上午在调试一个东西，跟 AI 说了一句话：
「帮我研究一下国内外电动车市场，出一份800字的分析报告。」
然后我去泡了杯茶。
回来的时候发现——它自己拆了三个子任务，拉出两个研究员角色同时干活，一个查国内数据，一个跟海外竞品；等两边都做完，第三个写手角色才开始合并。全程没问我任何问题。
这就是 Hermes 的 Kanban 功能，刚出的。
01 | 以前 AI 做多步任务，为什么总让人不踏实
大模型单独干一件事还好，一旦任务复杂起来，就开始出问题。
最常见的两种：一是来来回回找你确认，「请问这部分要展开吗？需要引用数据吗？」——它越问你越烦；二是闷头干完，结果根本不对，你没法在中途插手，更不知道它现在干到哪一步了。
根本原因不是模型不聪明，是缺一个让任务能被追踪、能被干预的地方。
你不需要 AI 更聪明，你需要一块你们都看得见的白板。
02 | Kanban：AI 版任务看板
Kanban 是项目管理里常见的看板模式，TRIAGE → TODO → READY → IN PROGRESS → DONE，任务从左往右流动。Hermes 把这套机制搬进了 AI 工作流里。
区别在于：这里的执行者是 AI 角色，不是真人。每个任务可以指定 assignee（比如 researcher-a、writer），任务之间可以设依赖，上游没完成，下游就停在 TODO 不动。
看板总览：6 列状态，3 个任务分布其中，DONE 列有 2 个，READY 列有 1 个等待认领
这张是真实的运行截图。三个任务：两个研究员的活已经完成，DONE 列里躺着；写手任务自动升到了 READY，等着被 AI 认领执行。
03 | 一个真实演示：电动车市场报告
我搭了这样一个任务链：
→ researcher-a：搜集国内电动车市场数据（2022-2024）
→ researcher-b：整理海外竞品动态（特斯拉/BYD出海）
→ writer：合并两份研究，输出分析报告（依赖前两个）
两个研究任务并行跑，writer 的任务自动等待——只要有一个没完成，它就停在 TODO 里，不会提前开始合并空数据。
在 writer 任务开始前，我在评论里给了一条指令：
重点突出国内外价格差异，结尾给出三个投资建议，报告控制在800字以内
写手任务详情：状态 READY，依赖上游两个任务，评论里有人工指令，事件日志完整
这条评论会被 AI 在执行时读到。不需要重新描述整个任务，补一句话就够了——这是 Kanban 最实用的地方：人可以随时插一句，AI 下次执行时自动看到。
04 | 两个研究员干完了什么
researcher-a 搜集完国内数据后，在任务 Run History 里写了一条汇报：
研究员A任务：状态 DONE，Run History 里有执行摘要，注明国内数据整理完毕
researcher-b 处理完海外竞品后也留了记录：
研究员B任务：状态 DONE，Run History 里记录了特斯拉/BYD出海相关数据
这两条汇报不只是「完成」的标记，会作为上下文传给下游的 writer。写手拿到的不是空白，是两份已整理好的素材加摘要。
05 | 什么场景用起来最顺手
用了一段时间，感觉三类任务最合适：
研究类：需要多个方向并行搜集，汇总再输出。比如竞品调研、选题策划、行业分析。
例行类：每天/每周重复跑的任务，比如整理新闻摘要、监控数据变化。建好看板，挂一个 cron，每天早上看结果就行。
批量类：同一类任务跑几十上百次，比如批量生成文案、分析一堆文档。Kanban 能看到每一条的状态，出错了不用全部重跑，单条修完再推。
有个地方我觉得设计得很好：BLOCKED 列。任务碰到需要人工决策的问题，AI 会把自己移到 BLOCKED，加注说明，然后停下来等你。这比它自己猜一个往下跑，再后来发现全跑歪了，要省事多了。
06 | 说实话
这个功能我用起来有一个门槛：你得想清楚怎么拆任务。跟AI说「帮我写一个报告」跟「帮我先搜集数据、再整理竞品、再合并输出」，用 Kanban 的结果差距很大。
但这个门槛本身有价值——逼着你在开口之前先想清楚，活该怎么分，谁先干，谁等谁。这个思路练熟了，不管是用 Kanban 还是直接对话，都会更清晰。