@
kkth 是的,就是类似于禅道的那样的项目管理,使用 MCP 把这个“AI 版禅道”和 Cursor 之类的 AI 工具连接起来(只要支持 MCP 就能怼到一起),具体规划任务的时候我可能会有很多种可选的方式:
- 比如可以选择在 Web 界面上手动规划任务(我通常都是结合科大讯飞语音输入法,给 AI 的指令有些非关键部分的错别字其实影响不大),一般我想的比较清楚的任务就这样写,毕竟在 Web 界面上的 Markdown 编辑器比 cc 之类的命令行写起来舒服多了,也适合一次性写个几百字,这样任务质量一般是极其高的,基本比大部分三五年的程序员靠谱。。。(毕竟我人脑子挂机想了需求很长时间细节想清楚了也长篇大论写清楚了)
- 比如有时候感觉一个任务比较大,可能第一个任务就是让 AI 去规划拆解创建子任务,这样的话 AI 就可以先拉取第一个任务理解规划拆解通过 MCP 在 Todo 系统上创建几十上百个任务,这个时候我可以选择对规划拆解的任务编辑调整或者直接一股脑按计划执行,比 Cursor 之类的自带的任务能够支持更多的数量以及更详细,相当于拆分出来的每个任务都有个几千字的需求文档,现在的 Cursor 之类的自带的任务系统都非常简略做不到动态提前详细规划
- 比如有些时候我就是纯粹的 Vibe Coding 我没有手我一行代码也不写,我就只负责测试提 bug 边测试边创建 todo 任务,可能一会儿就创建了几十个 bug 修复任务,这个时候就让 Cursor 通过 MCP 拉取项目所有任务一次性修复完自己使用 PLaywright MCP 验收好,这样的通过高频的 bug 验收或者细节调整,也能得到质量还可以的产出
另外它解决的一个比较蛋疼的问题是 AI 遵从性的问题,比如我设置的 Cursor Rule 它老忽略,那我可以设置一些全局或者项目级别的上下文,那这个任务系统就会在 AI 每次拉取任务的时候,把我这些上下文强行拼接到提示词中,这样的话能比较好的解决 AI 老是遗忘约定不听话的问题(但即使这样大力也不是 100%一定听话,大模型还是太不可控了但是能大幅提高其可控性)
比如设置如下规则,就会在每次任务的时候将其自动拼接到提示词中,PUA 确实可以有效提高 AI 的产出质量。。。
