把任务丢给7B小模型，它只让你做第一步|key|python|显式标识|调用|路由

待办清单越堆越重的时候，Slothlist 反着来：它不帮你把所有事排完，只给一个温和的第一步、几个小动作，外加一句"剩下的可以先等着"。

这个工具会先问你两件事——现在有多少精力、能拿出多少时间，然后围绕这两个限制，生成一份紧凑的计划。作者对它的定位刻意做得很小：当一份待办清单让人感到沉重时，先把"下一步该做什么"这个决策成本降下来。

流程并不复杂。浏览器把任务文本、精力水平、时间预算，以及可选的记忆偏好发给一个跑在本机的 Python 服务；服务端调用 Backboard 的 Threads Messages API，要求返回结构化的 JSON 计划。默认路由走 OpenRouter，模型是 Qwen2.5 7B Instruct。

服务端请求的核心字段包括内容、系统提示词、模型提供方、模型名，以及几个开关：json_output 设为 True，stream 设为 False，记忆则根据用户是否勾选偏好记忆，在 "Auto" 和 "off" 之间切换。

安全边界上，作者只做了一件小事，但很关键：Backboard 的 API key 放在本地、被 Git 忽略的 .env 文件里，由服务端读取，从不进入浏览器 JavaScript。浏览器能看到的只有计划响应，凭证始终留在服务端，由它发起带认证的请求。

偏好记忆复选框默认关闭。每次生成计划都会使用一个托管在 Backboard 的 thread，也就是说，请求计划时任务文本会被发送到 Backboard。当前版本需要联网，任务内容并不会完全留在本机。

默认模型是开放权重的 Qwen，这给这个小规划器留出了改动空间：可以换一条兼容的模型路由、对比输出、调整提示词，而不必把产品思路绑死在某个闭源模型家族上。

但开放权重本身并不会让这套方案变得私密或离线。API 调用和托管 thread 都由 Backboard 处理，数据流仍在云端。眼下的好处是模型可选、可替换；本地推理模式属于另一个未来的步骤。

作者还特意区分了两件事：配置好 key，和集成真正跑通。界面和 API 桥接已经就位，但本地演示仍需一次成功的端到端 Backboard 响应，才能说规划流程已经验证。他把这个限制明确写了出来，而不是拿一张界面截图当作推理成功的证据。

运行方式是标准的小项目组合：Python 加原生 JavaScript。在 .env 里填入 Backboard key，启动 server.py，打开服务打印出的本地地址即可。key 可以在 Backboard 面板的 Settings → API Keys 里创建。作者也提醒，不要提交 .env，也不要把 key 贴进前端代码。

这是他为"Slow and Steady"主题提交的作品，目标只有一个：让开始做一件事，稍微没那么费劲。