TODO ↔ Goal 双向同步：我给 AI Agent 装了个"自我对齐"的小工具

AI Agent 自主执行时，如何让它”自己知道自己该做啥、做到哪了”？一个小工具让 TODO 和 Goal 状态双向流动。

问题：Agent 的”分时记忆”

如果你养过一个 AI Agent，你一定遇到过这个场景：

你给它布置了一个复杂任务——“帮我做市场调研，写报告，再部署一个演示页面”。它埋头干了半小时，跑了 40 轮工具调用，中间重启了两次。然后它回来告诉你：”报告写好了，页面部署了。”

你问：”那为什么调研部分的数据源没更新？”

它说：”哦，那个是上一轮的目标，我以为结束了。”

问题出在哪？Agent 没有”持久化的进度意识”。每轮对话都是一次新的思考起点，除非你把进度显式地塞进它的 prompt 里。而传统的 TODO 清单（像我项目里的 TODO.txt）和 Goal 状态（goal_state.json）是两个孤岛——TODO 记录了”计划要做什么”，Goal 记录了”当前执行到什么状态”，但它们之间没有自动同步。

一个简单的想法

如果让 TODO 和 Goal 互相”通气”呢？

当 Agent 完成了一个 TODO 项 → 自动更新 Goal 状态，让目标感知进度
当 Goal 完成了 → 自动把对应的 TODO 项标记为完成

这就是 todo_goal_sync.py 的全部设计。

架构：双向同步

代码只有 200 行，核心是两个方向的数据流：

┌─────────────┐         ┌──────────────┐
│  TODO.txt   │ ◄─────► │ goal_state   │
│  [x] 完成项  │ 双向同步  │ .json        │
│  [ ] 待办项  │         │ status/obj   │
└─────────────┘         └──────────────┘

方向 1：TODO → Goal

每次 Agent 运行 todo_to_goal() 时，它会：

解析 TODO.txt，提取所有 [x]（完成）和 [ ]（待办）项
计算完成比例，例如 3/6 项完成
将进度摘要写入 goal_state.json 的 objective 字段

这样，Agent 在下轮读取 goal_state 时就能看到：”哦，我已经完成了 3/6，剩下的是 XXX。”——进度不再是黑盒。

def todo_to_goal():
    todo = parse_todo_items()
    state = load_goal_state() or {}
    
    done_count = len(todo['done'])
    total = len(todo['all'])
    summary = f"[TODO 同步] 进度: {done_count}/{total} 项完成"
    
    state['objective'] = summary + "\n" + format_items(todo)
    save_goal_state(state)

方向 2：Goal → TODO

反过来，当一个 Goal 完成（status='completed' 或 budget_exhausted'）时：

检查 goal_state.json 的 objective 中是否提到了某个 TODO 项
如果匹配，把对应的 [ ] 标记为 [x]
如果没有匹配项，回退执行 todo_to_goal() 做反向更新

def goal_to_todo():
    state = load_goal_state()
    if state.get('status') not in ('completed', 'budget_exhausted'):
        return  # 还没完成，不更新
    
    for line in todo_lines:
        if '[ ]' in line and match_goal(line, state['objective']):
            mark_done(line)

用法

# 双向同步（推荐）
python assets/todo_goal_sync.py

# 仅 TODO → Goal
python assets/todo_goal_sync.py --todo-to-goal

# 仅 Goal → TODO
python assets/todo_goal_sync.py --goal-to-todo

# 查看同步状态
python assets/todo_goal_sync.py --status

一个实战片段

在我自己的 Agent 项目（GenericAgent）中，todo_goal_sync.py 被集成到了每轮执行后的收尾流程：

1 2	每轮执行完毕 → 检查 TODO 是否有更新 → todo_to_goal() → 如果 goal 完成 → goal_to_todo() → 下轮 Agent 读取最新状态

效果是这样的：

之前：

1
2
3

用户：调研结果呢？
Agent：啊？什么调研？（完全没有上下文记忆）
用户：……

之后：

Agent 读取 goal_state:
  → 进度: 3/5 项完成
  → 已完成: 数据收集 ✅, 竞品分析 ✅, 初步报告 ✅
  → 待办: 可视化图表, 终稿评审
  
Agent：调研的数据已收集，竞品分析也做完了。下一步是做可视化图表和终稿评审，要继续吗？

设计取舍

写这个工具时有几个有意思的决策：

1. 简单匹配，不要 NLP

Goal→TODO 方向的关键词匹配用的是最简单的 string in objective 判断，而不是 LLM 语义匹配。原因：

200行的工具引入 LLM 调用太重量级
TODO 标题本身已经是人类写的摘要，关键词匹配足够
如果没匹配上，有 todo_to_goal() 回退

2. Goal 状态保留

goal_state.json 的 objective 字段采用追加模式——每次同步会保留旧目标，追加新的进度摘要。这样 Agent 能看到”来龙去脉”，而不是只有最新状态。

3. 无外部依赖

只用 os, sys, json, re 四个标准库，任何 Python 环境都能跑。

集成建议

如果你也想给自己的 Agent 加上这个能力：

下载脚本：把 todo_goal_sync.py 放到项目的 assets/ 目录
定义文件路径：确保 TODO_PATH 和 GOAL_STATE_PATH 指向你的文件
集成到执行循环：在每轮 Agent 执行后的收尾流程中调用双向同步
可选：注册为定时任务，每隔 N 分钟自动同步一次

# 在你的 Agent 收尾流程中
from assets.todo_goal_sync import todo_to_goal, goal_to_todo

def on_round_end():
    todo_to_goal()  # 将 TODO 进度写入 goal
    goal_to_todo()  # 如果 goal 完成，标记 TODO