Paca: 一款 AI 原生、开源的 Jira 替代方案

Paca 是一个自托管的开源项目管理平台，它将 AI agent 集成为 Scrum 团队的一等公民，而不仅仅是外围的聊天机器人。与 Jira 或 Trello 等传统工具不同，Paca 允许 AI agent 参与 Sprint 规划、从看板中领取任务，并与人类队友共同编写技术文档。

AI 原生 Scrum 协作

Paca 在统一的 Scrumban 看板上将 AI agent 视为平等的队友。这种协作模式超越了简单的自动化，实现了真正的伙伴关系，其中 AI agent 承担以下角色：

  • Sprint 参与： Agent 被分配到 Sprint 中，并实时显示在看板上。
  • 任务执行： AI agent 从 Backlog 中提取任务，并在工作时更新其状态。
  • 技术共同创作： Agent 与 Product Owners 和 Business Analysts 协作，为行为驱动开发 (BDD) 编写 Gherkin 场景，并为系统设计文档 (SDD) 提供贡献，以维护架构上下文。
  • 复杂度响应： Agent 被设计用于探测并响应项目领域内不断出现的复杂性。

P-A-C-A 循环

该平台围绕着一个镜像科学方法和 Scrum 的四阶段循环来构建协作：

  1. Plan (计划)： Product Owners、BAs 和 AI agent 协作细化 Backlog，并编写 BDD 场景和 SDD 设计。
  2. Act (执行)： 在活跃的 Sprint 期间，人类和 AI agent 执行从看板中提取的任务。
  3. Check (检查)： QA agent 执行自动化验证，同时人类审查 AI 的输出。
  4. Adapt (调整)： 团队利用 Sprint 数据进行回顾，为下一个循环提供参考。

可扩展性与定制化

Paca 采用轻量级核心和强大的插件系统，以避免功能臃肿：

  • 配置驱动： 工作流、状态、字段定义和 Agent 行为通过项目级配置文件进行管理。
  • WASM 插件沙箱： 后端可以使用使用 Go、Rust 或 AssemblyScript 编写的 WebAssembly (WASM) 模块进行扩展。这些插件在具有基于能力的权限模型的沙箱环境中运行。
  • 前端模块： UI 可以通过标准模块包进行扩展，从而实现自定义页面、看板视图和组件。
  • 插件市场： 用户可以直接通过 Paca UI (Settings $\rightarrow$ Plugins $
    ightarrow$ Marketplace) 安装社区插件。

与 AI 生态系统的集成

Paca 提供了与现代 AI 工具的深度集成，以确保 Agent 拥有对项目数据的结构化访问权限：

  • MCP Server： Paca 包含一个 Model Context Protocol (MCP) server (@paca-ai/paca-mcp)，允许任何兼容的 AI agent (例如 Claude Desktop) 在无需自定义 API 连线的情况下与项目、任务、Sprint 和文档进行交互。
  • Claude Code Skills： Paca 为 Claude Code 提供了一套自然语言斜杠命令 (例如 /paca-epic、/paca-breakdown、/paca-sprint)，使开发者能够直接从编辑器中管理其工作区。
  • OpenHands 集成： AI agent 由 OpenHands SDK 提供动力，并在隔离的沙箱容器中执行，以保护宿主环境。

v0.4.0 功能更新

v0.4.0 版本引入了两个主要增强功能：

  • 应用内 AI 聊天： 用户现在可以在项目级别与 AI agent 聊天，使用简单的英语来规划工作并更新 Epic、Story 和 Task。
  • Activity Diff & Revert (活动差异与回滚)： 活动面板现在会为每个字段更改显示视觉上的前后对比 (diff)，允许用户一键回滚更改。

技术架构

Paca 使用多语言架构来处理不同的服务需求：

  • Frontend： React、TanStack Start 和 shadcn/ui。
  • Core API： Go 和 Gin。
  • Real-time Events： Node.js 和 Socket.IO 用于事件分发。
  • AI Orchestration： Python、FastAPI 和 OpenHands SDK。
  • Infrastructure： PostgreSQL 用于持久化，Valkey 用于缓存和异步事件流。

社区观点

虽然 Paca 提供了高度集成的 AI 原生方式，向 Hacker News 上的社区讨论强调了标准化工具与个性化工作流之间的紧张关系。一些用户指出，项目管理往往会随着时间的推移变得高度个性化，这使得无论平台如何如何，采用第三方工具都具有挑战性。其他人则质疑 Jira 替代方案的目标受众，指出使用 Jira 的决定通常是由管理层而非受益于轻量级替代方案的终端用户做出的。

"每个人最终都会拥有一套紧密围绕其工作方式而形成的、非常紧凑的工作流，随着模型和框架的变化，构建和演进自己的工具变得非常廉价，因此采用他人的工具就不再那么有意义了。"

部署

Paca 在 Apache License 2.0 下发布，可以通过单个 Docker Compose 命令或针对 Linux 服务器的交互式安装脚本进行部署。

Sources