打断点存在粗细粒度之分，子任务边界只是其中较粗的一级
别名: interruption breakpoint · coarse boundary · fine boundary · 任务边界层级
概念解释
一项任务不是一个不可分割的整体，而是一层套一层的目标结构：一次报告写作可以拆成章节、段落、句子，一次表单填写可以拆成整张表单、单个字段、单次按键。任务执行过程中，每一层目标完成的瞬间都构成一个可以打断的候选时刻，叫打断点（breakpoint）。这些候选时刻并不等价，而是有粗细之分——完成一整个子任务是一种打断点，完成子任务内的一个动作也是一种打断点，两者不是同一件事。子任务边界只是这个层级里偏粗的一级，不是唯一的、也不是最细的一级。
机制
任务执行依赖在工作记忆里维持一叠尚未关闭的目标：最外层是整体任务目标，往里是当前子任务目标，再往里是子任务内正在执行的具体步骤。某个打断点关闭了目标栈里的哪一层，决定了这个打断点有多"干净"。在粗粒度的打断点（比如一个子任务彻底完成）上，目标栈里对应那一层连同它下面的所有子目标都已清空，被打断时留在工作记忆里需要维护的悬而未决的状态最少。在细粒度的打断点（比如一个子任务内部刚做完一步）上，只有最内层的小目标被关闭，外层子任务的目标状态仍然挂在工作记忆里，打断发生时这部分状态仍然暴露在被覆盖、被冲刷的风险中。粒度越粗，关闭的目标层级越多，打断点就越"干净"。
怎么研究
研究这类问题通常先对目标任务做层级任务分解：把任务写成一棵目标树，标出每一层子目标的起止时刻，这些起止时刻就是候选打断点。再把候选打断点按照关闭的目标层级分类为粗粒度（如子任务/阶段边界）和细粒度（如子任务内部的单步操作边界），在不同粒度上插入外部中断任务，比较打断后的主任务表现、错误率与被试的主观烦躁感评分。
常见自变量：打断点所处的层级、任务本身的层级深度；常见因变量：中断造成的任务时间增量、错误率、事后烦躁感评分。
方法论注意点：层级任务分解依赖研究者对任务结构的主观切分，不同研究者切出的层级边界不完全一致；这套方法在结构清晰、步骤明确的操作型任务（表单填写、文档编辑、编程）里适用性最好，对开放式、探索性的任务（自由写作、头脑风暴）里边界本身就模糊，粒度划分的意义会打折扣。
边界
- 这条结论建立在任务本身具有可辨识的层级结构的前提上。如果任务扁平、没有清晰的子目标嵌套（比如持续的自由联想类创作），粗细粒度的区分就没有稳固的锚点。
- 粒度分类是相对的，不是绝对的两档。一个足够复杂的任务可能有三层甚至更多层级，"粗"与"细"要相对同一任务的层级深度来说，不能跨任务直接比较。
- 这条只讲打断点存在粒度差异这件事本身，具体某种粒度带来什么样的成本与延迟权衡是另外的结论。
怎么落地
- 在设计需要感知任务边界的系统（通知调度、自动保存、协作提示）之前，先对目标工作流做一次层级任务分解，画出候选打断点在哪些层级上出现，而不是默认"页面跳转"或"点击提交"就是唯一的边界。
- 区分打断的紧迫程度来选择粒度：高成本、可以等待的信息应该寻找较粗粒度的打断点；低成本、时效性强的信息可以放宽到较细粒度。
- 验证办法：在真实使用日志里标注不同层级的候选打断点出现的时间戳，对比在不同层级插入中断后用户中断后前几步的操作延迟与出错率，用这个差异确认粒度划分在该任务里是否真的成立、划在哪一层最合适。