用途：这是一套面向 AI 会话连续性的任务管理方法，把任务当作“工作记忆”，在上下文压缩后仍能保留意图、顺序和协作分工。它不是 Linear/GitHub 等团队工单系统的替代品，而是本地执行状态：当前在做什么、下一步是什么、哪个代理负责。
主要能力：任务在压缩后完整保留主题、描述、依赖（blockedBy、blocks）、状态（pending、in_progress、completed）以及子代理分配。子代理分配须显式写在任务主题中，使用 [agent-name] 前缀，如 [engineer] Implement auth refresh endpoint、[reviewer] Review auth implementation for security、[tester] Validate auth flow end-to-end。后台代理可写 [reviewer:background] Security audit (task-id: abc123)，可恢复代理可写 (resume: a7227ac)。依赖用于编码顺序，如 Task 2 (blockedBy: 1)。
使用方式：开始工作前先查看 TaskList，了解当前状态；3 步以上的非平凡工作应建任务；开始前把状态设为 in_progress，完成后立即标记 completed，不要批量补记；发现后续事项作为新任务加入；完成一个任务后检查是否有被解除阻塞的任务。压缩上下文前确保任务反映：已完成、进行中（同一时间只保留一个 in_progress）、新发现、被阻塞及原因。任务结构：主题为 [agent] 祈使句动作，描述包含执行所需上下文、验收标准与约束，ActiveForm 用现在进行时。
协作模式：顺序交接（研究→实现→审查→测试，逐级 blockedBy）；并行执行（两个工程师任务并行，测试任务 blockedBy 两者）；迭代改进（实现→审查→修改→再审查）。
限制与反模式：不要无代理分配、不要用含糊主题、不要批量标记完成、不要对 3 步以上工作跳过任务、不要缺少依赖。不得把任务当作 Linear/GitHub 工单的替代，不得同时保留多个 in_progress。原文未提供具体安装命令、平台或收费信息。