Claude Code 的 Task 系統揭示了 AI 原生工程師的核心能力

上週，Claude Code 悄悄地將 Todo 更名為 Task。看起來只是個術語調整，但這標誌著一個全新系統的開端。

Todo 是 Claude 獨自維護的記憶清單 - 單一代理的個人備忘錄。Task 則是多個代理共享的工作單元。這個差異改變了 AI 編程工具的典範。

換句話說，AI Swarm 所需的新抽象單元已經誕生。

核心是「委派」，不是「自動化」

過去的 Claude Code 是單一大腦。把複雜專案交給它，它會在中途忘記之前的步驟，最終在完成 60% 左右時被迫重新開始，如此反覆。

新的 Task 系統在架構上截然不同：

• 你與團隊負責人對話。 負責人不直接寫程式碼。它負責規劃、委派和綜合。
• 你批准計畫後，專業代理被建立出來，平行工作。

這不是自動化 - 是委派。兩者的區別至關重要。自動化是為已知流程編寫腳本。委派是定義目標，信任結構化的團隊自行找到執行路徑。

依賴關係圖才是真正的武器

Task 系統的核心特性是任務間依賴關係（blockedBy）。任務 3 在任務 1 和 2 完成之前無法啟動。

為什麼這很重要？

以前，Claude 需要在腦中保持整個計畫。隨著上下文變長，它自然會遺忘部分計畫。會話越長，偏差累積越多。

現在，計畫本身被外部化、結構化了。即使上下文被壓縮或代理被替換，計畫依然存在。依賴關係圖充當了超越單一代理記憶的持久化協調層。

平行處理是免費附贈的

分配七到十個任務，系統不再循序執行。沒有依賴關係的任務會同時運行。快速搜尋交給 Haiku，實作交給 Sonnet，複雜判斷交給 Opus - 模型分配根據任務特性自動完成。

這是結構化任務設計的直接結果。工作分解越乾淨、依賴定義越準確，系統就能提取越多的平行性。你不需要明確優化平行 - 好的任務架構自然會帶來平行性。

工作變成了編排

Swarm 文件揭示了清晰的模式：

• Parallel Specialists：多位專家同時審查 - 安全、效能、型別檢查同步進行。
• Pipeline：研究 → 規劃 → 實作 → 測試 - 每個階段依賴於上一個階段的順序流。
• Self-Organizing Swarm：代理從共享任務池中自行領取未阻塞、未分配的任務。

工作不再是寫程式碼。工作是設計哪些代理做什麼、按什麼順序、它們之間有什麼依賴關係。

Swarm 效率的關鍵在於任務設計

優化 Swarm 效能有三個槓桿：

• 任務粒度：任務越細，平行率越高，但代理間通訊開銷也越大。
• 角色分離：專業化提升品質，但可能在負載不均的代理上產生瓶頸。
• 依賴設計：結構化什麼必須先完成才能讓下一步無阻塞地運行 - 這就是工作流的拓撲結構。

根據我的親身實驗，第三個槓桿的影響最為顯著。任務粒度和角色分離相對直覺。依賴設計需要思考工作本身的形態 - 我稱之為依賴拓撲設計。

這是 Swarm 時代真正的核心能力。不是寫更快的程式碼，也不是選更好的模型。而是建構工作流的結構，使最大數量的代理能夠無等待地運行。

從寫程式碼到設計工作方式

方向很明確：

最初，我們寫程式碼。然後，我們設計系統。現在，我們設計工作本身的運作方式。

你不是在使用 AI 工具。你是在指揮一支 AI 團隊。最先理解這個區別的人，將主導未來一年的軟體開發。

從 Todo 到 Task 的變更表面上很小。但在表面之下，它鋪就了一個新世界的基礎 - 在這個世界裡，工程師的核心產出不再是程式碼，而是機器之間的協作架構。