这篇先解决什么断线#

AI 一旦开始跑长任务，很快就会暴露一个比“代码写错”更烦的问题：任务特别容易断线。线程一长、上下文一换、执行一暂停，之前已经想清楚的边界、做过的决定、踩过的坑，很可能下一轮又得重新讲一遍。

真正贵的，很多时候不是模型调用，而是这些不断重来。

这篇会留下什么#

这一章会把长任务所需的状态资产拆清楚：

• 什么应该写进 progress log。
• 什么必须沉淀成 handoff artifact，确保下一轮不是从零开始猜。
• 什么适合进入 repo memory，什么应该只留在当前任务现场。
• 为什么 append-only 的上下文越堆越多，最后往往只会把后续判断带偏。

这一章的目标不是让 AI “记得更多”，而是让项目学会一种更可靠的继续方式：

就算线程断了、agent 换了、任务暂停了，系统也知道自己已经走到了哪里。