核心用法
task-resume 是一套面向多任务中断场景的自动恢复工作流，通过强制性的队列机制确保用户临时切换上下文后，原任务不会丢失。
三大核心行为：
- 默认入队：任何非显式取消的主题切换，自动将未完成任务加入共享队列
- 消息级检测：每条新用户消息到达时即时判断是否为中断，而非依赖周期性轮询
- 完成即恢复：当前任务结束后自动弹出并恢复最旧的中断任务
技术实现：
- 统一队列文件：
memory/task-resume-queue.json，跨主会话/克隆会话/群组会话共享 - 专用 CLI 工具：
scripts/task_resume_queue.py支持 add/pop/status/list/recover 全生命周期操作 - 日志级恢复：支持从
.jsonl会话日志重建任务上下文，缺失时优雅降级 - 去重机制：相同标题+近似上下文更新时间戳，避免队列膨胀
- 容量管控：队列上限 30 项，溢出项转存至
memory/YYYY-MM-DD.md
高阶特性：
- Watchdog 自动续执行：每 30 分钟巡检，无进展时自动推进下一步，适合"无需提醒、直接继续"的自动化场景
- 日常清理：自动识别 >7 天陈旧任务，主动询问用户处置
显著优点
- 零上下文丢失：强制入队+跨会话共享，彻底解决"切走即忘"问题
- 用户无感恢复：完成任务后自动续接，无需手动记忆或操作
- 防御性设计：ENOENT-safe、去重、容量限制、日志降级，多层容错
- 自动化友好：Watchdog 模式支持无人值守的持续任务推进
潜在局限
- 依赖文件系统：队列基于本地 JSON 文件，分布式部署需额外同步机制
- 中断判定主观："是否相关"依赖实现层面的语义判断，复杂场景可能误触发
- 队列深度有限：30 项上限+7 天清理策略，不适合超长期积压场景
适合人群
- 多任务并行、频繁上下文切换的开发者/项目经理
- 需要跨会话保持任务连续性的 AI Agent 工作流
- 追求"自动推进"而非"被动提醒"的高自动化场景
常规风险
- 队列污染：非真实中断被误判入队，导致虚假恢复干扰
- 权限问题：共享队列文件若权限配置不当，可能引发会话间竞态
- Watchdog 失控：自动执行模式下，错误任务配置可能导致持续错误输出，需配合人工巡检