早在评测 Kiro 的文章《理念惊艳，体验拉胯：写在Kiro初体验之后》中，我就曾提到其 任务列表(Tasklist) 功能带来的两大好处：
- 透明度更高：模型的操作不再是一个完全的黑盒。你可以清晰地看到系统是如何被设计的，以及这些设计将如何影响你的项目。
- 参与感更强：用户不再是那个只会傻傻提要求的角色。通过深度参与从构思、设计到实施的每一个阶段，并仔细考量所有决策，理论上你最终会得到一个质量更高、更易于维护的应用程序。
这种将现实世界的开发流程，映射到 AI 编程工具的执行流程中的做法，正在成为一种新的趋势。
这不，最近热度一度赶超 Cursor 的 AI 编程工具 Augment Code，也推出了一个同名的功能，并将其打磨得更加成熟好用。
本文将分为三个部分，带你深入了解这一功能：
- 核心用法：如何上手 Augment Code 的任务列表？
- 对比分析：它与 Kiro 的实现有何异同？
- 设计哲学：任务列表究竟解决了开发者与 Agent 协作的哪些痛点？
什么是任务列表？
简单来说，任务列表可以将一个复杂的问题，拆解成一系列清晰、有序、可管理的步骤。
它不是一个简单的待办列表，而是一个可以动态调整的路线图，让你和 Agent 能够围绕同一个计划紧密协作，实时跟踪进度，并随时调整方向。
任务列表怎么使用？
第一步：创建任务
- 自动创建：当你向 Agent 抛出一个复杂的、需要多步骤才能解决的问题时，它通常会自动为你生成一份详尽的任务列表。
- 手动指派：你也可以主动地引导 Agent，只需要发送提示："创建一个任务列表来..."，然后清晰地描述你想要解决的问题即可。
- 完全自定义：对于喜欢精确控制的开发者，也可以从零开始构建自己的任务列表。
-
- 首先，点击聊天界面旁的展开图标，再点击清单图标，即可切换到任务列表专属界面。
-
- 接着，点击加号（+）按钮，手动添加你的第一条任务
-
- 或者，你也可以在底部的输入框中直接输入任务内容，然后从"发送"按钮旁的下拉菜单中选择「添加任务 (Add Task)」，即可快速添加。
第二步：运行任务
计划制定好后，就可以开始执行了。
- 单步执行：要运行某个特定任务，只需点击任务旁边的执行按钮（▶️），Agent 就会立即开始执行该项任务。这种方式非常适合在关键步骤进行验证。
- 顺序执行：如果您对整个计划都感到满意，也可以点击任务列表顶部的总执行按钮，Agent 将按照顺序自动完成所有任务。
第三步：监控、停止与审查
直观的任务状态
任务的进展通过简洁的图标和颜色清晰地展示出来：
- ⚪️ 空心圆圈：任务待办，尚未开始。
- ◐ 蓝色半圆：任务正在进行中。
- ✅ 绿色对勾：任务完成，等待审阅。
这些状态遵循着一个严格的生命周期：待办 → 进行中 → 已完成 / 已取消，界面会实时同步这些变化。
随时停止任务
如果发现 Agent 的执行路径偏离了你的预期，只需要果断点击停止按钮（⏹️），即可立即中断当前任务。随后，你可以给出新的指令，纠正它的错误，引导它回到正确的轨道上。
审查代码变更
当一个任务完成后，你可以在"任务 (Tasks)"和"变更 (Changes)"两个视图之间自由切换，查看每个任务所产生的具体代码差异 (Diffs)。
与Kiro的异同点
结构化协作界面
Kiro 的任务列表形式是基于 Markdown 文档的。虽然灵活，但在交互和管理上存在天然的局限性。
Augment Code 的任务列表则提供了一个专属的结构化协作界面，围绕这个界面，打造了一系列精确的操作（如运行、停止、添加），使得任务的管理和添加更加方便和高效。
"对象"而非文本
在 Augment Code 中，每个任务都不再是一段简单的文本描述，而是一个具有独立状态的"对象"。
这意味着，任务将从原本的"单一长提示词"中被剥离出来，可以被单独追踪、操作、传递。
就像软件工程中的状态机 (State Machine)一样，严格的状态转换确保了 AI 在执行复杂流程时能保持正轨，避免因"单一长提示词"模式而导致的跑偏和遗漏问题。
同时，这种灵活性，也为未来引入子 Agent 来校验任务进度 ，甚至多个 Agent 间协作处理一个任务提供了坚实的基础。
任务可导入导出
你可以将任务列表导入和导出，方便在相似的工作流中重复使用。
有些工作流你总会反复遇到，比如：添加一个新的功能开关、更新项目的配置文件等等。现在，你无需每次都从零开始构建计划了。
你可以这样做：
- 当一个任务列表内的任务验证通过后，你可以让 Agent 根据这次的执行经验，反思并优化这个列表
- 将这个优化过的任务列表导出，作为"模板"提交到你的代码库里。
- 当下次需要时，你可以直接在提示词中通过
@任务列表名称来引用它。 - 你还可以让 Agent 在这个模板的基础上，根据你新的需求进行微调和适配。
这实际上为你提供了一套具备代码感知能力的自动化模板库，可以极大地提升重复性工作的效率。
打通任务管理工具
Augment Code 集成了许多外部服务，比如 GitHub、Linear、Jira、Notion等。
它能够根据你的请求上下文，自动调用合适的服务，让你无需离开编辑器即可完成协作。
现在，任务列表可以与你现有的项目管理工具（如 Jira 或 Linear）完美配合，扮演一个得力助手。
- 你可以要求 Agent 基于 Jira 或 Linear 中的工单（Ticket）来创建任务列表。
- 它会帮你将一个复杂的工单，进一步分解为多个具体的、可执行的步骤。
- 当所有任务完成后，你可以要求 Agent 自动在 Jira 或 Linear 中关闭这张工单，并附上本次执行的详细步骤作为评论。
这套组合拳，真正打通了从"任务分配"到"代码实现"再到"任务关闭"的完整链路。
为什么需要任务列表？
告别"黑盒"
在传统的聊天式交互下，当你下达一个指令后，Agent 的规划和执行过程对于你来说是完全封闭的。
你无法提前知道它每一步的计划，自然也就无法干预它的决策。你唯一能做的，只是被动地等待、实时地监督，等到它执行到对应的那一步时，才能知道它有没有理解错你的意图。
而任务列表的出现，则彻底改变了这一点。
正如 DeepSeek 开创性地把推理模型的思考过程呈现出来一样，任务列表也相当于把 Agent 的规划过程"前置并可视化"。
它把原本那种"黑盒"式的规划过程，转变为一个完全透明、可衡量、可干预的工作流。 它迫使 AI 在行动之前，必须预先展示其计划。
这意味着你在规划层面就可以发现潜在的问题，并及时纠正，而无需再紧盯着 Agent 输出的每一条消息，更不用等到最终结果出来，才在海量代码细节中定位问题根源。
克服"分心"
大多数工具只是用普通的 Markdown 来存储计划，这导致 Agent 很容易在执行某些复杂任务时"分心"，遗漏掉一些关键步骤。
试图将一个复杂的工作流硬塞进一个单一的提示词里，结果往往不尽如人意。
这既是 UI 层面的问题，也是一个根本性的架构问题。UI 固然需要清晰地展示 Agent 的思考过程，但更重要的是，底层的设计需要能够支持结构化的、有状态的任务，以便 Agent 能够可靠地追踪和执行。
先规划，后执行
任务列表引入了一种更安全、更专业的开发模式："先规划，后执行"。
你可以在投入实际的开发之前，先让它一起规划出一份清晰的工作蓝图。这种分离带来了显而易见的好处：
- 提前验证：你可以在代码实际运行前，审查整个计划的合理性。
- 补充完善：你可以轻松添加被遗漏的步骤，比如"编写单元测试"、"清理临时文件"等。
- 风险预警：你可以更早地发现计划中可能存在的风险，防患于未然。
可动态调整
软件开发永远充满了变化，而任务列表恰恰是可以动态调整的。
因为 Agent 会实时地从列表中读取下一步的任务，这意味着你可以随时调整计划。
在执行过程中，如果你发现遗漏了某个依赖，或是需要调整步骤的先后顺序（比如，先迁移数据库结构再修改 API），都可以直接在列表中进行修改。
你无需停止重来，也无需重新输入提示，只需简单调整，Agent 就会无缝地衔接新的计划，继续执行下去。
总结
最后，用一张表格来总结 Augment Code 与 Kiro 「任务列表」功能的对比情况。
| 特性维度 | Augment Code 任务列表 | Kiro 任务列表 |
|---|---|---|
| 呈现形式 | 提供一个专属的、结构化的协作界面。 | 基于 Markdown 文档。 |
| 交互与管理 | 围绕界面打造了运行、停止、添加等一系列精确操作，管理高效。 | 灵活性高，但在交互和管理上存在天然的局限性。 |
| 任务本质 | 每个任务都是一个具有独立状态的"对象"，而不仅仅是文本描述。 | 任务形式只是 Markdown 文档中的文本。 |
| 状态管理 | 任务遵循严格的状态转换（如状态机），能可靠追踪，避免 AI 跑偏和遗漏。 | 依赖于 AI 在单一长提示词模式下的理解力，可能会"分心"或遗漏步骤。 |
| 任务复用性 | 支持任务列表的导入和导出，可以作为"模板"在相似的工作流中重复使用。 | 针对每个功能模块建立单独的文件夹保存任务列表。 |
| 外部工具集成 | 集成了 GitHub、Linear、Jira 等外部服务。可以基于工单（Ticket）创建任务，并在完成后自动更新工单状态。 | 没有相关功能。 |