AI 不再只是執(zhí)行你的指令，它開始管理自己的項(xiàng)目了。
這是 Anthropic Claude Code 團(tuán)隊(duì)成員 Thariq Shihipar 在 2026 年悄悄發(fā)出的一條技術(shù)更新公告里，藏著的一個(gè)巨大信號(hào)。大多數(shù)人劃過(guò)去了，沒有停下來(lái)。
Claude Code 宣布：將 Todos 升級(jí)為 Tasks。
表面看，這是一次工具迭代。但如果你真正理解這次升級(jí)背后發(fā)生了什么，你會(huì)意識(shí)到：AI Agent 的能力邊界，正在向一個(gè)方向悄悄蔓延——那個(gè)方向，過(guò)去叫做“項(xiàng)目管理”，是人類管理者的核心地盤。
這個(gè)事實(shí)，正在重寫每一位 CEO 的商業(yè)假設(shè)，和每一位 CTO 的產(chǎn)研邏輯。
一、為什么 Todos 不夠用了？
要理解這次升級(jí)的重量，先要理解 Todos 的時(shí)代背景。
過(guò)去，AI 編程工具里的 Todo 機(jī)制，本質(zhì)上是一種“提醒便條”——幫助 AI 在有限的上下文窗口里記住自己還有哪些事沒做完。它的存在，是因?yàn)槟Ｐ托枰惶嵝选?/p>
Thariq 在公告里說(shuō)了一句話，我覺得是整篇文章最值得反復(fù)咀嚼的一句：
“Compared to previous models， Opus 4.5 is able to run autonomously for longer and keep track of its state better. We found that the TodoWrite Tool was no longer necessary because Claude already knew what it needed to do for smaller tasks.”
翻譯過(guò)來(lái)是：Todo 工具對(duì)于小任務(wù)已經(jīng)不再必要，因?yàn)?Claude 已經(jīng)自己知道該做什么了。
這句話的震撼之處不在于技術(shù)，而在于它描述了一種認(rèn)知能力的質(zhì)變。一個(gè)系統(tǒng)從“需要被提醒”到“自己記得”，這不是效率提升，這是自主性躍遷。
但隨之而來(lái)的挑戰(zhàn)也出現(xiàn)了：當(dāng)任務(wù)變得更復(fù)雜，當(dāng)項(xiàng)目跨越多個(gè) context window、多個(gè) subagent、多個(gè) session，AI 面臨的不再是“記不記得”的問(wèn)題，而是跨主體協(xié)調(diào)的問(wèn)題——這恰恰是人類組織數(shù)十年來(lái)最頭疼的問(wèn)題。
所以 Todos 不是被淘汰了，而是進(jìn)化了。它進(jìn)化成了 Tasks。
二、Tasks 的三個(gè)技術(shù)突破，每一個(gè)都在對(duì)標(biāo)人類組織
Tasks 不是 Todos 的加強(qiáng)版，它是一次底層架構(gòu)的重構(gòu)。理解它的三個(gè)核心設(shè)計(jì)，你會(huì)看到一幅熟悉的圖景——它在用技術(shù)語(yǔ)言，重新描述人類組織的協(xié)作機(jī)制。
1. 依賴管理：任務(wù)之間有了因果關(guān)系
Todos 是一個(gè)平鋪的清單，Tasks 之間可以聲明依賴關(guān)系（dependencies）。Task B 需要等 Task A 完成才能啟動(dòng)，Task C 如果遇到 blocker 可以顯式標(biāo)記。
這聽起來(lái)像什么？像甘特圖。像 JIRA 里的 epic 和 story 的層級(jí)關(guān)系。像任何一個(gè)成熟研發(fā)團(tuán)隊(duì)用來(lái)管理項(xiàng)目的協(xié)作工具。
AI 在給自己建了一套項(xiàng)目管理系統(tǒng)。
這只是開始。
2. 持久化存儲(chǔ)：跨會(huì)話的記憶
更大的變化，在記憶里。
Tasks 存儲(chǔ)在文件系統(tǒng)中（~/.claude/tasks），而不是存在內(nèi)存里。這意味著任務(wù)狀態(tài)在會(huì)話結(jié)束后不會(huì)消失，下一次啟動(dòng)的 Claude 可以接著上次的進(jìn)度繼續(xù)。
過(guò)去，每次開新會(huì)話，AI 是“失憶”的——你需要重新交代背景，重新建立上下文?，F(xiàn)在，任務(wù)狀態(tài)作為持久化的事實(shí)存在，AI 可以真正做到“上次講到哪了，這次繼續(xù)”。
這是 AI 從“工具”向“同事”轉(zhuǎn)變的關(guān)鍵一步。同事之所以比工具更有價(jià)值，正是因?yàn)樗麄冇杏洃?、有歷史、有延續(xù)性。
但即便如此，單個(gè) Agent 的記憶只是起點(diǎn)。真正的挑戰(zhàn)，是多個(gè) Agent 同時(shí)工作時(shí)，誰(shuí)來(lái)協(xié)調(diào)？
3. 多 Agent 廣播協(xié)作：分布式團(tuán)隊(duì)的協(xié)調(diào)機(jī)制
這是最讓我震撼的設(shè)計(jì)。當(dāng)多個(gè) subagent 或 session 同時(shí)工作在同一個(gè) Task List 時(shí)，其中任何一個(gè) agent 更新了 Task 狀態(tài)，這個(gè)變更會(huì)廣播給所有正在工作的 session。
Thariq 寫道：
“When one session updates a Task， that is broadcasted to all sessions currently working on the same Task List.”
這是什么？這是異步通知機(jī)制。這是分布式系統(tǒng)里的事件驅(qū)動(dòng)架構(gòu)。這是人類項(xiàng)目協(xié)作里的“狀態(tài)同步”——當(dāng)一個(gè)團(tuán)隊(duì)成員完成了某項(xiàng)工作，整個(gè)團(tuán)隊(duì)都應(yīng)該知道，然后才能推進(jìn)下一步。
AI 不是在模擬項(xiàng)目管理，它是在原生實(shí)現(xiàn)項(xiàng)目管理的底層邏輯。
三、unhobble：一個(gè)詞，照見了所有組織的困境
你有沒有想過(guò)，AI 的能力瓶頸，從來(lái)不是模型本身？
Thariq 在公告里用了一個(gè)詞：unhobble——解除束縛。Anthropic 的判斷是：Opus 4.5 已經(jīng)有了更強(qiáng)的自主運(yùn)行能力，但這種能力被舊的工具框架鎖住了。TodoWrite 的設(shè)計(jì)預(yù)設(shè)了“模型需要被提醒”，而現(xiàn)在的模型已經(jīng)不需要了。工具沒有跟上模型，模型的潛力就被白白浪費(fèi)。
這是 Anthropic 工程師的自我反省，也是一個(gè)深刻的隱喻。
一個(gè)系統(tǒng)的能力上限，不是由最強(qiáng)的組件決定，而是由最落后的約束決定。
Tasks 的誕生，是 Anthropic 主動(dòng)打破自己舊有約束的結(jié)果。他們沒有等 Todos 用到徹底失效，而是在模型能力擴(kuò)張的臨界點(diǎn)，提前重新設(shè)計(jì)了工具層的底層邏輯。這種“主動(dòng) unhobble 自己”的意識(shí)，比 Tasks 本身更值得被記住。
現(xiàn)在，把這個(gè)問(wèn)題反打給你——
你的組織里，有沒有在用舊的流程框架，束縛著新的人才潛力？
那套沿用多年的需求評(píng)審流程、那個(gè)以代碼行數(shù)衡量產(chǎn)出的績(jī)效體系、那個(gè)假設(shè)“溝通靠會(huì)議”的協(xié)作模式——它們當(dāng)初的存在是有道理的，就像 TodoWrite 在舊模型時(shí)代的存在是有道理的。但如果你的團(tuán)隊(duì)能力已經(jīng)進(jìn)化，而框架還停在原地，你正在做的事就叫 hobble——把自己最好的人，套上了最舊的轅具。
這才是 Tasks 升級(jí)真正想讓我們看見的東西。
它不只是一次工具迭代。它是一面鏡子。
四、致 CEO：當(dāng) AI 開始管項(xiàng)目，你的商業(yè)邏輯要重寫哪里？
我知道很多 CEO 看到這里會(huì)說(shuō)：這是工程師的事，我不需要懂技術(shù)細(xì)節(jié)。
但我想說(shuō)：Tasks 升級(jí)這件事，觸動(dòng)的不是技術(shù)細(xì)節(jié)，而是你公司的商業(yè)底層假設(shè)。
假設(shè)一：人力成本是項(xiàng)目推進(jìn)速度的主要約束
過(guò)去，一個(gè)項(xiàng)目要快，答案幾乎只有一個(gè)：加人。更多工程師，更快交付。整個(gè)融資邏輯、團(tuán)隊(duì)擴(kuò)張邏輯、期權(quán)激勵(lì)邏輯，都建立在這個(gè)假設(shè)上。
但當(dāng) AI 可以跨會(huì)話、跨 subagent 自主協(xié)調(diào)完成復(fù)雜項(xiàng)目時(shí)，這個(gè)假設(shè)開始松動(dòng)。速度的約束，從“有多少人”轉(zhuǎn)變?yōu)椤坝卸嗲逦娜蝿?wù)定義和多高質(zhì)量的決策輸入”。
這不是小事。
這意味著：你的核心競(jìng)爭(zhēng)力，不再是人才密度，而是問(wèn)題定義能力。 能把一個(gè)復(fù)雜業(yè)務(wù)問(wèn)題拆解成結(jié)構(gòu)化、有依賴關(guān)系的任務(wù)樹的人，將成為組織里最稀缺的資源。
假設(shè)二：項(xiàng)目管理是一個(gè)需要大量中間層的人力密集型職能
需求評(píng)審、排期協(xié)調(diào)、進(jìn)度跟蹤、跨團(tuán)隊(duì)同步——這些消耗著大量項(xiàng)目經(jīng)理、產(chǎn)品經(jīng)理和工程 lead 的精力。
當(dāng) AI Tasks 能夠原生支持依賴管理和狀態(tài)廣播，這些工作中的大量機(jī)械性協(xié)調(diào)工作將被替代。留下來(lái)的，是那些需要真實(shí)人類判斷的部分：需求是否正確、優(yōu)先級(jí)是否合理、用戶價(jià)值是否真實(shí)。
CEO 需要思考的不是“我的 PM 會(huì)不會(huì)失業(yè)”，而是“我的組織結(jié)構(gòu)是否還適配這個(gè)新的人機(jī)協(xié)作模式”。
假設(shè)三：AI 只是輔助工具，最終決策還是人來(lái)做
這個(gè)假設(shè)還成立——但它的邊界正在快速收縮。當(dāng) AI 可以自主完成跨 session 的復(fù)雜項(xiàng)目，你會(huì)發(fā)現(xiàn)：很多你以為是“決策”的事情，其實(shí)只是“執(zhí)行中的信息整合”，而這恰恰是 AI 越來(lái)越擅長(zhǎng)的事。
真正屬于人類的決策，只剩下那些需要價(jià)值判斷、商業(yè)直覺和責(zé)任承擔(dān)的部分。 如果你今天還在親自盯著執(zhí)行細(xì)節(jié)，你正在用最貴的資源，做最不該自己做的事。
給 CEO 的一條核心建議： 下次開戰(zhàn)略會(huì)，試著把討論的目標(biāo)用“任務(wù)樹”的方式寫出來(lái)——哪些任務(wù)有依賴關(guān)系，哪些可以并行推進(jìn)，哪些是當(dāng)下的真正 blocker。
如果你寫不出來(lái)，說(shuō)明這個(gè)目標(biāo)還沒想清楚。如果你寫出來(lái)了，你就已經(jīng)在用 AI 能理解的語(yǔ)言思考了。這個(gè)能力，將成為你公司駕馭 AI 項(xiàng)目管理能力的核心杠桿。
五、致 CTO：產(chǎn)研組織的底層假設(shè)，正在被顛覆
如果說(shuō) CEO 面對(duì)的是商業(yè)模型的重構(gòu)，那 CTO 面對(duì)的，是更直接的沖擊：你精心設(shè)計(jì)的產(chǎn)研流程，建立在哪些關(guān)于人的假設(shè)上？這些假設(shè)還成立嗎？
假設(shè)一：上下文傳遞是研發(fā)效率損耗的主要來(lái)源
每個(gè) CTO 都深有體會(huì)：需求從產(chǎn)品傳給研發(fā)，信息衰減 30%；研發(fā)內(nèi)部交接，再衰減 20%；跨團(tuán)隊(duì)對(duì)齊，損耗更大。于是我們?cè)O(shè)計(jì)了各種流程來(lái)對(duì)抗信息衰減：寫 PRD、做 design doc、開對(duì)齊會(huì)。
但 Tasks 的持久化存儲(chǔ)和狀態(tài)廣播機(jī)制，提供了一種不同的可能：讓任務(wù)狀態(tài)成為單一可信來(lái)源，讓信息傳遞從“人傳人”變成“狀態(tài)同步”。
這不是說(shuō)要用 AI 替換 PRD。這是一個(gè)更根本的問(wèn)題。你的研發(fā)流程里，有多少溝通成本是在做本質(zhì)上是“狀態(tài)同步”的事？這部分，AI Tasks 有能力承擔(dān)，而且承擔(dān)得比人更準(zhǔn)確、更及時(shí)。
假設(shè)二：Subagent 的協(xié)調(diào)需要人工介入
過(guò)去，多個(gè) AI Agent 并行工作是個(gè)噩夢(mèng)——你不知道誰(shuí)做了什么，狀態(tài)如何，有沒有沖突。所以我們習(xí)慣性地在 AI 和 AI 之間，插入人工協(xié)調(diào)的節(jié)點(diǎn)。
Tasks 的廣播協(xié)調(diào)機(jī)制，首次在原語(yǔ)層面解決了這個(gè)問(wèn)題。多個(gè) subagent 共享一個(gè) Task List，狀態(tài)變更實(shí)時(shí)廣播，任務(wù)依賴自動(dòng)感知。
這意味著：你的 AI 工程架構(gòu)設(shè)計(jì)，需要認(rèn)真考慮“多 Agent 協(xié)調(diào)層”的設(shè)計(jì)，而不是假設(shè) Agent 永遠(yuǎn)是單線程運(yùn)行的。 那些在 AI 工程架構(gòu)上投入的 CTO，將在這一波競(jìng)爭(zhēng)中獲得巨大先發(fā)優(yōu)勢(shì)。
假設(shè)三：工程師的價(jià)值在于“生產(chǎn)代碼”
我在之前的文章里討論過(guò)這個(gè)問(wèn)題。Tasks 的出現(xiàn)，進(jìn)一步強(qiáng)化了這個(gè)判斷：工程師的價(jià)值，正在從“代碼生產(chǎn)者”轉(zhuǎn)向“復(fù)雜系統(tǒng)的設(shè)計(jì)者和質(zhì)量把控者”。
一個(gè)能把復(fù)雜業(yè)務(wù)需求拆解成結(jié)構(gòu)化 Task 樹、能驗(yàn)證 AI 執(zhí)行結(jié)果的正確性、能在 AI 遇到 blocker 時(shí)做出正確判斷的工程師，比一個(gè)能快速手寫 CRUD 的工程師，價(jià)值高出一個(gè)數(shù)量級(jí)。
給 CTO 的三條核心建議：
重新設(shè)計(jì)你的 AI 工程架構(gòu)：不要把 Agent 當(dāng)成單線程工具用，開始設(shè)計(jì)支持多 Agent 協(xié)調(diào)的工程基礎(chǔ)設(shè)施。Tasks 的文件系統(tǒng)存儲(chǔ)和廣播機(jī)制，是一個(gè)很好的起點(diǎn)，但你需要在此之上建立適合自己業(yè)務(wù)的協(xié)調(diào)層。
重新定義工程師的考核標(biāo)準(zhǔn)：把“代碼產(chǎn)出量”從 KPI 里降權(quán)，把“任務(wù)定義質(zhì)量”和“AI 結(jié)果驗(yàn)證能力”加權(quán)。一個(gè)具體的可觀測(cè)指標(biāo)是：一個(gè)工程師給 AI 寫的 Task 描述，能不能讓 AI 第一次就跑對(duì)方向？這個(gè)“一次命中率”，比他一天寫了多少行代碼，更能反映他在 AI 時(shí)代的真實(shí)價(jià)值。這不是在討好工程師，而是在為下一個(gè)階段的競(jìng)爭(zhēng)做人才儲(chǔ)備。
現(xiàn)在就開始實(shí)驗(yàn) Multi-Agent 工作流：不要等到技術(shù)完全成熟再動(dòng)。Task 列表共享、subagent 協(xié)調(diào)、跨 session 繼續(xù)——這些能力今天就可以在 Claude Code 里實(shí)驗(yàn)。最先跑通 Multi-Agent 工作流的團(tuán)隊(duì)，將率先建立起難以追趕的效率優(yōu)勢(shì)。
六、結(jié)語(yǔ)：不是工具在升級(jí)，是協(xié)作的本質(zhì)在重新定義
Steve Yegge 的 Beads 項(xiàng)目給了 Anthropic 靈感，Thariq 把它做成了Tasks。但無(wú)論叫什么名字，這件事背后的邏輯只有一個(gè)：
當(dāng) AI 的能力邊界擴(kuò)張到可以管理復(fù)雜項(xiàng)目，人類在協(xié)作中的角色就必須重新定義。
不是被替代。而是升維。
Todo 時(shí)代，AI 是你的提醒便條。Tasks 時(shí)代，AI 是你的協(xié)作團(tuán)隊(duì)成員——有記憶、有感知、有依賴管理、有狀態(tài)廣播。
那么，作為 CEO，你是在用舊的組織假設(shè)管理一支新型團(tuán)隊(duì)嗎？
作為 CTO，你是在用舊的工程架構(gòu)，束縛一匹越跑越快的馬嗎？
變化不等人。Tasks 今天已經(jīng)可以用了。
關(guān)鍵在于，你是否準(zhǔn)備好重新定義自己團(tuán)隊(duì)的協(xié)作坐標(biāo)？
時(shí)光匆匆，感謝停留。
原創(chuàng)不易，如果覺得文章有價(jià)值，請(qǐng)點(diǎn)贊、推薦、分享到朋友圈。
關(guān)注我，往后歲月，一路同行，一起成長(zhǎng)。
