Taskmastertask-master-ai面向 AI 驱动开发的跨编辑器任务管理系统实战指南【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-masterTaskmaster 是专为 AI 驱动开发设计的任务管理系统可无缝集成到 Cursor、Windsurf、VS Code、Roo、Claude Code 等任意 AI 聊天与编辑环境中。本文以仓库根目录 README.md 为主体结合 docs/command-reference.md、docs/configuration.md、docs/task-structure.md 与 mcp-server/src/tools/index.js 源码完整讲解 MCP 与 CLI 两种接入方式、AI 模型与 API Key 配置、任务数据结构、TASK_MASTER_TOOLS工具按需加载机制及常用命令读完后你可以在自己的项目中独立完成初始化、解析 PRD、规划与执行任务、跨 tag 迁移与复杂度分析的全流程。项目概览为 AI 协作而生的任务管理系统Taskmasternpm 包名task-master-aiCLI 命令task-master的核心定位是任务管理系统服务于 AI 驱动的开发流程能与任何 AI 聊天工具无缝协作。它解决了 AI 编程中最常见的问题——AI 在长对话中丢失上下文、任务规划混乱、无法跟踪多阶段工程进度。通过将 PRD产品需求文档解析为结构化任务、跟踪任务依赖与状态、按优先级推荐下一步工作Taskmaster 让 AI 助手与开发者共享同一份作战地图。从仓库结构看项目是 monorepo 布局见 package.json核心组件包括MCP Servermcp-server/通过 Model Context Protocol 向编辑器暴露get_tasks、next_task、parse_prd等工具CLItask-master提供等价的命令行操作适用于脚本化与终端工作流AI Provider 层src/ai-providers/封装 Anthropic、OpenAI、Google、Perplexity、Azure、Ollama、Codex CLI 等十余家模型提供商规则Rules体系src/profiles/为 Cursor、Roo、Windsurf、VS Code 等编辑器生成专属规则文件。环境需求与 API Key 准备Taskmaster 在多个命令中调用 AI 能力因此至少需要一个可用的模型提供商 API Key使用 Claude Code 或 Codex CLI 的 OAuth 登录除外。README 明确列出了以下任选其一的凭据Anthropic API KeyClaude APIOpenAI API KeyGoogle Gemini API KeyPerplexity API Key用于研究模型xAI API Key用于研究或主模型OpenRouter API Key用于研究或主模型Claude Code无需 API Key需要安装 Claude Code CLICodex CLI通过 ChatGPT 订阅 OAuth需要安装 Codex CLI系统可同时配置三类模型角色角色用途说明main主模型负责解析 PRD、生成与更新任务research研究模型获取超出模型知识截止日期的最新信息可选但强烈推荐fallback兜底模型主模型或研究模型失败时的备用约束无论使用哪种模型其提供商 API Key 都必须出现在mcp.json的env块或项目根目录的.env文件中。全部配置好所有 Key 后即可随时无缝切换模型提供商。快速开始一MCP 集成推荐方式MCPModel Context Protocol让你可以直接在编辑器内运行 Task Master无需离开 AI 聊天面板。这是官方推荐的接入方式。1. 添加 MCP 配置不同编辑器的配置文件路径与键名各不相同README 给出的对照表如下编辑器作用域Linux/macOS 路径Windows 路径键名Cursor全局~/.cursor/mcp.json%USERPROFILE%\.cursor\mcp.jsonmcpServers项目项目目录/.cursor/mcp.json项目目录\.cursor\mcp.jsonmcpServersWindsurf全局~/.codeium/windsurf/mcp_config.json%USERPROFILE%\.codeium\windsurf\mcp_config.jsonmcpServersVS Code项目项目目录/.vscode/mcp.json项目目录\.vscode\mcp.jsonserversQ CLI全局~/.aws/amazonq/mcp.json—mcpServersCursor / Windsurf / Q Developer CLImcpServers键{ mcpServers: { task-master-ai: { command: npx, args: [-y, task-master-ai], env: { // TASK_MASTER_TOOLS: all, // 可选值: all, standard, core, 或逗号分隔的工具列表 ANTHROPIC_API_KEY: YOUR_ANTHROPIC_API_KEY_HERE, PERPLEXITY_API_KEY: YOUR_PERPLEXITY_API_KEY_HERE, OPENAI_API_KEY: YOUR_OPENAI_KEY_HERE, GOOGLE_API_KEY: YOUR_GOOGLE_KEY_HERE, MISTRAL_API_KEY: YOUR_MISTRAL_KEY_HERE, GROQ_API_KEY: YOUR_GROQ_KEY_HERE, OPENROUTER_API_KEY: YOUR_OPENROUTER_KEY_HERE, XAI_API_KEY: YOUR_XAI_KEY_HERE, AZURE_OPENAI_API_KEY: YOUR_AZURE_KEY_HERE, OLLAMA_API_KEY: YOUR_OLLAMA_API_KEY_HERE } } } } 将YOUR_…_KEY_HERE替换为真实 API Key用不到的 Key 可以直接删除。若在 MCP 设置中看到0 tools enabled请重启编辑器并检查 API Key 配置是否正确。VS Codeservers键 type字段{ servers: { task-master-ai: { command: npx, args: [-y, task-master-ai], env: { // TASK_MASTER_TOOLS: all, // 可选值: all, standard, core, 或逗号分隔的工具列表 ANTHROPIC_API_KEY: YOUR_ANTHROPIC_API_KEY_HERE, PERPLEXITY_API_KEY: YOUR_PERPLEXITY_API_KEY_HERE, OPENAI_API_KEY: YOUR_OPENAI_KEY_HERE, GOOGLE_API_KEY: YOUR_GOOGLE_KEY_HERE, MISTRAL_API_KEY: YOUR_MISTRAL_KEY_HERE, GROQ_API_KEY: YOUR_GROQ_KEY_HERE, OPENROUTER_API_KEY: YOUR_OPENROUTER_KEY_HERE, XAI_API_KEY: YOUR_XAI_KEY_HERE, AZURE_OPENAI_API_KEY: YOUR_AZURE_KEY_HERE, OLLAMA_API_KEY: YOUR_OLLAMA_API_KEY_HERE }, type: stdio } } }2. Cursor 专属启用 Taskmaster MCP打开 Cursor 设置CtrlShiftJ→ 点击左侧 MCP 标签页 → 用开关启用task-master-ai。3. 可选配置要使用的模型在编辑器 AI 聊天面板中直接说Change the main, research and fallback models to model_name, model_name and model_name respectively.例如改用 Claude Code无需 API KeyChange the main model to claude-code/sonnet当前支持的模型清单可参考 docs/models.md涵盖 anthropic、claude-code、openai、google、groq、perplexity、openrouter、ollama、azure、bedrock 等提供商及各自 SWE Score 与价格Claude Code 的具体接入见 docs/examples/claude-code-usage.md。4. 初始化 Task Master在 AI 聊天面板中说Initialize taskmaster-ai in my project5. 准备 PRD强烈推荐新项目在.taskmaster/docs/prd.txt创建 PRD已有项目可使用scripts/prd.txt或用task-master migrate迁移旧配置初始化后可在.taskmaster/templates/example_prd.txt找到 PRD 模板。README 特别强调Always start with a detailed PRD——PRD 越详细生成的任务质量越高。对于复杂项目建议始终从 PRD 出发当然也可以随时通过聊天直接创建单个任务例如 Can you help me implement [描述你想做的事]?。6. 常用对话指令接入 MCP 后可以用自然语言驱动解析需求Can you parse my PRD at scripts/prd.txt?规划下一步Whats the next task I should work on?实现任务Can you help me implement task 3?查看多个任务Can you show me tasks 1, 3, and 5?展开任务Can you help me expand task 4?研究最新信息Research the latest best practices for implementing JWT authentication with Node.js带项目上下文研究Research React Query v5 migration strategies for our current API implementation in src/api.js更多聊天用法示例见 docs/examples.md。快速开始二命令行 CLI不依赖编辑器时可以直接使用 CLI 完成同样的工作流。安装# 全局安装 npm install -g task-master-ai # 或仅在项目内安装 npm install task-master-ai初始化项目# 全局安装后 task-master init # 本地安装后 npx task-master init # 指定规则初始化 task-master init --rules cursor,windsurf,vscodeinit会交互式询问项目信息并创建必要的文件与目录结构.taskmaster/配置目录、规则文件、PRD 模板等。核心命令一览# 解析 PRD 并生成任务 task-master parse-prd your-prd.txt # 列出所有任务 task-master list # 显示下一个待办任务 task-master next # 显示指定任务支持逗号分隔 ID task-master show 1,3,5 # 带项目上下文研究最新信息 task-master research What are the latest best practices for JWT authentication? # 跨 tag 移动任务 task-master move --from5 --from-tagbacklog --to-tagin-progress task-master move --from5,6,7 --from-tagbacklog --to-tagdone --with-dependencies task-master move --from5 --from-tagbacklog --to-tagin-progress --ignore-dependencies # 初始化后追加规则 task-master rules add windsurf,roo,vscode任务系统核心数据结构与 Tag 多上下文理解任务数据结构是使用 Taskmaster 的前提详见 docs/task-structure.md。任务字段tasks.json中的每个任务包含以下字段idnumber任务唯一标识如1titlestring简短描述性标题如Initialize Repodescriptionstring任务内容简述statusstring任务状态合法值包括pending、in-progress、done、review、deferred、cancelleddependenciesarray必须先完成的前置任务 ID 列表如[1, 2]依赖会以 ✅已完成/ ⏱️待完成状态指示器展示便于快速识别阻塞项prioritystring优先级合法值high、medium、low默认mediumdetailsstring深入实现说明testStrategystring验证方式subtasksarray由更小、更具体任务组成的子任务列表。单任务文件task file则采用带元数据头的纯文本格式# Task ID: id # Title: title # Status: status # Dependencies: 逗号分隔的依赖 ID 列表 # Priority: priority # Description: 简述 # Details: 详细实现笔记 # Test Strategy: 验证方式Tagged Task Lists多上下文任务管理v0.17自 v0.16.2 起Taskmaster 引入Tagged Task Lists把任务组织进名为tag的独立上下文如不同分支、环境或项目阶段互不干扰{ master: { tasks: [ { id: 1, title: Setup API, status: pending } ] }, feature-branch: { tasks: [ { id: 1, title: New Feature, status: pending } ] } }无缝迁移已有tasks.json会自动迁移到mastertag 下所有命令行为保持不变完全隔离不同 tag 的任务互不影响所有任务操作list/show/add/update 等默认作用于当前激活 tag也可用--tagname指定Git 集成可通过task-master add-tag --from-branch基于当前 git 分支名创建 tag切换完全由用户控制。Tag 管理命令完整列表如下# 列出所有 tag 及任务数与状态 task-master tags task-master tags --show-metadata # 创建 tag可带描述 / 基于分支 / 复制当前或指定 tag task-master add-tag tag-name task-master add-tag tag-name --descriptionFeature development tasks task-master add-tag --from-branch task-master add-tag new-tag --copy-from-current task-master add-tag new-tag --copy-fromsource-tag # 切换 / 重命名 / 复制 / 删除 tag task-master use-tag tag-name task-master rename-tag old-name new-name task-master copy-tag source-tag target-tag task-master copy-tag source-tag target-tag --descriptionCopied for testing task-master delete-tag tag-name task-master delete-tag tag-name --yes工具按需加载TASK_MASTER_TOOLS 优化上下文开销MCP 服务器默认一次性加载全部 36 个工具约 21,000 tokens为兼顾上下文窗口效率Taskmaster 支持通过TASK_MASTER_TOOLS环境变量选择性加载工具。这一机制在源码中有明确实现mcp-server/src/tools/index.js 中的registerTaskMasterTools根据模式选择注册工具集合未设置时默认core自定义列表无效时回退到全部工具。可用模式模式工具数上下文占用适用场景all默认36~21,000 tokens完整功能集standard15~10,000 tokens常规任务管理操作core或lean7~5,000 tokens日常核心开发工作流自定义不定不定逗号分隔的指定工具列表Core 工具7 个get_tasks、next_task、get_task、set_task_status、update_subtask、parse_prd、expand_taskStandard 工具15 个全部 Core 工具 initialize_project、analyze_project_complexity、expand_all、add_subtask、remove_task、generate、add_task、complexity_reportAll 工具36 个完整集合涵盖项目初始化、任务管理、复杂度分析、依赖、tag、研究等全部能力。配置方式方式一MCP 配置文件的env段推荐优先级最高{ mcpServers: { // VS Code 使用 servers task-master-ai: { command: npx, args: [-y, task-master-ai], env: { TASK_MASTER_TOOLS: standard, // 可选值: all, standard, core, lean, 或逗号分隔列表 ANTHROPIC_API_KEY: your-key-here // ... 其他 API Key } } } }方式二Claude Code CLI 一次性配置# core 模式约 70% token 缩减 claude mcp add task-master-ai --scope user \ --env TASK_MASTER_TOOLScore \ -- npx -y task-master-ailatest # 自定义工具示例 claude mcp add task-master-ai --scope user \ --env TASK_MASTER_TOOLSget_tasks,next_task,set_task_status \ -- npx -y task-master-ailatest加载行为细节未设置或为空时默认core注意README 中的默认值说明与 docs/configuration.md 中默认 core的表述一致而 README 的兼容性说明提及旧安装默认all配置时以你的实际版本与官方配置文档为准自定义列表中的无效工具名会被忽略并输出警告若自定义列表全部无效则回退加载all工具名大小写不敏感CORE、core、Core等价。推荐策略新用户从standard起步平衡功能与开销大型项目用core最小化 token复杂工作流用all或自定义选择。配置体系config.json 与 .env 的职责分离Taskmaster 采用双文件配置模型职责严格分离详见 docs/configuration.md。.taskmaster/config.json模型与非敏感设置由task-master init或task-master models --setup创建于.taskmaster/目录保存模型选择、生成参数、日志级别等项目默认值{ models: { main: { provider: anthropic, modelId: claude-3-7-sonnet-20250219, maxTokens: 64000, temperature: 0.2, baseURL: https://api.anthropic.com/v1 }, research: { provider: perplexity, modelId: sonar-pro, maxTokens: 8700, temperature: 0.1, baseURL: https://api.perplexity.ai/v1 }, fallback: { provider: anthropic, modelId: claude-3-5-sonnet, maxTokens: 64000, temperature: 0.2 } }, global: { logLevel: info, debug: false, defaultNumTasks: 10, defaultSubtasks: 5, defaultPriority: medium, defaultTag: master, projectName: Your Project Name, ollamaBaseURL: http://localhost:11434/api, azureBaseURL: https://your-endpoint.azure.com/openai/deployments, vertexProjectId: your-gcp-project-id, vertexLocation: us-central1, responseLanguage: English } }关键点modelId选择、maxTokens、temperature、logLevel、defaultSubtasks、defaultPriority、projectName等只能通过config.json管理不放在环境变量中。老项目根目录的.taskmasterconfig仍被支持会提示迁移用task-master migrate迁移到新结构。.env或 MCPenv块仅存放 API Key 与端点用于敏感凭据与特殊端点覆盖CLI 场景放在项目根.envMCP 场景放在 MCP 配置的env段ANTHROPIC_API_KEYsk-ant-api03-your-key-here PERPLEXITY_API_KEYpplx-your-key-here # OPENAI_API_KEYsk-your-key-here # GOOGLE_API_KEYAIzaSy... # AZURE_OPENAI_API_KEYyour-azure-openai-api-key-here # 可选端点覆盖例如兼容 OpenAI 的第三方 API # OPENAI_BASE_URLhttps://api.third-party.com/v1 # AZURE_OPENAI_ENDPOINThttps://your-resource-name.openai.azure.com/ # OLLAMA_BASE_URLhttp://custom-ollama-host:11434/api # Google Vertex AI使用 vertex provider 时必需 # VERTEX_PROJECT_IDyour-gcp-project-id # VERTEX_LOCATIONus-central1 # GOOGLE_APPLICATION_CREDENTIALS/path/to/service-account.json端点覆盖的优先级为PROVIDER_BASE_URL环境变量 config.json中各角色baseURL 提供商默认端点。模型配置命令# 查看当前模型配置与 API Key 状态 task-master models # 设置主 / 研究 / 兜底模型已知提供商可自动推断 task-master models --set-mainclaude-3-opus-20240229 task-master models --set-researchsonar-pro task-master models --set-fallbackclaude-3-haiku-20240307 # 自定义 Ollama / OpenRouter / Codex CLI 模型 task-master models --set-mainmy-local-llama --ollama task-master models --set-researchgoogle/gemini-pro --openrouter task-master models --set-maingpt-5-codex --codex-cli # 交互式引导配置 task-master models --setup运行时状态.taskmaster/state.json系统运行时信息当前激活 tag、切换时间等保存在.taskmaster/state.json由系统自动维护不应手动编辑{ currentTag: master, lastSwitched: 2025-06-11T20:26:12.598Z, migrationNoticeShown: true }命令参考从解析 PRD 到收尾的完整工作流以下命令均以task-master为前缀完整清单见 docs/command-reference.md。PRD 解析与任务生成# 默认生成 10 个任务 task-master parse-prd prd-file.txt # 限制任务数量 task-master parse-prd prd-file.txt --num-tasks5 # 由 AI 根据复杂度自行决定数量 task-master parse-prd prd-file.txt --num-tasks0查看与定位任务task-master list # 全部任务 task-master list --statuspending # 按状态过滤 task-master list --with-subtasks # 含子任务 task-master next # 推荐下一个任务依赖满足、按优先级/依赖数/ID 排序 task-master show 1 # 单任务详情视图 task-master show 1,3,5 # 多任务紧凑表格 交互操作菜单 task-master show 1.2 # 查看子任务taskId.subtaskIdshow的多任务模式提供一键批量操作全部标记 in-progress/done、查看下一个任务、批量展开、查看依赖关系、生成任务文件。更新与状态流转# 从指定 ID 起批量更新任务 task-master update --from3 --promptprompt task-master update --from3 --promptprompt --research # 更新单个任务替换式 task-master update-task --id5 --promptprompt --research # 追加信息到子任务保留原内容并打时间戳适合迭代增强 task-master update-subtask --id5.2 --promptAdd rate limiting of 100 requests per minute # 设置状态支持多个 ID 与子任务 task-master set-status --id1,2,3 --statusdone task-master set-status --id1.1,1.2 --statusin-progress注意update-task是替换任务信息而update-subtask是追加信息将任务标记为done时其全部子任务会自动标记为done。任务展开与复杂度分析# 为任务生成子任务 task-master expand --id4 --num5 task-master expand --id4 --num0 # 动态数量忽略复杂度报告 task-master expand --id4 --promptcontext task-master expand --all # 展开所有 pending 任务 task-master expand --all --force # 强制重新生成已有子任务 task-master expand --id4 --research # 研究驱动生成 # 清空子任务 task-master clear-subtasks --id1,2,3 task-master clear-subtasks --all # 复杂度分析1-10 分推荐子任务数量生成可执行命令报告 task-master analyze-complexity --research --threshold6 --outputmy-report.json # 查看复杂度报告按分数排序、分布统计、标记待展开任务 task-master complexity-report --filemy-report.json复杂度分析默认将报告保存到scripts/task-complexity-report.json仓库中可见示例 scripts/task-complexity-report.json。当报告存在时expand会自动按推荐子任务数与提示词展开、按复杂度从高到低处理同时允许用显式命令行参数覆盖推荐值。依赖管理task-master add-dependency --id6 --depends-on3 task-master remove-dependency --id6 --depends-on3 task-master validate-dependencies # 校验而不修复 task-master fix-dependencies # 自动查找并修复无效/循环依赖任务移动与新增# 移动任务/子任务、重排子任务、批量移动 task-master move --from5 --to7 task-master move --from5.2 --to7 task-master move --from5.2 --to7.3 task-master move --from10,11,12 --to16,17,18 # AI 新增任务 task-master add-task --promptDescription of the new task --research task-master add-task --promptDescription --dependencies1,2,3 --priorityhigh跨 tag 移动的完整能力含--with-dependencies、--ignore-dependencies选项可参考 docs/cross-tag-task-movement.md。研究命令突破 AI 知识截止日期# 基础研究 task-master research What are the latest best practices for JWT authentication in Node.js? # 带任务 / 文件上下文 task-master research How to implement OAuth 2.0? --id15,16 task-master research How can I optimize this API implementation? --filessrc/api.js,src/auth.js # 自定义上下文与项目树 task-master research Best practices for error handling --contextWere using Express.js --tree # 详细程度与保存 task-master research React Query v5 migration guide --detailhigh task-master research Database optimization strategies --tagfeature-branch task-master research Database optimization techniques --save-file # 将结论直接提交到任务/子任务推荐 task-master research How to implement OAuth? --save-to15 task-master research API optimization strategies --save-to15.2 task-master research Best practices --id15,16 --filessrc/auth.js --save-to15.3研究命令提供超出知识截止日期的最新信息、基于任务与文件的项目感知上下文、模糊搜索自动发现任务、低/中/高三档详细度、token 计数与成本追踪、交互式追问、灵活的保存选项提交到任务或存档会话是获取最新最佳实践、验证实现方案、跟进安全建议的利器。规则管理# 为项目添加规则如 .roo/rules、.windsurf/rules task-master rules add windsurf,roo,vscode # 移除规则触发安全警告确认--force 绕过 task-master rules remove windsurf task-master rules remove windsurf --force # 交互式选择规则不重新初始化项目 task-master rules setupinit未指定--rules时会进入同样的交互式选择--rules省略时默认安装全部可用规则claude、cline、codex、cursor、roo、trae、vscode、windsurf。进阶MCP 超时与特殊提供商配置MCP 超时配置parse_prd、expand_task、research、analyze_project_complexity等 AI 长操作可能超过 MCP 默认的 60 秒超时官方建议在 MCP 配置中增加timeout参数对所有 MCP 客户端一致生效{ mcpServers: { task-master-ai: { command: npx, args: [-y, --packagetask-master-ai, task-master-ai], timeout: 300, env: { ANTHROPIC_API_KEY: your-anthropic-api-key } } } }取值范围1–3600 秒推荐 300 秒5 分钟复杂操作可加大到 600 秒task-master rules add cursor|roo|windsurf|vscode会自动写入该配置超时前典型报错为MCP request timed out after 60000ms调整配置后需重启编辑器。Claude Code 支持Taskmaster 支持通过 Claude Code CLI 调用 Claude 模型无需 API Key模型claude-code/opus与claude-code/sonnet前提本机安装 Claude Code CLI快速接入claude mcp add taskmaster-ai -- npx -y task-master-ai并把 API Key 放入项目根.env或 MCP 配置的env段。Codex CLI 与 Azure / Vertex 提供商Codex CLI通过codex login的 OAuth 使用 ChatGPT 订阅访问gpt-5与gpt-5-codex支持codexCli配置段allowNpx、approvalMode、sandboxMode、commandSpecific等详见 docs/providers/codex-cli.mdAzure OpenAI设置AZURE_OPENAI_API_KEY与AZURE_OPENAI_ENDPOINT注意modelId需与 Azure OpenAI Studio 中的部署名一致支持全局azureBaseURL与按模型baseURL两种端点配置方式Google Vertex AI需VERTEX_PROJECT_ID、VERTEX_LOCATION默认us-central1可用 API Key 或服务账号GOOGLE_APPLICATION_CREDENTIALS认证详见 docs/providers/azure.mdx 与 docs/configuration.md。故障排查task-master init无响应直接用 Node 运行初始化脚本node node_modules/claude-task-master/scripts/init.js或克隆仓库后运行 scripts/init.jsgit clone https://gitcode.com/GitHub_Trending/cl/claude-task-master.git cd claude-task-master node scripts/init.js配置错误提示缺少配置或找不到配置文件时在项目根目录运行task-master models --setup创建或修复新项目配置位于.taskmaster/config.json旧项目建议用task-master migrate迁移确认 API Key 正确放置于.envCLI或.cursor/mcp.jsonMCP且对所选提供商有效。最佳实践建议结合 docs/task-structure.md 的最佳实践清单推荐的工作流是从详细 PRD 开始——PRD 越详细生成的任务质量越高审查生成的任务——解析 PRD 后检查任务与依赖是否合理分析复杂度——用analyze-complexity找出需要进一步拆分的任务尊重依赖链——始终按依赖顺序推进边做边更新——实现偏离计划时用update保持后续任务对齐拆分复杂任务——用expand将大任务拆成可管理的子任务及时再生成任务文件——修改tasks.json后重新生成任务文件保持同步定期校验依赖——运行validate-dependencies检查无效或循环依赖。许可说明Taskmaster 采用MIT License with Commons Clause详见 LICENSE 与 docs/licensing.md✅允许任何用途使用个人/商业/学术、修改代码、分发副本、基于它构建并销售产品❌禁止销售 Taskmaster 本身、将其作为托管服务提供、基于它创建竞品。【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考