在高度信息化的当代，我们即将进入“众设备时代”:大量的智能设备将出现并透明地融合到人们的日常生活之中，形成具有强大感知、通信和计算能力的“智能环境”。对智能环境的研究吸引了来自不同学科的研究人员，包括普适计算、物联网、移动计算和传感器网络等。智能影子通过提炼和整合这些领域的理论，构建一个面向日常智能环境的计算模型。该新模型充分地描述智能环境中的具体过程，实现真正的动态自适应计算。然而，智能影子的研究仍然处于探索阶段，要想真正地实现该模型还需应对一些亟待解决的问题。　　智能影子的目标是自动和低干扰地完成用户日常生活的任务。因此，我们从用户任务的视角出发，构建相关的理论和计算模型来进一步完善智能影子模型。我们引入用户任务的概念，表示用户在生活或工作中想要完成的事情，以帮助系统理解用户的真实需求。围绕用户任务概念，我们进一步地提炼实现基于用户任务的计算模型所需的关键方法和机制，使用户能将宝贵的注意力资源集中在任务本身。基于这个思路，本文对任务计算的模型构建、任务计算的关键技术和无缝的任务跟随进行探索和研究，并取得以下的成果:　　1)构建了以任务为核心的表示模型　　本文深入地分析任务计算模型在智能影子中的两个核心构成元素:任务和环境。我们提出双层的任务模型，从任务流程和任务语义两个方面来描述抽象的用户任务，以实现在描述层次对动态任务映射和状态管理进行支持;在环境模型中，我们从智能环境的五个维度为其构建相应的语义模型，为任务的自动化执行提供良好的理论基础。　　2)提出了降低用户干扰度的任务执行机制　　为了保证任务运行过程的低干扰性，本文重点研究实现自动化任务执行所必需解决的两个方面:任务捕获和映射。我们提出两种任务捕获的方法来帮助系统获取用户需要执行的任务:任务搜索技术能减轻用户的记忆负担，而任务推荐方法能主动地推荐用户想要执行的任务;在任务映射方面，我们提出任务-服务映射算法来找出最合适的服务集合，以搭建高层任务和底层环境能力之间的桥梁。　　3)提出了跨智能环境的无缝任务迁移　　本文深入研究无缝任务迁移所涉及的关键技术，以实现用户任务在不同智能环境之间的无缝跟随。该方法使用一个多触发集成机制实现方便、自然和快捷的迁移触发过程，并在任务和环境模型的基础上实现了两种不同的状态管理机制以保证任务状态在异构设备和环境之间的连续性。　　4)建立新型的任务计算原型并进行验证　　我们设计并实现ScudTask原型系统，来集成本文所提出的理论模型和关键技术。据我们所知，ScudTask是第一个采用移动云架构作为底层基础的任务计算平台。为了验证ScudTask平台在智能环境中的性能和可用性，我们对其进行了三方面的评估实验，并将其部署和应用到三个现实的智能环境，包括智能家居环境、智能车环境和智能办公环境。