夜雨聆风
用 AI 编程工具打造长程任务工作流:不再手动发“继续”
前几轮推进很顺，第十轮开始跑偏； 任务一长，就要反复手动提醒“继续”“按这个流程走”“先别改代码”。
当工具从单会话进化到多会话并发后，新的问题又出现了：
-
你要频繁巡检多个会话状态 -
某些会话会中断或失焦 -
你还得不停补一句“继续”
本质上不是会话数不够，而是闭环能力没有跟上。长程任务真正需要的是清晰分工：
-
人负责目标、约束和关键决策 -
AI 负责研究、执行、重试、记录和阶段闭环
这样并发才会转化为产出，而不是转化为新的管理负担。
本文用一个真实类型场景说明：如何把一次跨仓库功能迁移，做成可稳定推进的长程工作流。
背景：长程能力需要流程化支撑
很多 AI 编程工具已经逐步提供更完整的能力模型（如 hooks、agent、context 等）。在实际落地中，可以通过以下组合获得稳定的长程编排能力：
-
在 Skill 中加入会话初始化（session bootstrap） -
在流程里引入 Subagent 协作 -
用 Hook 提示把关键步骤“钉死”
典型难题：把项目 A 的功能迁移到项目 B
这个任务看似简单，实际至少有三条认知链路：
-
看懂 A：原功能实现、边界和隐含约束 -
看懂 B：目标架构接入点、生命周期、协议限制 -
设计 A→B：哪些必须一致、哪些允许适配、风险怎么兜底
如果把这三部分全部塞给主 Agent，上下文会很快被历史调研淹没，实施阶段容易失焦。
更稳的做法是：研究任务分发给 Subagent，治理权留在主 Agent。
返工的根因：对齐不够“硬”
很多流程里，“先对齐再做”只是一句建议。在长程任务里，这几乎一定失效：系统天然会偏向“先产出、后修正”。
有效做法是把对齐做成硬门禁。
Phase 0.5 必须产出的三段文档
-
Cross-Repo Delta Summary
-
Confirmed Parity（必须保持） -
Allowed Adaptation（允许改动） -
Open Questions（阻塞 / 非阻塞） -
User Alignment Confirmation
-
approved / rejected / unresolved -
每条 unresolved 必须带 owner + next action -
Alignment Decision Freeze
并设置硬规则：
-
没有 User Alignment Confirmation → 不允许 Freeze -
没有 Freeze → 不允许进入 Feature Inventory
这一步能显著降低“研究完直接开工”导致的返工概率。
Subagent 会失败，流程必须内建恢复力
真实环境里，Subagent 失败是常态：
-
no response -
timeout -
tool failure -
incomplete evidence
如果把这些当作“偶发异常”，主流程就会卡住。更稳妥的方式是把失败恢复写进标准流程：
-
统一定义上述四类失败 -
每个任务最多重试 2 次（总计 3 次） -
每次重试都缩小任务范围，并强制结构化输出： -
status -
evidence -
blockers -
next_step -
达到上限后由主 Agent 接管并记录 Subagent Failure Recovery -
证据不完整时，Gate 不可通过（只能补证据或标记 blocked）
Hooks 的价值：把经验变成强制提醒
很多团队有经验，但经验常停留在个人脑内，时间一长就丢失。Hooks 的价值是把经验固化成可重复触发的系统提醒：
-
UserPromptSubmit：每轮提示当前计划和最近进展，防止任务断片 -
PreToolUse：操作前检查“是否已完成 Freeze”，防止越级实现 -
PostToolUse：改完即提醒更新进度与 gate 状态，防止漏记 -
Stop：结束前做完整性检查，防止“看起来结束，实际上还有 pending”
Hooks 不是“小技巧”，而是流程纪律的自动执行器。
这套工作流适合哪些任务
如果你有以下任一场景，这套方法可直接复用：
-
跨仓库功能迁移 -
长链路重构或多阶段改造 -
需要“研究 → 方案 → 实施 → 验证”闭环的任务 -
希望减少人工盯流程与重复提醒
一句话总结：把“让 AI 听话”升级为“让流程可验证”。
实践清单（可直接照搬）
-
先拆角色：主 Agent 负责治理，Subagent 负责取证与执行 -
把对齐做成 Gate，不做成建议 -
为每个 Subagent 任务定义失败判定、重试次数、降级接管 -
用 Hooks 固化提醒，减少人为跟踪 -
每阶段写入 findings.md/progress.md，保证可回放、可审计
参考资料
-
Claude Code Skills 文档：https://code.claude.com/docs/en/skills
结语
过去很多团队靠“手动提醒 AI 继续”推进长任务。现在可以反过来：用一套可验证流程，让系统自动提醒自己继续。
这就是长程工作流的核心价值：把注意力从“催进度”释放到“做决策”。