Show HN: Paca – 面向人机协作的轻量级 Jira 替代方案

背景

在当前的软件开发生态中，项目管理工具如 Jira、Trello、ClickUp 和 Monday.com 已经占据了主导地位。然而，随着 AI 技术的爆发式增长，现有的工作流往往将 AI 视为一种“外挂”式的辅助工具——例如侧边栏的聊天机器人，或者仅用于生成孤立输出的自动化脚本。这种模式未能真正将 AI 融入核心的协作流程中。

Paca 应运而生，它是一个开源、免费且轻量的自托管项目管理平台。其核心理念是重新定义 AI 在 Scrum 团队中的角色：AI 代理（Agents）不应仅仅是生成内容的工具，而应作为与人类平等的团队成员，参与到 Sprint 规划、任务执行和实时适应的全过程。Paca 旨在解决复杂领域（Complex Domains）中“团队而非管道”的需求，基于 Cynefin / Stacey 框架，强调在复杂情境下，人机协作需要深度的互动与共同感知，而非简单的任务分发。

核心内容

Paca 不仅仅是一个任务追踪器，它是一个以配置驱动和插件系统为核心的可扩展协作平台。以下是其核心功能与技术架构的详细解读：

1. 人机平等的协作模式

Paca 的核心洞察在于 AI 代理应参与 Scrum 流程。在 Paca 中，AI 代理拥有自己的“席位”：

• Sprint 参与：AI 代理被分配至 Sprint，并出现在与人类队友共享的 Scrumban 板上。
• 实时任务处理：AI 可以从积压任务（Backlog）中拾取任务，并实时更新状态。
• BDD 协作：AI 协助产品负责人（PO）和业务分析师（BA）编写行为驱动开发（BDD）的 Gherkin 场景描述。
• 系统设计文档（SDD）：AI 贡献于系统架构文档，确保整个团队对架构可见性保持一致，使 AI 代理在上下文中保持“接地”。
• 复杂性感知：AI 像人类一样探测、感知并响应新兴的复杂性，实现真正的协作而非自动化。

2. 配置驱动与插件系统

Paca 采用“小核心，大扩展”的设计哲学。所有工作流、状态、字段定义、看板布局、Sprint 规则以及代理行为均由项目级别的配置文件驱动，无需编写代码即可适应团队流程。

• 插件架构：
  • 后端：插件编译为 WebAssembly (WASM) 模块，支持使用 Go、Rust、AssemblyScript 等语言编写。
  • 前端：插件为标准模块包，用于扩展 UI 页面、看板视图和小部件。
  • 安全性：插件在沙箱环境中运行，采用基于能力的权限模型（Capability-based permission model）。插件仅声明所需的主机函数，无法越权访问。
• 插件市场：用户可直接在 Paca UI 的 Settings → Plugins → Marketplace 中浏览和安装社区插件，无需命令行操作。也支持通过脚本从本地文件系统安装自定义插件。

3. 工作流：Plan → Act → Check → Adapt

Paca 的协作结构模拟了 Scrum 和科学方法的四个阶段：

• Plan（计划）：通过内置 AI 聊天，使用自然语言在项目级别规划工作、创建或更新史诗（Epics）、故事（Stories）、任务和文档。
• Act（执行）：人机共享统一的实时 Scrumban 看板，无独立的“AI 工作区”。
• Check（检查）：活动差异（Activity diff）功能展示每个字段变更的前后对比，支持一键回滚。
• Adapt（适应）：基于实时反馈调整计划。

4. 技术集成与 AI 代理运行

• MCP Server（模型上下文协议）：Paca 内置 MCP 服务器，允许 Claude、自定义代理或其他兼容 MCP 的工具直接访问 Paca 的数据层（项目、任务、Sprint、文档等）。无需爬取数据或编写自定义 API。
  • Claude Code Skill：提供 /paca 斜杠命令，允许开发者在编辑器内通过自然语言管理任务、文档和 Sprint，无需离开编辑器或创建本地文件。
• OpenHands 驱动：AI 代理基于 OpenHands SDK 运行，每个代理在隔离的沙箱容器中执行，确保主机环境安全。
• 实时通信：使用 Socket.IO 实现实时数据更新。

5. 部署与自托管

Paca 设计为轻量级，默认无功能冗余，数据完全保留在用户基础设施内。

• 快速安装：支持通过 curl 脚本一键安装，或下载 docker-compose.yml 和 gateway.conf 进行部署。
• 环境配置：通过 .env 文件配置 JWT 密钥、管理员密码、PostgreSQL 密码等。
• 灵活扩展：支持替换外部 PostgreSQL、使用 AWS S3 替代 MinIO，或在不使用 AI 代理的情况下减少资源消耗。
• 开发支持：提供完整的本地开发指南，支持在宿主机上运行服务以进行活跃开发。

关键要点

• 定位差异：Paca 不是另一个 Jira 克隆，而是专为“人机协作”设计的平台，强调 AI 作为团队成员而非工具。
• 技术栈：后端核心轻量，插件系统基于 WASM（支持 Go/Rust/AssemblyScript），前端支持模块化扩展。
• AI 集成深度：
  • 原生支持 MCP 协议，无缝对接 Claude Desktop 和 Claude Code。
  • AI 代理在隔离容器中运行（OpenHands SDK），保障安全性。
  • AI 直接参与 BDD 编写和系统设计文档维护。
• 配置灵活性：工作流和 UI 完全通过配置文件定义，无需代码即可定制。
• 部署简便：单条 Docker Compose 命令即可启动，支持自托管，数据不出域。
• 开源免费：完全开源，无隐藏费用，社区插件市场提供额外扩展。

意义与影响

Paca 的出现标志着项目管理工具从“任务追踪”向“智能协作”范式转变的重要一步。

1. 重新定义 AI 在工程流程中的角色：大多数现有工具仅将 AI 用于代码生成或文档摘要，而 Paca 将 AI 代理置于 Scrum 流程的核心，使其能够像人类一样参与规划、执行和适应。这为构建真正的人机共生团队提供了基础设施。
2. 解决复杂性问题：通过引用 Cynefin 框架，Paca 承认在复杂软件工程中，线性自动化（Pipeline）往往失效，而需要团队的实时互动与感知。Paca 的架构设计正是为了支持这种非线性、高交互的协作模式。
3. 标准化 AI 接入：通过原生支持 MCP（Model Context Protocol），Paca 降低了 AI 代理接入企业级项目管理数据的门槛。这使得开发者可以使用标准的 AI 客户端（如 Claude Desktop）直接操作项目管理数据，无需构建复杂的中间件。
4. 安全与可控性：对于重视数据隐私的企业，Paca 的自托管特性和 WASM 沙箱插件机制提供了高度的安全性和可控性，避免了数据泄露风险，同时保持了扩展性。

Paca 为那些希望摆脱传统重型项目管理工具束缚，并积极探索 AI 原生工作流的团队提供了一个极具潜力的选择。它不仅是工具的替代，更是协作模式的革新。