Наш Task Tracker используется не только как список задач для человека. Значительная часть постановок готовится вместе с AI-агентами, задачи могут импортироваться из Markdown, а результат работы снова должен быть понятен человеку. Из-за этого привычная модель трекера немного меняется: интерфейс и данные должны быть удобны сразу двум типам участников.
Человеку нужен контекст, машине - структура
Хорошая задача для человека объясняет проблему естественным языком: что происходит сейчас, что должно измениться и что нельзя сломать. Автоматизации дополнительно нужны устойчивые поля: ключ Epic, статус, идентификатор задачи, понятный формат импорта.
Если оставить только структуру, постановка становится неудобной для чтения. Если оставить только прозу, автоматическая обработка начинает зависеть от интерпретации.
Markdown оказался удобным мостом
MD достаточно прост для человека и при этом легко разбирается программно. Заголовок, обычные разделы, списки и несколько служебных полей позволяют держать задачу переносимой между чатами, файлами и трекером.
Поэтому правило "один файл = одна задача" оказалось важнее конкретного интерфейса импорта.
Не каждое поле нужно автоматизировать
Если система может определить статус или Epic только через догадку, лучше не определять их автоматически. Мы стараемся отделять механическую работу от содержательных решений.
Импорт может создать задачу из файла. Но если новый Epic еще не определен человеком, инструмент не должен придумывать его сам.
Интерфейс должен показывать состояние без расшифровки
AI может работать с ключами и машинными полями, но человек должен быстро видеть обычные вещи: что в backlog, что в работе, что заблокировано, где находится задача и к какому крупному направлению она относится.
Автоматизация полезна только пока она не ухудшает ручное управление.
Хороший трекер хранит границы ответственности
Когда задача переходит между человеком и агентом, особенно важно понимать, что является постановкой, а что результатом. Агент не должен незаметно менять смысл исходной задачи вместе с выполнением.
Стабильные сущности и явные статусы помогают сохранить эту границу и позволяют проверять работу независимо от того, кто ее выполнял.
Мы не строим отдельный трекер "для AI". Скорее, проектируем обычную систему управления работой так, чтобы автоматический участник мог пользоваться теми же сущностями без скрытой магии. Чем понятнее данные машине, тем меньше она додумывает. Чем понятнее интерфейс человеку, тем легче эту автоматизацию контролировать.