Backlog.md：用 Markdown 重新定义 AI 协作时代的任务管理

想象一个场景：你和你的 AI 编程助手正在一起开发一个项目，你们之间的"任务交接"完全靠一份 Excel 表格或者 Notion 文档——这就像两个人用不同的语言书写同一本书，摩擦不断、错误频出。Backlog.md 正是为了解决这个痛点而生：它把任务管理直接搬进了 Git 仓库，让人类和 AI 都能以同样的方式理解、创建、追踪任务，实现真正的无缝协作。

从痛点出发的设计哲学

Backlog.md 的诞生背景非常明确——随着 Claude Code、Gemini CLI、OpenAI Codex 等 AI 编程工具的普及，开发者与 AI 协作的场景越来越多。但问题随之而来：传统任务管理工具（Linear、Jira、Notion）都是为"全人类团队"设计的，AI 根本无法理解和遵循其中的任务格式和状态流转规则。

作者 Alex Gavrilescu 在 2025 年 6 月创建了 Backlog.md，其核心理念是：任务即 Markdown 文件。每一个任务（Issue）都是仓库中一个 .md 文件，里面包含标题、状态、优先级、负责人、标签等元数据，配以详细的需求描述和检查清单。这种设计使得任务本身成为代码的一部分，可以用 git diff 查看变更、用分支管理生命周期——这对 AI 来说简直是最友好的格式。

核心功能：三条使用路径

路径一：本地 CLI（TUI 看板）
安装后进入任意 Git 仓库，执行 backlog init 即可初始化任务看板。backlog board 命令在终端中渲染出一个实时更新的看板视图，分栏（默认：To Do / In Progress / Done）以彩色 ASCII 字符呈现，任务标题、优先级标签、负责人一目了然。Tab 键切换分栏，Enter 键查看详情，纯键盘操作，不需要离开终端。

路径二：Web 界面（backlog browser）
如果更喜欢图形化操作，backlog browser 会启动一个内置的 Web 服务器（默认端口 6420），打开浏览器即可看到现代化的看板界面。Web UI 基于 React 19 + React Router 7 构建，支持 Markdown 预览（Mermaid 图表渲染）、富文本任务编辑、模糊搜索等高级功能。相比 TUI，Web 界面更适合非技术成员或 AI 辅助审查场景。

路径三：MCP 协议集成（backlog mcp start）
这是 Backlog.md 最具前瞻性的设计。它实现了 Model Context Protocol（MCP），AI 助手（如 Claude Code）可以直接作为 MCP 客户端连接 Backlog.md MCP 服务器，从而获得结构化的任务工具：create_task、update_task、search_tasks、get_milestones 等。这意味着 AI 可以自主读取任务列表、创建新任务、更新进度，而不需要人类在中间充当"翻译员"。

技术架构解析

从源码结构来看，Backlog.md 的架构非常清晰：

• CLI 入口（src/cli.ts）：基于 commander.js 构建命令路由，集成 @clack/prompts 实现交互式向导，包括任务创建向导（Task Create Wizard）和高级配置向导（Advanced Config Wizard）
• 核心引擎（src/core/）：backlog.ts 管理任务生命周期，task-loader.ts 负责解析 Markdown 文件为结构化任务，search-service.ts 提供 Fuse.js 模糊搜索，sequences.ts 处理任务序列号自动递增
• 存储层（src/file-system/）：直接读写仓库中的 backlog/ 目录，任务文件以 YYYY-MM-DD--title-slug.md 格式命名，元数据通过 YAML front-matter 嵌入 Markdown
• Git 集成（src/git/）：支持自动 commit、跨分支任务检查、分支锁定的任务编辑，确保多人协作场景下不发生冲突
• MCP 服务器（src/mcp/）：完整的 MCP 协议实现，包含 tools（任务增删改查、里程碑管理、搜索）、resources（任务列表、看板状态）、workflow-guides（使用指南）
• Web UI（src/web/）：React 19 + React Router 7 + Tailwind CSS 4，组件化设计，包含看板视图、任务详情、Markdown 编辑器（@uiw/react-md-editor）、Mermaid 图表渲染
• 打包分发：提供跨平台原生二进制（Darwin ARM64/x64、Linux ARM64/x64、Windows ARM64/x64），通过 npm 全局包 + optionalDependencies 分发，实现一行命令全平台安装

任务格式与团队规范

Backlog.md 不仅仅是任务列表，它内置了一整套团队协作规范机制：

Definition of Done（DoD）：可以预设默认的检查清单（如"代码审查通过"、"单元测试覆盖"、"文档更新"），每次创建新任务时自动附加，确保任务关闭前必须完成所有检查项。这对 AI 尤其有价值——AI 在完成任务时可以严格按照 DoD 标准自检，减少返工。

里程碑（Milestones）：支持按里程碑分组任务，创建时间线视图，适合追踪阶段性目标。每个里程碑包含多个任务，可以通过 MCP 工具查询和更新。

决策记录（Decisions）：专门的 backlog/decisions/ 目录记录项目中的关键决策，包括决策内容、决策人、决策时间，为后续项目复盘和新人 onboarding 提供上下文。

AI 指令系统：通过 AGENTS.md 和 CLAUDE.md 文件，可以为不同 AI 助手配置专用指令，确保 Claude Code、Codex、Gemini CLI 等工具在处理任务时遵循相同的规范和格式。

部署与安装

Backlog.md 是典型的零配置工具，安装极其简单：

# Bun（推荐）
bun add -g backlog.md

# npm
npm i -g backlog.md

# Homebrew（macOS/Linux）
brew install backlog-md

# Nix
nix run github:MrLesk/Backlog.md

安装后，进入任意 Git 仓库执行 backlog init，工具会自动创建 backlog/ 目录结构（含 tasks/、archive/、completed/、milestones/、decisions/ 等子目录）和 .backlog/config.yml 配置文件。无需注册账号、无需联网后台服务、完全本地运行。

Web UI 启动命令 backlog browser 会默认监听 localhost:6420，可自定义端口。远程 Git 操作（多人协作场景）需要 Git remote 配置正确，但核心数据始终存在本地仓库中。

硬件要求极低：不需要 GPU，不需要大容量存储，Node.js >= 18 即可运行，二进制包仅约 50MB。

局限与思考

Backlog.md 并非银弹，有几个场景需要慎重考虑：

权限管理缺失：任务没有细粒度的权限控制，在多人协作的大团队中，无法限制特定成员只能编辑特定任务。所有任务文件都在仓库中，有 Git 写权限的人理论上可以修改任何任务。

AI 幻觉风险：虽然 MCP 集成很优雅，但 AI 仍可能"自作主张"地完成任务（特别是开启了 autoCommit 时），而不会严格遵循人类的 DoD 检查清单。需要人类定期 review AI 的任务操作记录。

与现有工具的集成成本：如果团队已经在用 Linear 或 Jira，迁移到 Backlog.md 需要重新建立工作流习惯，短期内可能有摩擦。建议从个人或小团队场景开始试用。

行业意义

Backlog.md 代表了一种新兴趋势："Git 原生任务管理"。随着 AI 编程助手能力的提升，传统的、专为人类设计的任务管理界面正在成为瓶颈。Backlog.md 用 Markdown 和 Git 作为通用语言，架起了人类和 AI 之间的沟通桥梁——这个方向在 2025-2026 年已经吸引了大量关注，GitHub Stars 在一年内从 0 增长到 5760 就是最好的证明。

它的另一个重要意义在于数据主权：所有任务数据存在本地 Git 仓库中，不依赖任何第三方 SaaS 服务。这对于注重代码和数据隐私的开发者来说，是一个极具吸引力的特性。

如果你正在使用多个 AI 编程助手协作开发，或者希望自己的项目任务对 AI 友好，Backlog.md 是目前这个赛道上最成熟、文档最完善的解决方案。

图：Backlog.md 支持将看板导出为 Markdown 报告，便于分享和存档