# Przepływ oparty na zadaniach
SUMMARY: Wykorzystanie zadań Synapse do napędzania wieloetapowych przepływów LLM, które przetrwają między sesjami.

Przepływ oparty na zadaniach
Zadania to nie tylko todo — to kręgosłup trwałych przepływów LLM. Tworząc zadania
dla wieloetapowej pracy, zapewnia się ciągłość między sesjami i dostarcza ścieżki
audytowe tego, co zrobiono.
Dlaczego przepływ oparty na zadaniach?
Bez zadań:
- LLM zaczyna każdą sesję niepewny, co robić
- Wieloetapowa praca jest zapominana w połowie wykonania
- Brak zapisu tego, co zostało zrobione
Z zadaniami:
- LLM natychmiast wznawia zadania w toku
- Wieloetapowa praca przetrwa między sesjami
- Wbudowana ścieżka audytowa całej pracy
Wzorzec
[CODE BLOCK]
Implementacja
Krok 1: utworzenie zadania dla wieloetapowej pracy
[CODE BLOCK]
Krok 2: śledzenie postępu w opisie zadania
[CODE BLOCK]
Krok 3: wznawianie między sesjami
[CODE BLOCK]
Krok 4: ukończenie i archiwizacja
[CODE BLOCK]
Pełny przykład: przepływ wdrożenia
[CODE BLOCK]
Hierarchia zadań
Dla złożonej pracy używać relacji zadań nadrzędnych-podrzędnych:
[CODE BLOCK]
Wyszukiwanie podzadań:
[CODE BLOCK]
Przepływ statusu
[CODE BLOCK]
Pending
Zadanie utworzone, ale nierozpoczęte. Używać do planowanej pracy.
In Progress
Obecnie realizowane. Aktualizować opis o postęp.
Done
Ukończone pomyślnie. Opis powinien zawierać podsumowanie.
Cancelled
Porzucone. Opis powinien zawierać powód.
Najlepsze praktyki
> [!TIP]
> - Tworzyć zadania dla wieloetapowej pracy — jednoetapowa praca nie wymaga zadania
> - Aktualizować opis o postęp — umożliwia wznowienie
> - Używać wysokiego priorytetu dla aktywnej pracy — wyróżnia się w recall
> - Ukończyć zadania po zrobieniu — nie zostawiać ich w inprogress
> - Zapisywać podsumowania ukończenia jako wspomnienia — długoterminowe odniesienie
Typowe wzorce
Wzorzec: przepływ naprawy błędu
[CODE BLOCK]
Wzorzec: przepływ badawczy
[CODE BLOCK]
Następne kroki
- Wzorzec początku sesji
- Wzorzec odpytywania czatu
- Odzyskiwanie po błędach