--- # 🧠 ColaFlow 项目计划书 **版本：** 1.0 Draft **作者：** Yaojia Wang / Colacoder 团队 **日期：** 2025-11 **用途：** 内部立项 & 技术实现规划 --- ## 一、项目简介 **ColaFlow** 是一款基于 **AI + MCP 协议** 的新一代项目管理系统，灵感源自 Jira 的敏捷管理模式，但更智能、更开放、更流畅。 目标是让 **AI 成为团队成员**，能安全地读写项目数据、生成文档、同步进度和汇总报告，从而让项目流转像气泡一样顺滑。 > “Flow your work, with AI in every loop.” --- ## 二、项目愿景 构建一个能让 **人类与 AI 协作自然流动的项目平台**。 * AI 自动生成与更新任务、文档、进度 * 人类决策、审核与确认关键动作 * 系统通过 **MCP (Model Context Protocol)** 无缝连接 ChatGPT、Claude、GitHub、日历、Slack 等工具 最终，让 ColaFlow 成为开发与协作的中心枢纽。 --- ## 三、项目目标 1. 兼容 Jira 式的敏捷项目管理逻辑（Epic / Story / Task / Sprint / Workflow） 2. 支持 **MCP Server + Client 双向通信**，让 AI 工具可直接操作任务数据 3. 实现 **AI 原生项目流**：文档 → 拆解 → 执行 → 汇报，全链自动化 4. 提供可审计、安全、可回滚的 AI 操作机制 5. 为内部团队与外部 AI 工具提供统一接口与权限控制层 --- ## 四、系统架构 ``` ┌──────────────────────────────┐ │ 用户层 │ │ - Web前端 (看板/甘特/日报) │ │ - AI 工具 (ChatGPT, Claude) │ └───────────────┬──────────────┘ │ (MCP 协议) ┌───────────────┴──────────────┐ │ ColaFlow Core │ │ - 项目 / 任务 / Sprint 管理 │ │ - 文档与需求模块 │ │ - 审计与权限控制 │ └───────────────┬──────────────┘ │ ┌───────────────┴──────────────┐ │ 外部系统接入层 │ │ - GitHub / Slack / Calendar │ │ - 其他 MCP 兼容工具 │ └───────────────┬──────────────┘ │ ┌───────────────┴──────────────┐ │ 数据层 │ │ PostgreSQL + pgvector + Redis│ └──────────────────────────────┘ ``` --- ## 五、核心模块 ### 1️⃣ 项目管理模块（Project Core） * 实体结构：Epic、Story、Task、Sub-task、Sprint * 状态流转：To Do → In Progress → Review → Done * 看板、甘特、日历、燃尽图 * 自定义字段、标签、优先级、负责人 * 审计日志与回滚功能 --- ### 2️⃣ MCP 模块（Integration Layer） * **MCP Server：** * 暴露 Resources：`projects.search`, `issues.search`, `docs.create_draft`, `reports.daily` * 暴露 Tools：`create_issue`, `update_status`, `log_decision` * 所有写操作：`diff_preview` → 人审 → commit * **MCP Client：** * 接入 GitHub、Slack、Calendar 等系统 * 实现事件驱动型联动：如“PR合并 → 自动更新任务状态” * **安全与合规：** * 字段级权限 * 审计日志与回滚 * 远程认证（OAuth/Token） --- ### 3️⃣ AI 协作模块（AI Collaboration Layer） * 自然语言创建任务与文档 * 自动生成站会纪要、日报、风险报告 * Prompt 模板库：需求、验收标准、估时、风险提示 * “AI 控制台”：展示 AI 建议与 diff 结果，人审后落库 * 模型可替换：Claude、ChatGPT、Gemini 等 --- ## 六、典型使用场景 ### Use Case 1：从 Idea 到项目落地 1. 用户在 ChatGPT 提交项目构想； 2. ChatGPT 调用 MCP → ColaFlow 创建 PRD 草稿； 3. 团队在 ColaFlow 审核 diff → 确认落库； 4. 系统自动拆分任务并生成时间线； 5. 项目开始流转。 --- ### Use Case 2：AI 自动维护任务 * AI 检测任务无验收标准 → 生成候选 AC； * AI 发现进度延误 → 生成风险报告； * AI 自动总结会议纪要 → 推送到 Slack。 --- ## 七、开发阶段规划 | 阶段 | 时间 | 目标 | 交付内容 | 状态 | | -- | ------ | -------------- | --------------------- | ---- | | M1 | 1–2月 | 核心项目模块 | Epic/Story 结构、看板、审计日志 | 🚧 进行中 (80%) | | M2 | 3–4月 | MCP Server 实现 | 基础读写 API、AI 连接测试 | ⏳ 未开始 | | M3 | 5–6月 | ChatGPT 集成 PoC | 从 AI → 系统 PRD 同步闭环 | ⏳ 未开始 | | M4 | 7–8月 | 外部系统接入 | GitHub、Calendar、Slack | ⏳ 未开始 | | M5 | 9月 | 企业试点 | 内部部署 + 用户测试 | ⏳ 未开始 | | M6 | 10–12月 | 稳定版发布 | 正式文档 + SDK + 插件机制 | ⏳ 未开始 | ### M1 阶段完成情况 (Day 13 更新) #### ✅ 已完成 - **Issue Management Module (问题管理模块)** - 完整实现 - Domain Layer: Issue 聚合根、3个枚举类型、5个领域事件 - Application Layer: 5个命令 + 3个查询，完整 CQRS 架构 - Infrastructure Layer: PostgreSQL 数据库、仓储实现、5个性能索引 - API Layer: 7个 RESTful 端点 - SignalR: 实时通知支持 - 代码规模: 59个文件，1630行代码 - **Kanban Board (看板)** - 全功能实现 - 拖拽功能 (@dnd-kit 集成) - 4列布局: Backlog → Todo → InProgress → Done - 实时状态更新 - 类型图标 (Story, Task, Bug, Epic) - 优先级标识 - 代码规模: 15个文件，1134行代码 - **Multi-Tenant Isolation (多租户隔离)** - 通过测试 - 全局查询过滤器正确工作 - 跨租户数据隔离验证通过 - **Database Performance (数据库性能)** - 优化完成 - 5个性能索引 (租户ID、项目ID、状态、负责人、组合索引) - 查询性能 < 5ms #### 🚧 进行中 - 审计日志系统 (Audit Log System) - Epic/Story 父子关系 (Parent-Child Hierarchy) - Sprint 管理模块 (Sprint Management) #### ⏳ 计划中 - 自定义字段 (Custom Fields) - 看板视图配置 (Kanban Customization) - 甘特图 (Gantt Chart) - 燃尽图 (Burndown Chart) --- ## 八、团队分工 | 角色 | 职责 | | ------ | ------------------- | | 产品经理 | 需求定义、用户调研、工作流设计 | | 架构师 | 系统架构、MCP 集成、数据安全 | | 后端工程师 | API、任务模型、日志系统 | | 前端工程师 | 看板 UI、AI 控制台、人审界面 | | AI 工程师 | Prompt 设计、任务生成、模型优化 | | QA | 测试与回归、权限校验、性能评估 | --- ## 九、安全机制 * 所有 AI 写操作需人工确认 * 字段级访问白名单 * 审计日志 + 回滚令牌 * Token / OAuth 认证 * 可私有化部署，支持 GDPR --- ## 十、关键指标（KPI） | 指标项 | 目标值 | 当前进展 (Day 13) | | --------- | ----- | -------------- | | 项目创建时间 | ↓ 30% | 🔄 开发中 (Issue 创建功能已完成) | | AI 自动任务占比 | ≥ 50% | ⏳ 待 M2 MCP 集成后测量 | | 人审通过率 | ≥ 90% | ⏳ 待 M2 MCP 集成后测量 | | 回滚率 | ≤ 5% | ⏳ 待审计日志系统完成 | | 用户满意度 | ≥ 85% | ⏳ 待 M5 企业试点测试 | ### 技术指标 (Day 13) | 指标项 | 目标值 | 实际值 | | --------- | ----- | ----- | | API 响应时间 | < 100ms | ✅ 50-100ms | | 数据库查询性能 | < 10ms | ✅ < 5ms | | 测试覆盖率 | ≥ 80% | ⚠️ 88% (7/8 核心功能) | | 多租户隔离 | 100% | ✅ 通过验证 | | 代码质量 | Clean Architecture | ✅ CQRS + DDD 架构 | --- ## 十一、未来方向 * 多 AI Agent 协作（PM / Dev / QA） * IDE 联动（VS Code / JetBrains） * AI 提示词商店（Prompt Marketplace） * 移动端轻量版本 * ColaFlow SDK 与插件生态 --- ## 十二、结语 **ColaFlow** 的使命是： > "让 AI 成为项目流的一部分，而不是一个外部工具。" 它不仅是一个项目管理系统，更是一个 **协作生态与智能连接平台**。 通过 ColaFlow，我们希望实现真正的「流动式团队协作」。 --- ## 十三、开发进度记录 ### Day 13 (2025-11-04): Issue Management & Kanban Board - ✅ 完成 #### 交付成果 1. **完整的 Issue Management 模块** - 后端: 59个文件，1630行代码 - 前端: 15个文件，1134行代码 - 架构: Clean Architecture + CQRS + DDD 2. **Kanban Board 看板功能** - 拖拽式任务管理 - 4个工作流阶段 - 实时状态同步 3. **测试验证** - 8项综合测试 - 全部通过 ✅ - 多租户隔离验证 - 通过 ✅ - API性能测试 - 50-100ms 响应时间 ✅ 4. **Bug修复** - JSON枚举序列化问题 - 已修复 - API现在支持字符串枚举值 #### 技术亮点 - **领域驱动设计**: Issue 聚合根 + 5个领域事件 - **CQRS 架构**: 命令查询职责分离 - **性能优化**: 5个数据库索引，查询时间 < 5ms - **实时通知**: SignalR 集成（基础设施就绪） - **类型安全**: TypeScript + Zod 验证 #### Git 提交记录 - `6b11af9`: feat(backend): Implement complete Issue Management Module - `de697d4`: feat(frontend): Add Issue management and Kanban board - `1246445`: fix: Add JSON string enum converter for Issue Management API - `fff99eb`: docs: Add Day 13 test results for Issue Management & Kanban #### 下一步计划 1. **审计日志系统** (Audit Log) - M1 剩余目标 2. **Epic/Story 父子关系** - 完善任务层级结构 3. **Sprint 管理模块** - 支持敏捷迭代 4. **SignalR 实时协作测试** - 多用户场景验证 5. **性能压测** - 1000+ 任务场景测试 #### 里程碑进度 - **M1 完成度**: 80% (核心 Issue 管理 + 看板已完成) - **M1 剩余工作**: 审计日志、Epic层级、Sprint管理 - **M1 预计完成时间**: 2周内 (2025-11-18) ---