夜雨聆风不想错过苏米的分享和推送？
戳上方蓝字“苏米客”关注我吧
并点击右上角“···”菜单，
选择“设为星标”
前几篇回顾：
OpenClaw + Claude Code 开发实战：ACPX 安装与配置
别再当 AI 监工了，用 OpenClaw + Claude Code 实现全自动写代码
OpenClaw + Claude Code 实战指南：自动开发系统的完整方案
今天继续进入实战内容，昨天提到的通过 ACPX 插件已经可以实现 OpenClaw 调用常见的命令行开发工具，如 claude 进行开发了，只需要一些简单的命令就可以执行了，但也都是一些基础的会话能力，对于长任务，项目需求较大的就没办法了
上下文受限，执行过程无法跟踪，只能定期查询状态
但这个时候 claude 是不会直接返回状态的
所以今天就来实现关于长任务，Claude Code 如何自己跑，并且还能实时查状态
开发过程
首先是基于 Anthropic 官方关于解决长时 AI 任务的博客（原文见评论区）构建的标准化任务管理系统。让 AI Coding Agent 在多个上下文窗口（会话）之间高效交接，实现大型项目的渐进式自动开发。
核心理念
传统 AI Agent 面临一个根本问题：上下文窗口是有限的。一个复杂项目不可能在一个会话中完成。当新的 Agent 会话启动时，它对之前发生了什么一无所知。
把这套逻辑交给 Claude Code：
建立一套标准化的交接机制。一个负责初始化的 Agent 把任务分成一个个小任务单元，然后负责写代码的 Agent 只负责每一个小任务去开发并写、测试通过、提交 Git，然后再领下一个小的任务清单系统。
根据一些个性化的需求，确认没问题就直接交给 Claude Code 开发了
整个任务系统的开发过程有兴趣的可以了解一下（长图）
系统效果
交接班任务管理系统 Taskman 通过两个角色解决协作问题：
| 角色 | 职责 | 类比 |
|---|---|---|
| 初始化 Agent | 搭建环境、拆分任务、编写规范 | 项目经理 + 技术架构师 |
| 编码 Agent | 领取任务、实现功能、测试、提交 | 轮班工程师 |
每个编码 Agent 会话结束时，通过结构化的进度文件和 Git 提交记录，为下一个会话留下清晰的上下文。
开发成果
一句话创建项目：
~/taskman/task-init.sh \
--name "我的应用" \
--desc "一个示例应用"会在项目目录下创建如下目录结构：
my-app/
├── .taskman/
│ ├── tasks.json # 任务数据（不可手动编辑）
│ ├── progress.md # 自动生成的进度报告
│ ├── session.log # 会话历史日志
│ ├── lock # 进程锁文件
│ └── scripts/ # 所有操作脚本（项目自包含）
│ ├── task-lib.sh
│ ├── task-add.sh
│ ├── task-next.sh
│ ├── task-done.sh
│ ├── task-fail.sh
│ ├── task-list.sh
│ └── task-status.sh
├── AGENTS.md # 项目约定与交接文档
├── CLAUDE.md # Coding Agent 操作手册
├── init.sh # 开发环境启动脚本
├── .gitignore
└── .git/
在项目目录中启动 Claude Code 会话即可。Agent 会自动读取 CLAUDE.md，按流程领取任务、实现、测试、提交。
任务状态流转
┌──────────────────┐
│ pending │
└────────┬─────────┘
│
┌────────▼─────────┐
│ in_progress │
└───┬─────────┬───┘
│ │
┌────────▼──┐ ┌──▼────────┐
│ done │ │ failed │
└───────────┘ └──┬────────┘
│
┌────▼─────────┐
│ pending │ ← 可重试
└──────────────┘每个编码 Agent 会话应遵循以下流程（定义在 CLAUDE.md 中）：
启动阶段
1. pwd 确认位置
2. source init.sh 检查环境健康
3. task-status.sh --verbose 查看项目状态
4. cat .taskman/progress.md 查看进度报告
5. git log --oneline -10 查看最近提交
6. task-next.sh --json 领取下一个任务实现阶段
7. 阅读任务描述和验收标准
8. 理解现有代码再动手
9. 小步迭代，频繁测试
10. 遵循 AGENTS.md 中的项目约定完成阶段
11. 端到端测试（以用户视角验证）
12. 确认无回归
13. git commit 提交代码
14. task-done.sh <ID> --note "..." 标记完成
15. 结束会话（不领取下一个任务）失败处理
11. 记录失败原因
12. git checkout . 或 git stash 清理现场
13. task-fail.sh <ID> --note "..." 标记失败
14. 结束会话设计原则
本系统的设计遵循以下原则（源自 Anthropic 的实践经验）：
- 1. 一次一个任务 — 避免 Agent 试图一次完成太多事情导致上下文耗尽
- 2. 结构化交接 — 通过
progress.md+session.log+ Git 历史三重记录 - 3. 可测试的验收标准 — 每个任务都有明确的 "完成" 定义，防止 Agent 过早标记完成
- 4. 干净的退出状态 — 每个会话结束时代码必须是可提交的、可运行的
- 5. 自愈能力 — 新会话启动时先检查环境健康，发现上一个会话留下的失败要处理
- 6. 项目自包含 — 脚本复制到
.taskman/scripts/，不依赖外部路径 - 7. 依赖拓扑排序 — 自动确保任务按正确顺序执行
实测开发了一套 AI PPT 生成系统，全程无干预
总结
这套「AI Agent 交接班任务管理系统」每个迭代严格执行 8 步：
环境健康检查 → 领取任务 → 理解需求 → 实现 → 测试验证 → Git 提交 → 标记完成 →循环下一个
已经可以很好的自主循环完成任务了，下一步 将继续实现一套供 OpenClaw 调用的命令系统，OpenClaw 只需要一个命令就可以开始执行任务，查询任务状态。
📮 往期精彩文章