task-progress-report

name	task-progress-report
description	在运行长任务时，同步开启"任务进展汇报"功能，定时输出当前任务进展情况。当用户提到"汇报进展"、"定时报告"、"任务进度"、"长时间运行"、"监控任务状态"或需要了解长时间任务的执行情况时，使用此技能。特别适用于模型蒸馏、数据训练、批量处理、爬虫任务等需要长时间运行的场景。

Task Progress Report - 任务进展汇报

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。

功能概述

• 定时汇报：按设定间隔自动生成进展报告
• 智能输出：简短结论直接显示，详细内容保存文件
• 文件归档：完整报告保存至 /root/.openclaw/workspace/reports/progress/task_progress_report.md

使用方法

1. 启动任务进展汇报

当用户要求开启任务进展汇报时，使用以下步骤：

1. 确认任务信息：

   • 任务名称/描述
   • 预计总时长或总工作量
   • 汇报间隔（默认每5分钟）
   • 关键检查点（可选）

2. 初始化报告文件：

   mkdir -p /root/.openclaw/workspace/reports/progress
   

3. 启动定时汇报（使用 qqbot-cron 或其他定时机制）：

   • 设置定时任务，按指定间隔触发汇报
   • 每次汇报时调用本技能的报告生成逻辑

2. 生成进展报告

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]

3. 结束汇报

任务完成时：

1. 生成最终报告
2. 总结关键成果
3. 清理定时任务（如需要）

输出策略详解

何时使用简短消息

• 常规进展汇报
• 状态正常无异常
• 用户只需要了解概况

何时包含可执行建议

• 检测到潜在问题
• 发现优化机会
• 需要用户决策

详细报告更新规则

• 追加模式：保留历史记录，便于追溯
• 关键信息置顶：最新状态放在文件开头
• 日志式记录：每次更新添加时间戳

示例场景

场景1：模型训练任务

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

场景2：批量数据处理

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

场景3：多阶段任务

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

脚本工具

报告生成脚本

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"

最佳实践

1. 汇报频率：根据任务总时长设置合理间隔

   • < 30分钟：每5分钟
   • 30分钟-2小时：每10分钟
   • 2-8小时：每30分钟

   • 8小时：每1小时

2. 信息粒度：

   • 简短消息 ≤ 100字
   • 详细报告可完整记录

3. 异常处理：

   • 发现异常立即汇报，不等待定时点
   • 明确标注问题严重程度和解决方案

4. 文件管理：

   • 任务完成后可选择归档报告
   • 长期运行的任务可按日期分割报告文件