • PixelRouter:将AI编码助手成本降低85%
  • 用Surface Pro 7改造AI看板与轻量Linux工作站
  • RAG 答不准?先给你的检索模块打个分
  • 99%准确率为何毫无价值:稀有事件ML评估的正确姿势
  • 7美元/月自托管Llama 3.3 70B:vLLM+投机解码实战
  • 五层上下文工程让 AI Agent 少返工
  • MCP 安全威胁模型与加固指南
  • Webhook重复触发导致AI重复回复
  • 已加载 51 / 9848
8.0
热点
AI SCORE
编程提效2026-08-23 18:34

TaskKeeper:AI编程任务隔离审查工作流

dev.to · AI#Claude#Git#工作流
Editor brief · 编辑速览

VS Code扩展,让Claude Code等Agent在独立Git worktree中通宵工作,产出经审核后再合并,规避夜间无人值守风险。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

我每天都在用 Claude Code 和 Codex。一直有个同样的需求:晚上把任务交给 Agent——升级依赖、更新 changelog、修复不稳定的测试——第二天早上喝着咖啡审查结果就行了。

调度 Agent 这件事本身不难

市面上的调度器都能让 Agent 在指定时间运行。问题在于它跑在哪儿。

你在下午两点盯着看的时候,在工作目录跑 Agent 没问题。但凌晨三点你睡着的时候跑就不一样了:Agent 要是出了问题,它是在你的代码上、在你明天要打开的分支上出的错。

我想要的不是"一个无人值守运行的 Agent",而是"一个夜间工作成果可隔离、可审查的 Agent"。

思路是:每次运行一个 worktree,早上统一收件箱

所以我写了一个小的 VS Code 扩展叫 TaskKeeper。每次定时任务都基于确定的基准 commit,在一个全新的 Git worktree 里运行。Agent 在一个用完即弃的副本上工作,你的 checkout 不会被触碰。运行结束后,结果进入审查收件箱:diff、修改的文件、花费的成本,还有两个按钮——接受(本地 merge,不会 push)或丢弃(worktree 和分支全部删除,什么都不留)。

任务在隔离的 worktree 中通宵运行,然后等待在早上收件箱中——接受或丢弃

整个设计就赌这一句话:如果凌晨三点出了问题,那是在一份副本上出问题——早上由你决定。

一轮运行完成后的样子

你看到的不是一堵 JSON,而是一份可读的对话记录,带摘要头——成本、轮次、修改的文件、哪个 worktree——以及具体的操作都在里面。

早上收件箱:一轮完成的运行,包含可读记录和接受/拒绝按钮

接受就在本地 merge。拒绝就删除 worktree 及其分支。不管哪种方式,没有任何东西会自己离开你的机器。

创建任务从意图出发

一个任务本质上是两个独立的选择:哪个对话(新会话 / 继续 / 分支)和在哪里工作(隔离的 worktree,或直接在仓库里)。扩展没有让你去琢磨这些,而是从意图出发打开面板——在某个对话中,或在某个仓库里的隔离任务——然后自动填好剩下的部分。有一个小型模板目录(升级依赖、撰写 changelog、lint 扫一遍、修复失败的测试)可以从这里起步。

创建任务:模板、两种意图、仓库和 Agent 选择

VS Code 关闭着也能跑

没有什么我的守护进程蹲在你的托盘区。每个任务都是操作系统自己的调度器里的一条记录——Windows 任务计划程序或 macOS launchd。到了预定时间,一个短命的 worker 启动、获取机器级别的槽位、创建 worktree、启动 Agent,然后把所有内容记录到一个本地 SQLite 数据库里。扩展只读那个数据库。只要你的机器开着,任务就会跑;在 Windows 上它甚至可以唤醒机器。

有两件事我坚决不打算含糊带过:

每次运行独立的权限配置文件。 每次运行会获得两个明确配置文件中的一个——审计(只读)或隔离变更——通过一个受控的设置配置文件施加,你的个人 Claude 配置无法扩大权限范围。一个只读任务始终是只读的,哪怕你交互式使用时配置是宽松的。

本地优先。 没有遥测、没有账号、扩展本身不发出任何网络请求。看起来像 token 的密钥会从存储的日志中脱敏。

抓住那些失败调度器隐藏的问题

任何调度器最可怕的故障模式不是任务报错——你能看到那些。最可怕的是任务因为 OS 触发器被注销而悄无声息地停止运行了。所以有一个"昨夜摘要":你在睡觉时跑了什么,还有一个健康检查——如果触发器丢失了就把任务标红,而不是让它悄无声息地再也不会运行。

昨夜摘要,包含调度器健康状态,标记了一个丢失的触发器

通宵跑 Agent 要花钱,所以有一个月度上限,由 runner 本身强制执行——一旦当月达到上限,下一个任务在花费之前就被跳过。有一个面板按天和按任务拆解了当月花费。

花费面板:当月 vs 上限,按天和按任务

(成本数据由 Claude 反馈;Codex 不反馈,表格里会注明。)

我实际用它跑的三件事

依赖升级: 每周一次,升级到最新兼容版本并运行测试。我审查 diff,不用盯着升级过程。

Changelog: 只读,把这周的 commit 总结成一条草稿条目。

不稳定的测试: 通宵跑,找到失败的测试让它通过——不改变原本意图——然后我判断这个修复是不是真的。

扩展完全免费、本地优先、无需账号。支持 Windows 和 macOS(macOS 二进制文件已签名)。

Marketplace: https://marketplace.visualstudio.com/items?itemName=argalla.taskkeeper

Open VSX: https://open-vsx.org/extension/argalla/taskkeeper

与 Anthropic 或 OpenAI 没有附属关系——它启动的就是你已经用着的那些 CLI。

我最感兴趣的是别人怎么处理无人值守的 Agent 运行:worktree、容器、用完即弃的分支,还是别的什么?什么东西真正经得起验证?

Original source

本文由 AI 翻译整理自 dev.to · AI,原文版权归原作者所有。

阅读英文原文
上一篇
AI编程助手可能正在浪费一半上下文窗口
下一篇
Claude Code Agent 模式深度解析:超大规模代码库处理策略