上下文丢了等于白干？这个 Git 风格的任务追踪器让 AI Coding Agent 记住一切
上下文压缩后，你还记得上周做到哪了吗？
用 AI Coding Agent 写代码，最怕的不是写 bug，是上下文丢失。
你花了两小时把一个复杂功能的方案想清楚、架构搭好，中间让 AI 做了大量决策和笔记。结果上下文窗口满了，聊天记录被压缩，一切重来——AI 不记得你做到哪了，不记得哪些任务依赖哪些前置工作，不记得你做过的那些决策。
然后你又花半小时把上下文重建回来。接着又丢了。再重建。再丢。
这个问题，没有一个 Todo 列表能解决。
beads：把任务跟踪做成 Git 一样可靠的东西
beads 是专门给 AI Coding Agent 用的问题跟踪器，核心理念就一句话：把 issue 做成 Git 那样可持久化、可追溯的东西。
它基于 Dolt（一个 git 风格的数据库），把你的任务、依赖关系、状态全部存在项目目录或独立目录里。Session 丢了，数据库还在。所有上下文都可以重建。
不是在线看板，不是网页服务，不依赖任何服务器。装完就能用，数据全在本地 git 仓库里。
它怎么工作的
beads 用起来很简单，核心循环只有三步：
- 找待办：输入 `bd ready`，AI 自动列出所有前置任务已完成、可以立即开工的工作项
- 原子级认领：用 `bd claim ` 原子性地认领一个任务，防止多 session 重复劳动
- 记录上下文：完成后写清楚 notes（用第三人称写，像交接文档），这样下次打开 session 不用重新读代码就能知道当时怎么想的
依赖关系也很有意思——它用”谁在阻挡谁”的方式建模，不是简单的标签。比如：
bd dep add implementation setup
意思是”implementation 依赖 setup”，setup 没完成，implementation 不会出现在 ready 列表里。
为什么 context 压缩后还能恢复
普通的 todo 工具只存”状态”。beads 存的是决策链。
当你写 notes 的时候，建议这样写：
bd update issue-123 --notes "已完成：JWT auth with RS256（选 RS256 而非 HS256 是为了支持 key rotation）进行中：密码重置 flow下一步：实现 rate limiting"
这样的 notes 完整记录了”当时在做什么决策、为什么、做到哪了”。下次打开，哪怕聊天记录完全空了，也能直接进入状态。
适用场景
- 复杂项目，多个 feature 并行开发，依赖关系乱
- 长周期任务（跨几周），中间会有多次上下文压缩
- 需要把任务交接给其他 session 或其他人
- 纯 TodoWrite 不够用，但也不想搭 Jira
怎么安装
一行命令搞定：
npx skills add steveyegge/beads --skill beads
前提是你装了 bd CLI（brew install beads），以及项目已经是个 git 仓库。
总结
beads 解决的是一个很具体但很痛的问题：AI Agent 的记忆是短暂的，但软件工程不是。它把任务管理做成了 Git 那样可靠的东西——可版本化、可协作、可恢复。25k+ stars 的社区认可不是白来的。
如果你经常和 AI Coding Agent 打交道，这个 Skill 值得装上试试。
评论区
登录后可评论。