flowboard
by juntaoding
让工作在 Harness 里自然发生,同时让团队保持对齐而无须额外管理开销
Let work happen naturally in the Harness while keeping the team aligned without extra management overhead.
安装
dsh plugin --profile web add github:juntaoding/flowboardGitHub 源码安装:首次需按提示配置 allowBuilds 构建授权后重试
安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗
安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络,DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单,不构成兼容性或安全审查;安装前请审阅源码,不熟悉的插件先在不含密钥的环境试用。
README
目录
English | 简体中文
让工作在 Harness 中自然发生,让团队在不额外管理的情况下始终保持一致。
Flowboard 是运行在 DeepSeek Harness(DSH)中的开源办公协作与团队管理插件。它把目标、会议、人员、Agent 执行、进度和资料放进同一套办公逻辑,让工作从讨论到执行再到沉淀持续流动。任务不是产品的边界,而是支撑这套办公方式的工作骨架。
Alpha:
0.1.2-alpha.5仍处于早期验证阶段,接口、数据结构和安装方式可能不兼容变化。适合本地体验和小团队试用,不应按稳定生产版本部署。
不管理,即管理
传统任务管理要求员工做两遍工作:先开会、沟通和执行,再到另一个系统创建任务、填写负责人、更新进度、整理资料。管理系统记录的不是工作本身,而是员工事后维护的一份副本。只要没有人持续填报,看板就会失真。
AI 办公让这个问题更加明显。员工已经在 Harness 中让 Agent 调研、写作、分析、制定方案和执行任务;如果结果只留在个人 Session,团队仍然不知道谁在做什么、进展如何、产生了什么成果,最后还是要靠人工搬运和汇报。
Flowboard 改变的是任务信息的形成方式:
- 工作开始时,目标或会议行动项形成任务、负责人和计划。
- 工作进行时,成员与 Agent 沿同一任务上下文执行并更新进度。
- 工作完成时,文档、结论和资料回到原任务与项目。
- 团队协作时,每个人及其 Agent 读取同一份权威状态并继续接力。
员工仍然在做任务,但不再额外“管理任务”。工作发生的同时,管理已经发生。
一套贯穿整个 Harness 的办公逻辑
Harness 是人与 Agent 工作的入口,Flowboard 是其中的办公协作与组织记忆层。目标决定方向,会议形成共识,人与 Agent 共同执行,进度持续更新,资料沉淀结果;任务把这些环节连接起来,而不是要求员工维护一张会话之外的登记表。
员工提出目标 / 团队召开会议
↓
Harness 中的 Agent 理解意图与现有上下文
↓
Flowboard 形成任务、责任、计划和关联资料
↓
成员与 Agent 在各自 Session 中继续执行
↓
进度、问题、文档和结论回到同一任务上下文
↓
下一位成员或 Agent 从真实状态继续工作
DSH 继续负责会话、模型、Agent 和插件生命周期;Flowboard 不建立第二个 Agent 入口,也不让 DSH 反向依赖一个独立应用。用户只安装 @flowboard/dsh,页面与 Agent 就能使用同一个 FlowboardService、同一份数据和同一套权限规则。
一次完整工作如何发生
以一次产品会议为例:
- 会前准备:成员让 Agent 读取项目进展、未完成任务和相关资料,自动整理会议上下文。
- 会中理解:Flowboard 在浏览器本地切分音频,通过随包 Whisper 转录;会议 Supervisor 持续理解行动项、决议、风险和资料。
- 动态修订:“交给张三”“不对,改成李四”“下周三前完成”会被理解为同一个意图的连续修订,而不是三个重复任务。
- 会后成形:任务、负责人、截止时间、决议、风险、会议总结和关联资料已经进入项目,不再等待人工二次录入。
- 继续执行:负责人回到自己的 Harness Session,让 Agent 调研、写作或执行;任务状态和产出继续沉淀到原上下文。
管理者看到的不是员工事后填写的周报,而是工作实际发生后形成的状态。
你会得到什么
| 能力 | 它改变了什么 |
|---|---|
| AI 原生办公协作 | Agent 可以读取团队上下文,连接目标、会议、任务和资料,不需要员工转录到另一套系统。 |
| Jira 式项目看板 | 使用待办、进行中、已完成等工作流管理任务,支持拖放、负责人、优先级、进度和截止时间。 |
| 多维任务表 | 高密度查看和原位编辑任务,支持文本、数字、日期、单选、多选和人员等自定义字段。 |
| AI 会议秘书 | 浏览器 VAD、本地 Whisper、实时转录、意图修订、行动项落库和会后总结形成完整闭环。 |
| 资料与组织记忆 | Markdown 资料可关联项目、会议和任务,Agent 能沿关系读取工作的来龙去脉。 |
| 个人与团队视角 | 我的任务、个人看板、个人日程与项目工作区共享同一业务事实,不复制数据。 |
| 权限与审计 | 页面与 Agent 写入都经过授权、运行时校验、幂等、乐观锁、事务、版本和审计。 |
快速开始
环境要求
- Linux x64;内置 Whisper 原生运行时目前只提供该平台版本。
- Node.js
22.19+或24+。 - DeepSeek Harness
0.1.0-rc.6,且dsh命令可用。 - 约 500 MB 可用磁盘空间;插件包含完整
ggml-small模型。
从 GitHub Release 安装
每个 Alpha tag 都会生成 GitHub prerelease,直接附带完整插件 tarball 与 SHA256SUMS。插件包含完整 Whisper 模型,包体超过 npm 客户端可可靠发布的大小,因此 Alpha 统一从 GitHub Release 安装:
FLOWBOARD_VERSION=0.1.2-alpha.5
curl -LO "https://github.com/juntaoding/Flowboard/releases/download/v${FLOWBOARD_VERSION}/flowboard-dsh-${FLOWBOARD_VERSION}.tgz"
curl -LO "https://github.com/juntaoding/Flowboard/releases/download/v${FLOWBOARD_VERSION}/SHA256SUMS"
sha256sum -c SHA256SUMS
dsh plugin --profile web add "./flowboard-dsh-${FLOWBOARD_VERSION}.tgz"
dsh web
打开 http://127.0.0.1:3080,在 DSH 会话主视图中选择 Flowboard。
Release 附件包含完整 Whisper 模型,下载体积约 430 MB。请在校验和通过后再安装。
第一次使用
第一次启动会在本地创建一个 Owner、一个默认团队和一个默认项目,便于立即体验。数据默认保存在 $DSH_HOME/flowboard;未设置 DSH_HOME 时为 ~/.dsh/flowboard。
1. 认识工作台
进入 Flowboard 后,左侧是完整办公导航:
- 首页:今天的待办、日程、活跃项目和最近 AI 操作。
- 我的任务 / 个人看板 / 个人日程:按当前人物跨项目聚合工作。
- 会议列表 / 资料列表:查看团队会议与知识产出。
- 人员管理 / 团队管理:维护组织和权限。
- 项目:进入概览、Jira 面板、任务列表、会议、资料和成员页签。
可以先把 Default Team 和 Default Project 改成真实团队与项目,再添加成员、工作流和任务。
2. 让 Agent 建立第一批任务
回到 DSH 对话,直接描述工作,而不是先填完整表单:
为产品 Alpha 上线建立项目,把设计评审、插件打包、安装验证和发布说明拆成任务。
把插件安装验证分配给我,优先级设为高,截止到本周五。
整理我负责但还没有截止时间的任务。
Flowboard 的 Agent 工具会读取当前工作空间,选择可写项目,并在权限范围内创建或更新真实任务。非关键字段缺失时可以先形成可修订的临时实体;删除和不可逆操作仍需确认。
3. 开始第一场 AI 会议
在 Flowboard 首页点击 开始一场会议 → 立即开始,允许浏览器使用麦克风,然后正常讨论。即时会议默认自动执行经过校验的安全操作;从会议列表新建会议时,也可以选择“只记录”“建议后执行”或“自动执行安全操作”。
会议进行中可以观察:
- 实时转录是否持续出现;
- Supervisor 是“待投递”“AI 正在分析”还是“AI 已追平”;
- 行动项是否被新增、修订或撤销;
- AI 提问、项目资料和操作记录是否进入同一会议上下文。
点击 结束会议 后,Flowboard 会先排空最后的音频片段,再等待转录和意图收敛,最后生成总结并结束会议。随后到项目看板查看形成的任务和资料。
4. 在 Harness 中继续推进
会议只是输入之一。之后可以继续对 Agent 说:
汇总产品项目最近三场会议中仍未解决的风险。
把这次讨论形成的技术决策整理成项目资料,并关联对应任务。
读取 FLOW-12 的上下文,先完成调研,再更新任务进度和结论。
这就是 Flowboard 的核心使用方式:不离开 Harness,不重复维护任务系统,让 Agent 使用共享工作状态继续执行。
安装管理
升级到已下载的 Alpha:
dsh plugin --profile web add --force ./flowboard-dsh-*.tgz
卸载插件:
dsh plugin --profile web remove @flowboard/dsh
升级和卸载都不会自动删除 $DSH_HOME/flowboard。需要清理数据时,请先停止 DSH,备份并确认该目录后再操作。
数据与安全边界
- DSH 是唯一宿主和启动入口;Flowboard API、SQLite 与 Worker 随插件生命周期启动和停止。
- 浏览器只通过 DSH Typert Remote 调用 Host,不读取或保存上游 API Token。
- 嵌入模式每次启动生成随机 32 字节访问令牌,仅在 Host 内部使用。
- Whisper CLI、共享库和
ggml-small模型都在插件包内,默认转录不依赖系统 Whisper 或 ffmpeg。 - 音频在本机 Flowboard 运行时处理;完成或失败的临时片段由 Worker 清理。
- 所有写操作统一进入服务端授权、校验、幂等、乐观锁、事务和审计链路。
更完整的实现边界见 DSH 原生插件架构与发布规范 和 系统架构总览。
Alpha 限制
- 当前默认使用单一本地 Owner;完整账号登录、邀请和令牌管理尚未接入。
- 当前持久化使用 SQLite,没有 PostgreSQL adapter 或分布式部署方案。
- 内置 Whisper 只支持 Linux x64,其他平台需要新增经过校验的 vendor 变体。
- 数据库 schema 仍在快速演进,当前不提供生产迁移链。
- Agent 已能读取工作空间、创建和更新项目/任务/资料并处理会议意图,但并非每个 DSH Session 都会自动绑定任务;更完整的跨 Session 执行追踪仍是产品演进方向。
本地开发
git lfs install
git lfs pull
corepack enable
pnpm install --frozen-lockfile
pnpm dev
pnpm dev 会执行完整检查、生成真实 npm tarball,通过 dsh plugin --profile web add 安装到隔离的 .dsh-dev,再启动 dsh web。它不使用 workspace 软链接或临时 --patch,因此验证的就是用户真实安装边界。
发布前检查:
pnpm run check
pnpm run plugin:pack
pnpm run plugin:package-check
pnpm run plugin:install-check
pnpm run release:check
只有 @flowboard/dsh 会公开发布;仓库内 Contracts、Server、Host、Client 和 Typert adapter 都是私有源码模块,构建时聚合进一个插件包。Whisper 模型通过 Git LFS 保存,源码、暂存目录和最终 tarball 都会校验 SHA-256 与执行权限。
开源与贡献
Flowboard 采用 MIT License。提交 Issue 或 Pull Request 前请阅读 贡献指南、安全策略、行为准则 和 第三方声明。版本变化记录在 CHANGELOG。
Alpha 发布只接受 v*-alpha.* tag,GitHub Release 标记为 prerelease。发布包必须通过真实 DSH 安装、Web 启动、API 探活和 Whisper 资产审计。
文档
原始 README: https://github.com/juntaoding/Flowboard/blob/main/README.zh-CN.md ↗
同类插件
查看全部 →
deepseek-harness
从仓库或系统描述生成经过校验的自包含交互式架构图、流程图、时序图、数据流图和生命周期图。

dsh-plugin
通过 DSH MCP 客户端挂载 Ouroboros 的纯配置包,在 DSH 中提供 36 个涵盖需求访谈、Seed、执行、评估与演化流程的工具。

dsh-tongflow
基于 TongFlow 的“片场”插件,用于图片、配音、音乐与视频制作:agent 为每个资产生成 TongFlow 工作流文件(.tongflow.json)并通过 TongFlow 插件执行,内嵌工作流画布,按镜头/角色/take 组织项目,附漫剧模板;以 @tongflow 开头的会话进入 Studio 界面。

helloagents
AI 编码 CLI 的工作流层:技能、项目知识、交付检查、更安全的配置写入与可恢复执行

dsh-ai-novel-writer
安装专用 AI 小说创作预设与工作台:提供带修订号的本地项目资产、紧凑侧边工作台,以及需要原生审批的逐文件变更。

rea
用 agent 逆向任何东西:从应用行为到原生二进制