AI 2026年6月16日 1 分钟阅读

Paca 实战：让 AI Agent 成为你的 Scrum 团队成员

tinyash 0 条评论

问题的提出

当团队开始使用 AI 编码 Agent（Claude Code、Codex、Gemini CLI 等）后，很快会遇到一个组织难题：Agent 产出的代码、文档、测试怎么和团队现有项目管理流程对接？

通常的做法是：人类开 Jira ticket → 人类写代码 → 人类把代码链接回 ticket。但当 AI Agent 开始写代码、写 BDD、写文档后——Agent 自己不会去更新 Jira，人类要手动同步 Agent 的工作到项目管理工具里。

这类「人肉搬运」在多数团队里是日常，但本质上是 Agent 时代的工作流摩擦——AI 写代码的效率越高，手动同步的成本就越突出。

Paca 的回答

Paca（Apache 2.0，Go 实现，930+ GitHub Stars）是一个开源的 Scrum 项目管理平台，它的核心命题是：让 AI Agent 作为平等的 Scrum 团队成员存在。

在 Paca 中，Agent 被分配 Sprint、自动从 Backlog 拉取任务、更新状态、协作编写 BDD 规格和系统设计文档——而不是作为一个「外部工具」被人类手动更新。发布一个 Issue 时创建出一个独立的工作空间，Agent 在里面执行、更新、报告，人类只需要在 Review 环节过一遍。

与传统工具的区别

| 维度 | Jira / Trello / ClickUp | Paca |

|:–|:–|:–|

| AI 集成 | 聊天机器人插件，边缘自动化 | Agent 作为一等 Scrum 队员 |

| 协作模式 | 默认仅人类 | 人类和 Agent 在同一看板上 |

| 部署 | 厂商云 | 自托管，数据自己控制 |

| 费用 | $8-$20/席位/月 | 永久免费 |

| 定制 | 有限，需企业版本 | 开源 + 配置 + 插件（WASM） |

核心工作流：PAC-A-Cycle

Paca 围绕四个阶段构建协作，这些阶段既映射 Scrum 也映射科学方法：

  1. Plan：PO、BA 和 AI Agent 协作精炼 Backlog。BDD 场景和系统设计文档由人类和 Agent 一起编写——Agent 分析需求中的模糊之处，主动提出澄清问题。
  2. Act：Sprint 开始。人类和 Agent 从看板 Pull 任务、执行、更新状态。Agent 通过 /paca-do 命令自动将任务标记为「开发中」→「待 Review」。
  3. Check：QA Agent 运行自动化验证。人类审查 AI 输出。看板反映真实状态——谁做了什么、谁正在阻塞、谁需要帮助。
  4. Adapt：Sprint 数据反馈到下一周期。团队（人类和 AI）一起回顾，Agent 提供客观的 Sprint 数据（哪些任务估时不准、哪些依赖可优化）。

一个实际场景

假设你在 Claude Code 中看到一个待办 Issue「实现 OAuth 登录」，原本需要：查 Jira → 切分支 → 写代码 → 提交 → 去 Jira 更新状态。用 Paca 后的流程：

/paca-do "Implement OAuth login"
→ Agent 自动将 Paca 中对应任务状态更新为 in_progress
→ Agent 读取任务附带的 BDD 场景和 SDD 文档
→ Agent 写代码、提 PR
→ PR 提交后 Agent 自动更新任务状态为 review
→ 你在 Paca 看板上看到卡片移动到「待 Review」列
→ 无需手动同步任何东西

快速部署

Paca 提供一行命令安装（需要 Docker 环境）：

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

脚本交互式配置 JWT_SECRET、ADMIN_PASSWORD、POSTGRES_PASSWORD 等环境变量，然后启动完整栈。大约 30 秒后，访问 http://your-server-ip 即可看到 Scrumban 看板。

如果需要手动 Docker Compose 部署，只需下载配置文件和 .env：

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

cat > .env <<'EOF'
JWT_SECRET=
ADMIN_PASSWORD=
POSTGRES_PASSWORD=
AGENT_API_KEY=
PUBLIC_URL=http://localhost
EOF

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

升级也很简单，同样的目录中执行 docker compose pull && docker compose --env-file .env up -d，数据库迁移在 API 启动时自动执行。

MCP Server：将任何 AI Agent 接入 Paca

Paca 内置了 MCP Server（npm 包 @paca-ai/paca-mcp），让你喜欢的 AI 工具直接读写 Paca 数据——Projects、Tasks、Sprints、Documents、Members、Attachments、Comments。

配置示例（以 Claude Desktop 为例）：

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

配置后 Claude 能调用 40+ 个工具，覆盖以下类别：

| 类别 | 可用操作 |

|:–|:–|

| Projects | 查询、创建、更新项目 |

| Tasks | 完整 CRUD + 状态更新 + 评论 |

| Sprints | 创建、完成 Sprint，分配任务 |

| Documents | 创建和更新 BDD/SDD 文档 |

| Members & Roles | 添加成员、管理角色 |

| Attachments | 上传和下载附件 |

Claude Code 斜杠命令

Paca 提供了 9 个 Claude Code 命令，覆盖项目管理全流程：

| 命令 | 功能 |

|:–|:–|

| /paca | 通用任务/文档/Sprint 操作 |

| /paca-epic | 将需求转化为 Epic + 子任务 + 规格文档 |

| /paca-clarify | 识别需求歧义，主动提问并更新规格 |

| /paca-breakdown | 将任务拆解为可独立估算的子任务 |

| /paca-sprint | 根据 Backlog 和团队产能计划 Sprint |

| /paca-estimate | 估算 Story Points 并写回任务 |

| /paca-prioritize | 对 Backlog 打分和设优先级 |

| /paca-do | 执行任务、更新状态、保持文档同步 |

| /paca-test | 推导测试用例、运行、记录结果 |

安装命令：

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

架构一览

Paca 由 6 个服务组成：

apps/web          React + TanStack Start — 用户界面
apps/mcp          @paca-ai/paca-mcp — MCP 服务
services/api      Go + Gin — 核心业务逻辑和 REST API
services/realtime Node.js + Socket.IO — 实时事件推送
services/ai-agent Python + FastAPI + OpenHands SDK — Agent 编排
PostgreSQL        持久化存储
Valkey            缓存和异步事件流

每个 Agent 在独立沙箱容器中运行，不触及宿主机环境。

WASM 插件架构

Paca 的插件系统基于 WebAssembly（WASM）沙箱。插件声明所需的主机函数，不能越界。支持 Go、Rust、AssemblyScript 等语言编译为 WASM 模块。用户可以在 Paca UI 的 Plugin Marketplace 中一键安装社区插件，也可以本地开发和安装：

./scripts/install-local-plugin.sh ./my-plugin --api-key

适用场景与注意事项

适用场景：

  • Scrum 团队使用 AI 编码工具但缺乏 Agent 工作流管理
  • 自托管优先的项目管理需求，数据不出基础设施
  • 需要 AI 和人类在同一工作流中协作，而非 AI 作为孤立的代码生成器
  • 中小型团队寻找免费、开源、可定制的 Jira 替代品

注意事项：

  • 需要 Docker 环境运行（支持自定义 PostgreSQL 和 S3）
  • 插件 WASM 生态仍在发展，核心功能已可用
  • 如果不想要内置 AI Agent，可以用 --scale ai-agent=0 关闭
  • 安装脚本会自动创建 gateway.conf 和 Nginx 反向代理配置

总结

Paca 解决的不是「又一个项目管理工具」的问题，而是「AI 时代团队如何用 Scrum 协作」的问题。让 AI Agent 和人类以同等身份坐在 Scrum 看板上，一起计划、执行、检查、适应——这是在 Jira/Trello/ClickUp 生态里无法自然完成的事。对于已经在使用 Claude Code、Codex 等 Agent 的团队，Paca 填补了项目管理这个缺失的环节。

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。