Backlog.md 是一个用于在 Git 生态系统中管理人类与 AI 代理之间项目协作的工具，旨在通过集成 GitHub 的功能如 Copilot、Models、Advanced Security 等，提升代码编写、漏洞修复、工作流自动化等方面的效率，并支持问题跟踪、代码审查和讨论等协作功能。

GitHub 项目 Backlog.md 是一个用于在 Git 生态系统中管理人类与 AI 代理之间项目协作的工具。该项目通过 Markdown 文件实现任务管理，并提供了一个零配置的 CLI 工具，帮助用户在终端或 Web 界面中可视化和管理任务。

主要功能

1. Markdown 原生任务管理：每个任务都以 .md 文件的形式存储，便于编辑和版本控制。
2. 私有与离线：所有数据都存储在 Git 仓库中，确保隐私和离线可用性。
3. 终端看板：通过 backlog board 命令，用户可以在终端中实时查看任务看板。
4. Web 界面：通过 backlog browser 命令，用户可以启动一个现代化的 Web 界面，支持拖放操作和实时更新。
5. AI 集成：CLI 支持与 AI 代理（如 Claude）的交互，用户可以通过命令让 AI 接管特定任务。
6. 跨平台：支持 macOS、Linux 和 Windows 系统。
7. 开源与免费：项目采用 MIT 许可证，允许个人和商业用途。

快速入门

1. 安装：通过 npm 或 bun 安装 Backlog.md： shell npm i -g backlog.md # 或 bun add -g backlog.md
2. 初始化项目：使用 backlog init 命令初始化一个新的 Git 仓库和任务列表。
3. 创建任务：通过 backlog task create 命令创建新任务。
4. 查看任务：使用 backlog board view 命令查看任务看板。

Web 界面

通过 backlog browser 命令启动 Web 界面，支持以下功能： - 交互式看板，支持拖放操作。 - 任务创建和编辑，带有丰富的表单和验证。 - 实时更新，任务管理同步到 Markdown 文件。 - 响应式设计，支持桌面和移动设备。

CLI 参考

Backlog.md 提供了丰富的 CLI 命令，支持任务创建、编辑、过滤、归档等操作。例如： - 创建任务：backlog task create "Add OAuth System" - 查看任务详情：backlog task 7 - 编辑任务：backlog task edit 7 -a @sara -l auth,backend - 查看看板：backlog board

配置

Backlog.md 支持多层配置，包括 CLI 参数、项目配置文件、用户配置文件和内置默认值。用户可以自定义任务状态、默认编辑器、Web 界面端口等。

许可证

Backlog.md 采用 MIT 许可证，允许用户自由使用、修改和分发代码，只需保留版权声明。

项目状态

• Stars: 566
• Forks: 28
• 语言: 主要使用 TypeScript（91.1%）和 JavaScript（8.7%）。

相关资源

• 项目主页
• GitHub 仓库
• MIT 许可证

Backlog.md 是一个功能强大且灵活的工具，特别适合需要在 Git 仓库中管理任务和与 AI 代理协作的开发团队。

主要观点总结：

1. Claude 和 Codex 的使用体验

   • 正面反馈：作者通过逐步优化流程，成功将 Claude 和 Codex 应用于代码生成，并分享了详细的工作流程和工具（如 Backlog.md）。
     • 关键引用：
       • "Three step loop that works for me: Generate tasks - Codex / Claude Opus → self-review."
         （“我使用的三步循环：生成任务 - Codex / Claude Opus → 自我审查。”）
       • "For simple features I can even run this from my phone."
         （“对于简单的功能，我甚至可以从手机上运行。”）
   • 负面反馈：有用户表示直接使用 Claude 生成代码的效率较低，不如从头编写。
     • 关键引用：
       • "Untangling its output was slower than writing from scratch."
         （“解析它的输出比从头编写还要慢。”）

2. 工具的改进建议

   • 安装说明：有用户建议在 README 中添加安装说明。
     • 关键引用：
       • "One item you should do in your repo is add the installation instructions to the readme."
         （“你应在仓库的 README 中添加安装说明。”）
   • Jira 集成：有用户希望工具能与 Jira 集成，以便直接处理现有任务。
     • 关键引用：
       • "Is there an alternative that integrates with a Jira instance?"
         （“是否有与 Jira 集成的替代方案？”）

3. 技术细节与挑战

   • 多分支支持：有用户询问工具如何处理多分支任务，并指出 AI 在处理大文件时的局限性。
     • 关键引用：
       • "How would that work with multiple branches?"
         （“它如何与多分支一起工作？”）
       • "AI have issues editing big files, it can’t easily append text to a big file due to context window."
         （“AI 在编辑大文件时存在问题，由于上下文窗口的限制，它无法轻松追加文本。”）
   • 任务分发与上下文管理：有用户询问如何在大规模任务中分发任务并管理上下文。
     • 关键引用：
       • "How are you dispatching tasks to an agent, and how are agents navigating the large number of markdown task content?"
         （“你是如何将任务分发给代理的，代理又是如何导航大量 Markdown 任务内容的？”）

4. 工具命名与定位

   • 标题建议：有用户建议在标题中明确工具是为 AI 设计的。
     • 关键引用：
       • "Can we change the title to include that this is a tool for AI?"
         （“我们能否修改标题，明确这是一个为 AI 设计的工具？”）
   • 命名趋势：有用户对项目命名方式表示困惑。
     • 关键引用：
       • "Part of this confusing trend of naming projects like files."
         （“这是将项目命名为文件这一令人困惑的趋势的一部分。”）

5. 类似工具的分享

   • 个人工具：有用户分享了自己开发的类似工具，强调其简单性和离线存储的优势。
     • 关键引用：
       • "It’s a single no-dependency Python script that parses 'tasks.md' in the root of the repo."
         （“它是一个无依赖的 Python 脚本，解析仓库根目录下的 'tasks.md'。”）
       • "Almost all of the code for it was written by Gemini."
         （“几乎所有的代码都是由 Gemini 编写的。”）

总结：

评论中既有对作者工具的积极反馈和改进建议，也有对 AI 工具在实际应用中的局限性和挑战的讨论。用户普遍关注工具的易用性、集成能力以及技术细节，同时也有用户分享了类似的个人工具。