AI 待办的 Agent 接入目标很明确：让 AI 工具通过稳定的结构化接口管理个人提醒、日历和联系人。

Agent 负责理解用户自然语言，AI 待办负责执行确定的数据操作。

接入方式

Agent 当前通过 ai-todo CLI 接入 AI 待办。

CLI 封装认证、参数格式和 JSON 输出，更适合作为 Agent Skill 的稳定工具入口。

Skill 集成

AI 待办提供 Skill 后，可以集成到 Claude Code、OpenClaw、Cursor 等工具中。

基本做法是把 skills/ai-todo/ 复制到 Agent 的 skills 目录，并在 Skill 说明中约束：

• 所有读取、创建、更新命令默认使用 --json；
• 创建前先解析用户意图、时间、联系人和事项类型；
• 创建后把返回的结构化结果总结给用户；
• 对模糊时间、联系人歧义和高风险操作先确认。

推荐工作流

用户输入：

明天十点提醒我给王总发报价确认邮件。

Agent 执行：

ai-todo contact search "王总" --json

ai-todo reminder create \
  --title "给客户王总发报价确认邮件" \
  --due "2026-06-09T10:00:00+08:00" \
  --contact <contact_id> \
  --json

Agent 回复：

已创建提醒：2026-06-09 10:00 给客户王总发报价确认邮件。

事项分类判断

Agent 在创建数据前，需要先判断用户意图属于哪类事项：

用户表达	推荐类型	判断依据
周五前提交报销	提醒事项	有截止时间，但不占用固定时间段
明天 14:00 开会	日历	明确时间点发生
下周找王总确认报价	提醒事项 + 联系人	有行动项，并需要联系人上下文
帮我记录李华的邮箱	联系人	维护人员信息

Agent 调用原则

Agent 调用 AI 待办时，应遵循以下原则：

• 结构化优先：能用字段表达的内容不要塞进备注。
• 联系人先查后建：避免同一联系人重复创建。
• 时间必须明确：相对时间要转换成带时区的绝对时间。
• 写操作要可解释：创建、修改、删除后必须向用户说明结果。
• 删除类操作要确认：避免 Agent 误删用户数据。

典型办公场景

邮件处理：

Agent 读取邮件 -> 提取行动项 -> 创建提醒 -> 必要时关联联系人

会议纪要：

Agent 读取会议纪要 -> 提取负责人、截止时间和行动项 -> 创建提醒或日程

日程安排：

用户提出会议需求 -> Agent 检索联系人 -> 创建日历 -> 给用户返回时间、地点和参与人

联系人维护：

用户提供名片或邮件签名 -> Agent 提取姓名、邮箱、手机号和公司 -> 创建或更新联系人

边界

AI 待办不负责自然语言理解、长期记忆推理和跨系统编排。

这些能力应由 Agent 处理。AI 待办只提供可靠的数据模型、权限隔离、审计记录和确定性接口。