- 提供AI agent运行框架，用户通过编写小程序，去实现特定目标。
AI agent，简单说就是给AI设定目标，它自己会拆解任务、调用工具、反复执行直到完成，就像个自动化的智能助手。不少公司追求通用解决方案，意味着拆解任务、调用工具，都是自动化的。launcher实现的是种具体化目标方案，即开发者知道这次AI agent要解决那种目标，然后写个aiagent任务把这目标进行拆解，在每个阶段，知道要调什么工具。
在图1，由小程序实现的、类型是aiagent的“添加任务提醒”，它负责拆解任务，到哪个阶段了，去调用哪个工具。
浙江学校，初三第一学期，学期过了一半，要物理考试。做个从今天10点开始，后面每天从8点起，连续2天的学习计划。每天最晚到21点。每个时间段间隔不要小于1小时。时间要连续，需列出不学习的休息时间，但小于半小时的不要列。做成三列表格，第一列是数字，像1表示第1天，2表示第2天，依此类推。第二列是时间段，类似8:00-9:30。第三列是要做的事，描述事时不要超过40个字。
这个问题是“添加任务提醒”这个AI agent可以实现的目标。以它为例，看AI agent如何工作。
- 向Deepseek提问，得到各时间段下的学习计划。系统提供了AI驱动，AI驱动一个功能是向外提供NLP大模型client。
- 从大模型回答得到的各时间段学习计划是文字格式，“添加任务提醒”把它转化为后面“定时任务”小程序需要待增加任务。
- 以待增加任务为输入变量，“添加任务提醒”调用“定时任务”小程序。也就是上面说的工具。它会把待增加任务加入到kLink定时任务，于是每到时间段开始时刻，设备便会重复式语音提醒。
整个过程，会涉及到三种小程序任务。
- aiagent任务负责拆解目标，并调用相应工具。它由AI agent开发者自个编写。
- AI驱动负责提供NLP大模型访问。极可能不必自写，像aplt.leagor.basic就提供了个连向Deepseek的AI驱动。
- 工具类任务，负责阶段性操作。像上面阻塞式(block)类型的“定时任务”。开发者可以自写，也可用他人提供的。