不要小看一个简单的纯文本计划。它或许能跨越智能体、云端和工具——几乎不费力气地给你一个结果。

我每天要处理一堆事情——营销、财务、运营、内容。目前还没有能够协调所有这些的 AI 基础设施，要么就得花大价钱。所以我构建了 Notal。它是一个同时充当 MCP 服务器的 Markdown 笔记本。你只需用纯文本写一次计划。智能体从中拉取任务：它们领取一个活动，执行工作，遇到阻塞时提问，并记录结果。全部来自一个 Markdown 页面。这个循环是故意设计得简单：智能体醒来（Cursor、Claude Code、cron、GitHub Actions，任何触发机制），通过 MCP 调用 Notal。`activities_list_actionable` 只返回当前到期的任务——不是整个笔记本，只是队列。智能体领取一个活动，读取提示/角色/依赖项，在自己的环境中用自有工具执行工作。`activities_log` 存储成功、错误、阻塞状态、证据、下一个到期窗口。队列向前推进。重复直到队列为空。下一个调度窗口，任务会自动重新出现。我一直在思考的一点：大多数编排器只包裹一个运行时。Notal 是每个运行时都读取的计划文件。Claude、Cursor、Codex、Goose、Hermes、LangGraph、自定义工作器——它们都读取同一个笔记本。这周我发布了：阻塞提问（智能体暂停并提问，你回答后它继续）、全局问题面板、活动领取（原子操作，两个智能体不会抢同一任务）、智能体元数据、进行中仪表盘，以及真实工作流的市场示例。无论智能体在哪里运行——云端、本地、IDE——都读取同一个笔记本作为工作来源。我可以在手机上查看智能体在做什么，回答阻塞问题，解除任务阻塞，保持循环运行。这不是一个框架。不是运行时包装器。它是每个运行时都读取的计划文件。缺少什么？对于这样的设置，你希望有什么功能？真的很好奇——尤其是那些已经运行多智能体循环、并遇到"聊天不断挂掉"问题的人们。