本技能用于在长任务执行期间,定期生成并输出任务进展报告。
/root/.openclaw/workspace/reports/progress/task_progress_report.md当用户要求开启任务进展汇报时,使用以下步骤:
```bash
mkdir -p /root/.openclaw/workspace/reports/progress
```
每次汇报时,按以下格式生成内容:
简短消息(直接发送给用户):
【任务进展 X/Y】
✅ 已完成:[关键成果简述]
🔄 正在:[当前进行的工作]
⏱️ 预计:[剩余时间/工作量估计]
💡 建议:[如有可执行建议]
📄 详细报告:/root/.openclaw/workspace/reports/progress/task_progress_report.md
详细报告文件(Markdown格式):
# 任务进展报告 - [任务名]
## 执行摘要
- 开始时间:[timestamp]
- 当前进度:[X/Y] 或 [X%]
- 已用时间:[duration]
- 预计剩余:[remaining]
- 状态:[正常/警告/阻塞]
## 已完成工作
1. [具体完成项1]
2. [具体完成项2]
...
## 当前进行
[详细描述当前正在执行的操作]
## 遇到的问题
| 问题 | 严重程度 | 解决方案 |
|------|----------|----------|
| [问题1] | [高/中/低] | [建议] |
## 下一步计划
1. [接下来要做的事]
2. [...]
## 关键指标
- [指标1]: [值]
- [指标2]: [值]
## 资源使用
- CPU: [X%]
- 内存: [X%]
- 磁盘: [X%]
- 网络: [如有相关]
---
更新时间: [timestamp]
任务完成时:
用户:帮我训练一个模型,记得定时汇报进展
→ 启动进展汇报
→ 每5分钟生成报告:
简短消息:
【任务进展 Epoch 3/10】
✅ 已完成:前3个epoch训练,loss从2.3降至1.1
🔄 正在:第4个epoch训练中
⏱️ 预计:还需约12分钟完成全部训练
💡 建议:当前学习率合适,可继续保持
📄 详细报告:/root/.openclaw/workspace/reports/progress/task_progress_report.md
用户:处理这10万条数据,有进展告诉我
→ 启动进展汇报
→ 按批次(如每1万条)或按时间间隔汇报
用户:执行这个多步骤分析任务,每一步都汇报
→ 在每个阶段完成时汇报
→ 阶段转换时特别标注
使用 /root/.openclaw/workspace/skills/task-progress-report/scripts/generate_report.py 辅助生成报告:
# 示例调用
python generate_report.py \
--task-name "模型训练" \
--progress "3/10" \
--status "normal" \
--summary "loss下降良好" \
--details "详见文件"
共 1 个版本