AI 不再凭空发挥
每个任务自带描述、验收标准和实施计划。Agent 在写代码之前先说清楚要做什么，你读完再放行。
MIT 开源 · 数据留在你的仓库
让 AI Agent 在你的仓库里 持续工作，每一步都可审查
Backlog.md 把任务、验收标准、实施计划和执行记录写成仓库里的 Markdown 文件。没有数据库，没有黑盒。AI 负责拆解与执行，你在三个关键节点审查批准。
$
npm i -g @kuwork/backlog.md
无需注册账号 离线可用 macOS、Linux、Windows
back-208 Add paste as markdown support in Web UI
back-267 Add agent instruction version metadata
back-346 Add milestone completion archival workflow
back-347 Add milestone editing in Web UI
back-348 Redesign All Tasks page with table layout
back-353 Add documentation field to task object
back-361 Add label based filtering to task list views
back-367 Add Final Summary field to tasks
back-239 Auto link tasks to documents and decisions
back-354 Project Definition of Done defaults
每一次
AI
执行
都留在
你能审查的
文件里。
任务
是可读的
Markdown，
进度
是可审的
Git
diff，
知识
沉淀成
可查的
Wiki。
AI 会写代码，
但谁告诉它下一步该做什么
把需求丢给 Agent，它能写出能跑的函数。但它不知道接下来该做什么，不知道边界在哪里，也不会主动告诉你它替你做了哪些判断。上下文一长，方向就散了，最后你得花一个下午去读它改了什么。
解法
把 AI 的工作变成可审查的任务
每个任务是一份 Markdown 文件，包含描述、验收标准和实施计划。AI 在动手之前先写清楚要做什么，你批准之后它才写代码。任务随代码一起进版本控制，可以被 diff、review、搜索和归档。
为什么用 Backlog.md
四个直接的结果：方向不跑偏、审查有抓手、数据不出机器、知识能累积。
三道审查闸门
规格、计划、结果分别可以批准。方向错了在写第一行代码之前就能拦住，而不是等到 review 几千行 diff。
数据不出你的机器
全部存在项目本地的 Markdown 文件里。没有云端账号，没有订阅，离线可用，Git 也是可选的。
一次结对，知识留下
LLM Wiki 把任务、文档和决策沉淀成可查询的项目记忆。换会话、换人，上下文不用从零重建。
Backlog.md 自己的开发，就跑在这套流程上
这个项目从需求到发布的每一步都记在自己的 backlog 目录里。下面的数字来自仓库当前的真实状态，不是示例数据：任务文件统计 tasks、completed、archive/tasks 三个目录，Wiki 页面统计 wiki 目录下除 sources 源材料镜像外的页面。
885
仓库里的任务文件
805
已完成的任务
883
任务图谱中的节点
238
Wiki 沉淀页面
看得见的进展
进度看得见，关系也看得见
统计页把一年的完成情况摊成热力图和分布图；打开任意一个任务，它的依赖、子任务和所属里程碑会当场展开成一张关系图。两张图读的是同一批 Markdown 文件，不需要额外的报表系统。
活跃分析：一年做了什么，一眼看全
- 完成热力图 —— 按天铺开过去一年的完成量，节奏和空窗期直接可见
- 状态与优先级分布 —— 待办、进行中、已完成的占比，和高、中、低优先级的构成并排呈现
- 周期与耗时 —— 平均周期、平均耗时、逾期数量，都从任务文件里的日期字段算出来
任务关系图：单个任务的邻居，一眼看全
- 中心就是当前任务 —— 以 BACK-521 为例，14 个子任务、上游依赖链和它所属的里程碑一起展开
- 三种关系各有线型 —— 依赖于走实线、父任务走虚线、属于里程碑走点线，图例就在图上方
- 点开继续钻取 —— 单击聚焦邻居、双击打开对应任务，默认向外走 4 层、最多 80 个节点
工作方式
三步跑起来，每一步都能叫停
每一步的产物都是仓库里的文件，所以在任何一步停下来、改主意、换个 Agent 接着做，状态都不会丢。
初始化 backlog
在任意 Git 仓库里运行一次命令，选择用 CLI 指令还是 MCP 接入你的 AI 工具。也可以跳过 AI，只当任务管理器用。
backlog init "My Awesome Project"
让 AI 拆解并规划
把想法告诉 Agent，它建任务、写验收标准，再研究代码库写出实施计划，然后停下来等你批准。
审查点：先读任务描述与验收标准，再批准实施计划
审查结果并沉淀
看 diff、跑测试、核对验收标准。通过后写下最终总结，知识自动进入 Wiki，成为下一步的输入。
一个任务一个会话，一个任务一个提交
界面
每个界面，数据都不离开仓库
看板、甘特、任务表直接读写 Markdown 文件；图谱查询跑在由这些文件派生的图谱上；文档里的 SQL 查的是项目内登记的 DuckDB 库。它们都直接读写仓库里的数据，不需要把内容导出到别处。
01 看板
拖放看板，状态一眼看全
backlog browser 按状态分列展示任务卡片，拖动即改状态，改动直接写回 Markdown 文件。
02 甘特图
排期对不对，看一眼就知道
计划时间画成边框，实际时间填成实心条，五种时间粒度可切换，延期和提前一眼看出来。
03 任务视图
任务攒到几百个，照样一秒找到
表格、看板、树形结构随时切换，按状态、标签、负责人、里程碑筛选，模糊搜索跨任务文档和决策。
04 图谱查询
谁挡着谁，问一句就出来
对项目内的知识图谱执行只读 Cypher，配好数据源就能查，结果以表格或图形呈现。
05 数据查询
文档里的数字，永远是最新的
在 Markdown 正文里写一条 SELECT，阅读视图会实时跑出结果表，可复制为 Markdown、导出 CSV，也能分页浏览。
06 图表
用图表把关系和数据讲清楚
数据查询的结果能直接出图：把查出的数据接上 Mermaid 或 ECharts，阅读视图原地渲染成流程图、时序图或交互式图表；同一份数据，文档、看板、Wiki 共用。
07 文件预览
Office 和 PDF，原地就能看
仓库里的 Word、Excel、PPT、PDF 不用导出就能预览，排版、表格、幻灯片逐页呈现，不跳转、不另存。
状态机
流转规则你来定
状态怎么走不该由工具说了算。哪些状态可以互转、哪些算收尾，都在设置页里自己画 —— 开发流程能用，资讯分析、论文编写这类非编码工作一样能定制。
状态机编辑器：流转规则自己画
- 转换树实时预览 —— 在设置页增删状态与连线，旁边立刻画出这棵状态树
- 终态单独标记 —— 哪些状态算收尾、哪些还能继续走，写清楚就不会有人卡在半路
-
状态变更能挂钩子 ——
onStatusChange可以接一条 shell 命令，校验、通知、同步都随你接 - 不只服务写代码 —— 资讯分析可以走「待读 → 摘录 → 成稿 → 复核」，论文编写可以走「选题 → 大纲 → 初稿 → 送审」，非开发流程同样自己说了算
Memos 随手记
灵感一闪，钉住再说
灵感总是来得突然、走得更快。一闪而过的念头，先钉进 Memos，不打断手上的活；笔记和任务、文档一样落在仓库里，能被搜索、反查和归档。
Memos 随手记：想到就记，不打断手上的活
- 三种视图，同一批笔记 —— 信息流按时间排，日历按月定位，钉板铺成一面便签墙
- #标签 与 @任务 内联解析 —— 写完就自动连进知识网，还能反查谁引用了它
-
归档不删除 —— 悬停即可归档到
archive/memos，历史随时翻回来
功能特性
终端、Web 界面、MCP 与 CLI 读写同一批 Markdown 文件，随时切换。
- 本地 Markdown 任务 —— 每个事项都是一份纯 .md 文件，可以 diff、review 和搜索
- 为 AI 而生 —— 兼容 Claude Code、Gemini CLI、Codex、Kiro 及任何支持 MCP 或 CLI 的助手
- 终端看板 —— backlog board 在终端里实时呈现任务分布
- LLM Wiki 知识库 —— AI 自动维护的结对笔记本，支持摄取、查询与健康检查
- Memos 快速笔记 —— 信息流、日历、钉板三种视图，支持标签与任务内联解析
- 图谱查询 —— 对任务、文档、依赖与链接执行只读 Cypher 查询
- 实时查询块 —— 在 Markdown 正文嵌入只读 SQL 或 Cypher，结果实时渲染
- 图表块 —— mermaid 与 echarts 围栏块绘制流程图和数据图表，跟随明暗主题
- 文件预览 —— Web 界面内置 DOCX、XLSX、PPTX、PDF 高保真预览
- 完成定义默认值 —— 项目级检查清单自动附加到每个新任务
- 看板导出 —— backlog board export 生成可共享的 Markdown 报告
- MIT 许可 —— 个人或商业用途均免费，跨平台支持 macOS、Linux 与 Windows
接入你已经在用的 AI 工具
CLI 指令是默认的接入方式，任何能执行命令的 Agent 都能直接开始工作。偏好 MCP 时，backlog init
也可以自动完成配置。
Claude Code
Codex
Gemini CLI
Kiro
Cursor
Kimi Code
MCP 连接器
终端
Web 界面
文档与资源
从快速开始到图谱查询，文档和项目放在同一个仓库里维护。
用户手册
52 页结构化手册：安装初始化、任务管理、看板、Web 界面、AI 集成、图谱与数据查询。
阅读用户手册Wiki 知识库
项目自身的 LLM Wiki：概念、决策、模式与执行记录，知识沉淀工作流的真实范例。
在 GitHub 上阅读CLI 参考
完整命令参考：任务、搜索、看板、文档、决策、里程碑、备忘录与图谱命令。
在 GitHub 上阅读高级配置
配置项全览：跨分支检查、自动提交、ID 格式化、编辑器集成与完成定义默认值。
在 GitHub 上阅读常见问题
不需要。Backlog.md 的数据全部存放在项目本地的 backlog 文件夹里，没有云端账号，也没有订阅要求，离线也能正常使用。
任务就是仓库里的 Markdown 文件，和代码一起进版本控制，可以被 diff、review、搜索和归档。同时它面向 AI Agent 设计：内置 CLI 指令与 MCP 接口，Agent 能直接按任务工作，人类在关键节点审查。
任何能执行命令行或支持 MCP 的工具都可以，包括 Claude Code、Codex、Gemini CLI、Kiro 和 Cursor。推荐用 CLI 指令接入，Agent 运行 backlog instructions overview 就能拿到当前工作流说明。
项目内的 backlog 目录，默认是 backlog/ 或 .backlog/，也可以在 backlog.config.yml 里配置成其他项目相对路径。任务本身是可直接阅读的 Markdown 文件。
可以。终端命令和 Web 界面都能独立使用，所有改动与 Markdown 文件保持同步。你随时可以在手动工作流和 AI 辅助之间切换，两者基于同一批文件。
在已有仓库里直接运行 backlog init 即可。没有 Git 用 backlog init --no-git 创建纯文件系统项目，此时跨分支检查、远程操作和自动提交会被禁用。
CLI 指令是默认推荐方式，先运行 backlog instructions overview 就能拿到当前版本的工作流说明，不会与实现细节脱节。如果你更偏好 MCP，backlog init 可以自动配置 Claude Code、Codex、Gemini CLI、Kiro 或 Cursor。
默认只绑定 127.0.0.1，仅本机可访问。需要局域网访问时才用 backlog browser --host 0.0.0.0，但 API 未做认证，不建议在不可信的网络里开放。
可以。任务随代码进版本控制，用正常的代码评审流程推进即可。自动提交默认关闭，适合需要精细控制提交历史的多人场景；单人自动化工作流可以打开它，获得一操作一提交的干净历史。
MIT 许可证，个人和商业用途都免费，只需保留出处署名。
macOS、Linux 和 Windows 都支持。可以用 npm、bun、Homebrew 或 Nix 安装。
在项目里运行 backlog agents --update-instructions，在弹出的列表里勾选要更新的文件（AGENTS.md、CLAUDE.md、GEMINI.md、.github/copilot-instructions.md），命令会把当前版本内置的 Backlog.md 指令块写进这些文件，同时保留你在管理块之外自己添加的内容。重新执行 backlog init 也会一并更新这些文件；如果某个文件里还没有 Backlog.md 指令块，命令会自动补上。
内置两个 Agent 技能：llm-wiki-for-backlog 把 backlog 源增量编译成可查询的项目知识库（wiki）；task-migration-architect 在 fork 项目里分析上游变更、按任务驱动完成分支合并。安装命令分别是 backlog wiki install <agent> 和 backlog migrate install <agent>，<agent> 填 claude、codex 或 agents。已存在同名技能时用 --force 覆盖，加 --dry-run 可只预览不写入。
支持 Claude Code / Desktop（.claude/skills/）、OpenAI Codex CLI（.codex/skills/）和通用 Agents 目录（.agents/skills/），三个目录通过符号链接共享同一份技能文件，Windows 上会回退为直接复制。Backlog.md 升级后，重新执行对应的安装命令并加 --force 即可把技能刷新到新版本，无需手动改动。
五分钟装上，不合适随时删掉
MIT 开源，数据在你自己的仓库里，不需要账号，也没有云端依赖。装完跑一次 backlog init 就能看到效果。
同一个包也可以用 bun 安装：bun add -g @kuwork/backlog.md