Nagare：以人为本的证据优先型AI工作流看板系统

Nagare是由hachiware-labs开发的AI工作流看板系统，核心是证据优先设计理念，旨在构建支持人类与AI协作的工作流，实现人机无缝融合。项目解决传统工具在人机混合协作中的不足，提升工作透明度、可追溯性及协作效率，适用于内容创作、软件开发等多场景。

AI快速发展下，人机混合协作成为常态（如AI生成草稿人类审核），传统工具无法追踪人机工作、记录决策依据。Nagare应运而生，名称源自日语“流”，象征工作流畅及人机自然衔接。

1. 决策可追溯：任务变更、决策需明确证据（AI报告、数据结果等）；2. 人机贡献分离：区分人类与AI贡献，支持质量改进；3. 可验证进度：关联实际产出自动更新状态，避免人工更新问题。

• 看板视图：多维度分类、实时同步、证据展示、人机标识；
• AI代理集成：注册管理、任务分配、结果验证、反馈学习；
• 证据管理：收集、关联、展示、归档；
• 工作流编排：条件分支、人机交接、并行处理、异常处理。

1. 内容创作：AI初稿→证据收集→人工审核→迭代优化→质量验证→发布；
2. 软件开发：需求分析→代码生成→审查→测试→部署决策；
3. 数据分析：数据探索→假设提出→验证→解释→报告生成；
4. 客户服务：工单分类→知识检索→回复生成→审核→满意度追踪。

• 工具集成：与Git、CI/CD（Jenkins）、文档系统（Notion）、通讯工具（Slack）集成；
• 数据模型：围绕任务、证据、参与者、工作流、决策设计；
• 扩展性：插件架构、API优先、多租户支持。

• 证据收集完整性：依赖工具集成，改进方向为灵活导入、手动补充、非结构化处理；
• AI代理通用性：需针对性配置，改进方向为标准化接口、自动匹配、基准测试；
• 学习曲线：团队适应成本，改进方向为模板指南、渐进引入、培训材料。

Nagare提出AI时代工作流管理新范式，通过证据优先解决人机协作透明度与可追溯性问题，为AI持续改进提供数据基础。未来此类工具将成为人机共同进化的基础设施，为AI辅助团队提供参考框架。