当前位置: 首页 > news >正文

C# 实现简版 Claude Code | 用 Todo 对抗遗忘(3)

目录

v2: 用 Todo 实现自我约束

问题:上下文衰减

解决方案:让计划显式化

TodoManager 设计

核心数据结构

约束即护栏

渲染输出

TodoWrite 工具定义

软提示机制

初始提醒

持续提醒

实际工作流程

深层洞察

约束既限制又赋能

外部化记忆

状态机视角

运行示例

从 v2 到 v3

总结


上一篇

v2: 用 Todo 实现自我约束

本文是 Learn Claude Code (C# 版) 系列的第三篇,对应代码文件v2_todo_agent.cs

问题:上下文衰减

v1 对简单任务很好用。但试试这个:

You: 重构 auth 模块、添加单元测试、更新 API 文档

观察模型的行为:

  1. 开始重构 auth...

  2. 突然想起要写测试,切换过去...

  3. 写了一半测试,想起还没看完 auth 代码...

  4. 10 次工具调用后:"等等,我在干什么来着?"

这就是上下文衰减——计划只存在于模型的"脑海"中,随着对话变长逐渐模糊。

解决方案:让计划显式化

v2 添加一个新工具TodoWrite,从根本上改变工作方式:

Before (v1):

模型内部:"我先做 A,然后 B,然后 C" (不可见) 10 次工具调用后:计划已模糊

After (v2):

[ ] 重构 auth 模块 [>] 添加单元测试 <- 当前正在做这个 [ ] 更新 API 文档 (1/3 completed)

现在你和模型都能看到计划。模型可以:

  • 随时查看进度

  • 一次只做一件事

  • 完成后更新状态

TodoManager 设计

核心数据结构

record TodoItem(string Content, string Status, string ActiveForm); class TodoManager { private List<TodoItem> _items = []; // Content: 任务描述,如 "添加单元测试" // Status: pending | in_progress | completed // ActiveForm: 现在进行时,如 "正在编写测试用例..." }

ActiveForm是个精妙的设计——当任务在进行中时,显示模型正在做什么:

[>] 添加单元测试 <- 正在编写 AuthService 的测试用例...

约束即护栏

public string Update(JsonElement itemsJson) { // ...验证逻辑... if (validated.Count > 20) throw new InvalidOperationException("Max 20 todos allowed"); if (inProgressCount > 1) throw new InvalidOperationException("Only one task can be in_progress"); }

约束

原因

最多 20 项

防止无限任务列表

一个 in_progress

强制一次只做一件事

必填 activeForm

确保可见性

这些不是限制,是护栏——它们让复杂任务成为可能。

渲染输出

public string Render() { // [x] Completed task // [>] In progress task <- Doing something... // [ ] Pending task // // (2/3 completed) }

模型看到这个渲染结果,就能理解当前状态。

TodoWrite 工具定义

new Tool { Name = "TodoWrite", Description = "更新任务列表。用于规划和追踪进度。", InputSchema = new InputSchema { Type = "object", Properties = new Dictionary<string, JsonElement> { ["items"] = JsonDocument.Parse(""" { "type": "array", "items": { "type": "object", "properties": { "content": {"type": "string"}, "status": {"type": "string", "enum": ["pending", "in_progress", "completed"]}, "activeForm": {"type": "string"} }, "required": ["content", "status", "activeForm"] } } """).RootElement }, Required = ["items"] } }

注意:模型每次发送完整列表,不是增量更新。这简化了状态管理。

软提示机制

强制要求模型用 Todo 会很烦人。v2 用"软提示"来引导:

初始提醒

const string INITIAL_REMINDER = "<reminder>对于多步骤任务请使用 TodoWrite。</reminder>"; // 在第一条用户消息前注入 if (firstMessage) { content.Add(ContentBlock.CreateText(INITIAL_REMINDER)); firstMessage = false; }

持续提醒

int roundsWithoutTodo = 0; const string NAG_REMINDER = "<reminder>10+ 轮未更新 todo。请更新 todos。</reminder>"; // 在 Agent 循环中 if (usedTodo) roundsWithoutTodo = 0; else roundsWithoutTodo++; if (roundsWithoutTodo > 10) results.Insert(0, ContentBlock.CreateText(NAG_REMINDER));

这是"软约束"——不强制,但引导。模型仍然可以选择不用 Todo,但会收到温和的提醒。

实际工作流程

You: 重构 auth 模块、添加测试、更新文档 <reminder>对于多步骤任务请使用 TodoWrite。</reminder> 好的,我来规划这个多步骤任务。 > TodoWrite [ ] 重构 auth 模块 [ ] 添加单元测试 [ ] 更新 API 文档 (0/3 completed) 首先标记第一个任务为进行中: > TodoWrite [>] 重构 auth 模块 <- 正在分析现有代码结构... [ ] 添加单元测试 [ ] 更新 API 文档 (0/3 completed) 让我先看看 auth 模块的代码: > read_file: {"path":"src/Auth/AuthService.cs"} ... [分析后进行重构] > edit_file: {...} Edited src/Auth/AuthService.cs 重构完成,更新 todo: > TodoWrite [x] 重构 auth 模块 [>] 添加单元测试 <- 正在为 AuthService 编写测试... [ ] 更新 API 文档 (1/3 completed) ...继续下一个任务...

深层洞察

约束既限制又赋能

这个模式在 Agent 设计中反复出现:

约束

赋能

max_tokens 限制

可管理的响应

工具 schema 限制

结构化调用

Todo 约束

复杂任务追踪

好的约束不是限制,是脚手架

外部化记忆

TodoManager 本质上是把模型的"工作记忆"外部化:

  • 内部记忆:模糊、会衰减

  • 外部记忆(Todo):精确、持久

这是一种认知卸载——让模型专注于当前任务,不用担心忘记整体计划。

状态机视角

每个 TodoItem 是一个简单状态机:

pending -> in_progress -> completed

"只能一个 in_progress" 的约束确保了线性执行——这对于 LLM 来说是最容易处理的模式。

运行示例

Mini Claude Code v2 (with Todos) - /path/to/project 输入 'exit' 退出。 You: 创建一个 REST API 项目:添加用户管理、产品管理、订单管理 好的,这是一个多步骤任务,我来规划: > TodoWrite [ ] 创建项目结构 [ ] 实现用户管理 API [ ] 实现产品管理 API [ ] 实现订单管理 API (0/4 completed) 开始第一个任务: > TodoWrite [>] 创建项目结构 <- 正在初始化 ASP.NET Core 项目... [ ] 实现用户管理 API [ ] 实现产品管理 API [ ] 实现订单管理 API (0/4 completed) > bash: {"command":"dotnet new webapi -n MyApi"} The template "ASP.NET Core Web API" was created successfully. ...

从 v2 到 v3

v2 解决了单个 Agent 的规划问题。但对于大型任务:

You: 探索整个代码库,然后重构 auth 模块

问题:

  1. 探索阶段产生大量输出(cat20 个文件)

  2. 这些细节填满了上下文

  3. 真正重构时,关键信息已经"被挤出去"了

这就是上下文污染。v3 将引入子代理——通过上下文隔离来解决这个问题。

总结

v2 的哲学:

让计划显式化。约束赋能复杂性。

一个简单的 TodoManager + 一个 TodoWrite 工具,就让 Agent 能够处理多步骤任务。这是"外部化认知"的典型应用。

下一篇

引入地址

http://www.jsqmd.com/news/1155092/

相关文章:

  • Claude Code本地CLI工具链实战指南:Node.js、Git与cc-switch深度配置
  • 2026成都逸程收名表,线上传图免费估价,到店/上门快速成交 - 逸程奢侈品回收中心
  • 拒绝隐形扣费!广州合扬黄金回收正规渠道种草 - 开心测评
  • UE5 纹理导入设置详解:从 Oodle 压缩到虚拟纹理的 10 个关键参数
  • 高精度ADC信号采集系统设计与优化
  • Android APK加固逆向:动静结合调试与so库内存Dump实战
  • 桌面AI助手实测:昔涟Agent从安装到实战的完整指南
  • pnpm Monorepo 下的 Vite 构建链路拆分与共享依赖治理
  • Gitee CodePecker 如何破解软件供应链安全的黑箱难题?
  • TPA3128D2与MSP432P401R实现高效音频处理方案
  • 源头厂家直供更省心——武汉国电西高电气变频互感器综合测试仪厂家直销优势解析 - HVHIPOT
  • 2026池州黄金回收白银回收铂金回收市民首选无隐形扣费正规备案回收门店联系方式推荐
  • OpenClaw 3.22深度解析:gRPC流式通信与Session隔离架构升级
  • OpenMetadata企业级元数据治理平台实战指南:构建可信数据上下文与AI就绪架构
  • YOLOv8蘑菇毒性识别检测系统(项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+环境配置+目标检测)
  • TLA2518与PIC18F46K20高精度ADC系统设计与优化
  • 终极指南:如何用HS2-HF_Patch一键解锁Honey Select 2完整游戏体验
  • 同款包差价3000元?2026郑州三大商圈名包回收价比对 - 每日生活报
  • 影刀RPA+Magisk在安卓4.4.4老旧设备上的无GUI自动化改造
  • 直流负载管理优化:G6D-ASI继电器与MKV58F1M0VLQ24的协同设计
  • AI Agent是什么?一文说清智能体的核心原理与落地场景
  • BilibiliDown:3步完成B站音频提取的终极免费方案
  • 基于MCP3202和PIC24EP的锂电池主动均衡方案设计
  • STM32F031K6与AD7490构建高性价比信号采集系统
  • 终极3D可视化工具F3D:为什么开发者都在转向这款快速轻量的开源解决方案
  • 基于MA12070与PIC18F96J65的高保真D类音频系统设计
  • 宝珀官方售后网点核验报告|官方服务地址及客服热线权威公布(2026年7月最新) - 亨得利中国服务中心
  • 银保监现场检查,运维拿不出完整巡检记录,当场记风险点
  • 上海黄金回收哪家好?正规黄金回收企业报价同步大盘价 - 讯息早知道
  • DeepSeek-V3中文注释:四层穿透法实现大模型代码可理解性重构