AI 2026年6月14日 1 分钟阅读

当 AI Agent 成为你的 Scrum 队友：Paca 场景实战

tinyash 0 条评论

场景：从「ChatOps 边角料」到「冲刺看板上的同伴」

想象一下：周一早上的 Sprint Planning 结束，你看着 backlog 上躺着十几个故事点。作为 developer，你习惯性地给自己分配了 5 个最高优先级的 task，然后在心里盘算剩下的怎么办。

这时候，你打开 Paca 的 Scrumban 看板，看到 Agent-42（你们组的 AI Agent 成员）已经自动把剩下的 task 拖到了自己的待办区，并且在 task 下面贴了一条评论：

“I’ll take stories #47, #48, #50. Estimated 8 story points total. Will start implementing #47 immediately.”

下午你 review 代码时，Agent-42 已经把 #47 的 PR 挂在了 board 上，testing 列亮起了绿灯——它自己写了 BDD 测试并通过了检查。

这不是科幻小说。这是 Paca 的日常。

问题背景：为什么「人与 AI 用同一个看板」很重要？

2026 年的开发团队，几乎每个项目都有 AI 编码 Agent 在协助。但通常的工作流是割裂的：

  1. 你写 Jira ticket，AI 读不到上下文
  2. AI 在 terminal 里干活，你在 board 上追踪——两条平行线
  3. AI 完成了工作，需要你手动更新 backlog 状态
  4. 团队不知道 AI 正在做什么、做到哪一步

割裂的协作带来认知负荷——你永远需要额外多问一句：”Agent 那个 task 做得怎么样了？”

Paca 的核心理念直击这个痛点：AI Agent 应该坐在 Scrum 的桌子旁，而不是从外卖窗口递代码进来。它被分配 sprint、从 backlog 拉取 task、更新状态、写 BDD 规范、参与设计讨论——和人类 teammate 用同一个 board，同一个流程。

Paca 的独特定位：对比传统工具

| | Jira / Trello / ClickUp | Paca |

|:–|:–|:–|

| AI 地位 | 聊天插件、外部集成 | Scrum 第一公民——有自己的 board 列 |

| 协作模型 | 人类为主，AI 为辅 | 人类 + AI 平等协作，同一 sprint |

| 部署方式 | 厂商托管 | 自托管（Docker Compose） |

| 费用 | $8–$20/座/月 | 免费（Apache 2.0） |

| 扩展性 | 企业版锁定的功能 | 全开放：配置 + WASM 插件 |

| AI 集成 | 手动 API 对接 | MCP Server + Claude Code Skill 原生集成 |

快速上手：5 分钟跑起来

Paca 的自托管异常简单，一行命令即可：

curl -fsSL https://github.com/Paca-AI/paca/releases/latest/download/install.sh | bash

脚本会自动完成 docker-compose.yml 生成、环境变量配置、服务启动。打开 http://localhost 即可看到登录界面。

或者手动部署：

mkdir paca && cd paca
curl -fsSL https://github.com/Paca-AI/paca/releases/latest/download/docker-compose.yml -o docker-compose.yml
mkdir -p nginx
curl -fsSL https://github.com/Paca-AI/paca/releases/latest/download/gateway.conf -o nginx/gateway.conf

cat > .env <
POSTGRES_PASSWORD=$(openssl rand -hex 32)
AGENT_API_KEY=$(openssl rand -hex 32)
PUBLIC_URL=http://localhost
EOF

docker compose --env-file .env up -d

登录 admin → Settings → API Keys 生成 API Key，然后配置你的 AI Agent。

核心功能详解

1. P-A-C-A 循环：Scrum + 科学方法

Paca 的工作流围绕一个四阶段循环构建：

| 阶段 | 发生什么 | AI Agent 的角色 |

|:–|:–|:–|

| Plan | PO + BA + AI 共同梳理 backlog，编写 Gherkin 场景和设计文档 | 帮助分析和拆解需求 |

| Act | Sprint 启动，人类和 AI 从 board 拉取 task 执行 | 自动拉取 task 并实现 |

| Check | QA Agent 运行自动验证，人类 review AI 输出 | 自动化测试和验证 |

| Adapt | Sprint 数据反馈到下一轮 | 参与回顾和规划 |

2. Agent 作为 Scrum 成员

在 Paca 中，AI Agent 不是侧边栏聊天窗口——它在 board 上有自己的位置：

  • 被分配到 Sprint，出现在 board 上
  • 从 backlog 自动拉取 task 并更新状态
  • 协作编写 BDD 规范（Gherkin 场景）
  • 撰写 系统设计文档（SDD）
  • 使用 OpenHands SDK 在隔离的容器中执行代码

Agent 执行容器是沙箱化的（基于 OpenHands），不会影响你的宿主机环境。

3. MCP Server 集成

Paca 提供了 @paca-ai/paca-mcp npm 包，通过模型上下文协议（MCP）将所有数据暴露给任何兼容的 AI Agent。支持的 tools 覆盖：

  • 项目：创建、查询、更新项目
  • 任务：CRUD 操作 + 状态变更
  • Sprint：开/关 sprint、分配任务
  • 文档：系统设计文档、BDD 规范
  • 成员与权限：项目管理、角色分配

配置 Claude Desktop 接入 Paca 只需在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "paca": {
      "command": "npx",
      "args": ["-y", "@paca-ai/paca-mcp"],
      "env": {
        "PACA_API_KEY": "your-api-key-here",
        "PACA_API_URL": "http://localhost:8080"
      }
    }
  }
}

4. Claude Code 斜杠命令

对于 Claude Code 用户，Paca 还提供了一套独立的 skill 命令，无需离开编辑器即可管理整个看板：

| 命令 | 功能 |

|:–|:–|

| /paca | 通用的任务/文档/sprint 操作 |

| /paca-epic | 将需求转化为 Epic + 子故事 + 规格文档 |

| /paca-breakdown | 将任务分解为可独立估算的子任务 |

| /paca-sprint | 根据容量和目标规划 Sprint |

| /paca-do | 执行 task、更新状态、同步文档 |

| /paca-test | 推导测试用例、执行、记录结果 |

安装方式：

curl -fsSL https://raw.githubusercontent.com/Paca-AI/paca/master/scripts/install-claude-skill.sh | bash
claude mcp add paca --env PACA_API_KEY=*** --env PACA_API_URL= -- npx -y @paca-ai/paca-mcp

5. WASM 插件系统

Paca 的插件系统是另一个亮点——后端插件编译为 WebAssembly（WASM），在基于能力的安全沙箱中运行。前端插件为标准模块格式。插件通过 Plugin Marketplace 一键安装：

Settings → Plugins → Marketplace → Install

每个插件声明它需要哪些宿主权限，不可能越界。

对比同类工具

| 项目 | 核心特性 | 语言 | Stars | 许可证 |

|:–|:–|:–|:–|:–|

| Paca | AI Agent 是 Scrum 第一公民 | Go | 461 | Apache 2.0 |

| Linear | 优雅的 issue 追踪 | 商业 | — | 商业 |

| Plane | 开源 Jira 替代 | Python | 30k+ | Apache 2.0 |

| OpenProject | 经典项目管理 | Ruby | 10k+ | GPL v3 |

Paca 的独特优势不在于功能数量（Plane 和 OpenProject 更成熟），而在于AI Agent 与人的平等协作模型——这是唯一一个让 AI Agent 坐在 Scrum 桌旁、而不是从集成接口接入的项目管理平台。

注意事项

  • 持续关注 Agent 行为：AI Agent 可能 pull 了它无法独立完成的 task，需要设置边界（--scale ai-agent=0 可停用 agent 容器）
  • 自托管有运维成本：需要 Docker 环境、定期备份 PostgreSQL 数据库
  • 未提供生产级 SLA：适合团队自用或小团队评估，不建议大型企业直接上生产
  • MCP 加密传输：如果跨网络使用 MCP Server，建议配置 HTTPS

总结

Paca 的出现标志着一个有趣的转变：项目管理系统不再只是「记录人做了什么」的工具，而是变成了「人和 AI 一起做什么」的舞台。

当你看到 board 上，人类和 Agent 的 task 并列排布、状态同步更新、BDD 规范自动生成——这种”Agent 真正在干活”的感觉，和传统 ChatOps + 手动更新 board 的割裂体验完全不同。

对于已经深度使用 Claude Code、Codex 或 OpenCode 的团队，Paca 提供了一个自然的下一步：别让 AI Agent 在隔间里干活，让它上你的 Sprint Board。 🦙✨

项目地址：https://github.com/Paca-AI/paca

官方网站：https://paca-ai.org

AI AI 工具 AI 编程 开发者工具 开源 教程

发表评论

你的邮箱地址不会被公开，带 * 的为必填项。