# CWB_Project：人机协作的项目规划智能助手

> 一个将非结构化会议对话转化为结构化项目计划更新的 Agentic AI 系统，采用人在回路审批工作流，确保计划变更的可追溯性和人工监督。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-05-02T22:14:24.000Z
- 最近活动: 2026-05-02T22:16:36.446Z
- 热度: 0.0
- 关键词: Agentic AI, 项目管理, 人机协作, LLM应用, 会议记录提取, 计划跟踪, Azure, Streamlit, DeepSeek
- 页面链接: https://www.zingnex.cn/forum/thread/cwb-project
- Canonical: https://www.zingnex.cn/forum/thread/cwb-project
- Markdown 来源: ingested_event

---

# CWB_Project：人机协作的项目规划智能助手

## 项目背景与核心痛点

在项目管理实践中，一个长期存在的难题是：**会议和邮件中做出的决策往往无法同步到官方跟踪系统中**。项目计划因此逐渐偏离现实，导致团队成员对实际进度和任务分配产生认知偏差。

CWB_Project 正是为解决这一痛点而诞生的 Agentic AI 助手。该项目参加了 Microsoft Code Without Barriers Hackathon 2026 的 "SJ Project Planner Agent" 挑战赛，旨在通过智能代理技术弥合非结构化沟通与结构化计划之间的鸿沟。

## 核心功能架构

### 从会议记录到计划更新的完整工作流

该系统设计了一套端到端的自动化流程：

1. **收件箱接收**：系统通过 Inbox 页面接收会议记录、邮件或聊天消息
2. **智能提取**：自动识别任务要素——标题、负责人、截止日期、状态、依赖关系，并附带原始语句作为证据引用
3. **变更分类**：将每个提取项分类为**新建任务**、**现有任务更新**或**冲突需澄清**
4. **草案生成**：生成结构化的计划更新提案，附带执行摘要
5. **人工审批**：向人工审核员展示草案，支持逐条批准、拒绝或编辑
6. **原子提交**：经批准的变更以原子方式提交，记录完整的前后对比审计追踪

**关键原则**：没有任何变更能在未经明确人工批准的情况下进入官方跟踪系统。

## 技术特性详解

### 智能提取与分类引擎

系统能够从自然语言笔记和邮件中提取任务形状的信息，包括：

- 任务标题与负责人分配
- 截止日期与状态信号识别
- 依赖关系提示解析
- 置信度评估与来源引用

### 三层变更分类机制

| 分类类型 | 说明 | 处理方式 |
|---------|------|---------|
| **NEW** | 全新任务 | 创建新任务条目 |
| **UPDATE** | 现有任务更新 | 修改现有任务属性 |
| **CONFLICT** | 冲突需澄清 | 标记为需人工决策 |

### 人在回路审批系统

这是该项目的核心创新点：

- **逐条控制**：每条提议的变更都有独立的批准/拒绝/编辑控件
- **批量操作**：支持批量批准或拒绝多个变更
- **冲突解决**：并排对比候选方案，提供合并或保持分离选项
- **置信度驱动 UX**：高置信度变更预先勾选，低置信度标红并需显式操作
- **证据引用固定**：每个应用的计划变更都可追溯到会议记录中的确切源语句

## 可视化与追踪能力

### 多维度项目视图

系统提供丰富的可视化界面：

- **跟踪器面板**：可筛选的表格视图，带有逾期/即将到期颜色提示
- **甘特图**：Plotly 驱动的交互式时间线，按状态着色
- **紧急面板**：突出显示需要立即关注的任务
- **变更日志**：完整的审计追踪，记录所有历史变更

### 双向可追溯性

点击跟踪器中的任何任务，即可查看：

- 该任务的所有历史变更
- 每次变更的时间戳和差异对比
- 来源笔记中的确切证据引用

### 基线对比与重放模式

- **变更检测**：将实时计划与原始 tasks_master.csv 数据集对比，高亮显示负责人变更、超过7天的日期偏移和状态变更
- **重放模式**：按时间顺序逐步浏览所有摄入的会议记录，查看每条记录对计划的贡献

## 技术栈与架构设计

### 四层严格单向依赖架构

```
┌─────────────────────────────────────────────────────────────┐
│ UI 层 (Streamlit Web App)                                   │
│ 页面：Inbox · Drafts · Tracker · Gantt · Change Log · Replay │
└─────────────────┬───────────────────────────────────────────┘
                  │
                  ▼
┌─────────────────────────────────────────────────────────────┐
│ PlannerService 层                                           │
│ 工作流控制：ingest_note · run_pipeline · apply_draft · digest│
└──────────┬──────────────────────────────┬───────────────────┘
           │                              │
           ▼                              ▼
┌──────────────────────┐    ┌─────────────────────────────────┐
│ PlannerAgent 层      │    │ Repository 层                   │
│ LLM 工具：           │    │ 数据访问：meeting_notes · tasks │
│ - extract_tasks      │    │           pending_drafts        │
│ - classify_change    │    │           change_log            │
│ - generate_draft     │    └────────────────┬────────────────┘
│ - summarize_changes  │                     │
└──────────┬───────────┘                     ▼
           │                    ┌────────────────────────┐
           ▼                    │ Azure Database for     │
┌──────────────────────┐        │ PostgreSQL (Flexible)  │
│ OpenCode Go API      │        └────────────────────────┘
│ DeepSeek V4 Pro      │
│ (OpenAI-compatible)  │
└──────────────────────┘
```

### 技术选型

| 层级 | 技术 |
|-----|------|
| LLM | OpenCode Go (DeepSeek V4 Pro/Flash) via OpenAI-compatible API |
| 存储 | Azure Database for PostgreSQL Flexible Server (SQLAlchemy 2 + Alembic) |
| UI | Streamlit + Plotly |
| 部署 | Azure Container Apps + Azure Container Registry |
| 语言 | Python 3.12 |
| 测试 | pytest (单元测试 + 集成测试) |
| CI | GitHub Actions (ruff + pytest) |

## 数据集与演示

项目使用官方 CWB_SJ 数据集（CC0 许可）：

- **tasks_master.csv**：约50个任务的基线计划
- **meeting_notes.jsonl**：前10条会议记录可供处理
- **emails.csv**：前5封邮件作为邮件类型会议记录

用户可通过侧边栏的 "Load sample dataset" 按钮即时填充应用进行演示。

## 实用意义与应用前景

### 解决的真实问题

1. **信息孤岛**：打破会议决策与计划系统之间的壁垒
2. **责任追溯**：每个变更都有明确的来源和审批记录
3. **效率提升**：自动化繁琐的手动转录工作
4. **风险管控**：人在回路确保关键决策的人工监督

### 适用场景

- 敏捷开发团队的 Sprint 规划回顾
- 跨部门项目的进度同步
- 客户沟通记录的任务提取
- 远程团队的异步协作

## 总结与展望

CWB_Project 展示了一种务实的 Agentic AI 应用范式：**不是取代人类决策，而是增强人类决策能力**。通过将 LLM 的提取能力与人类的判断力相结合，该系统在自动化效率与人工监督之间找到了平衡点。

该项目的架构设计——特别是四层单向依赖和严格的 Repository 模式——为类似的 Agentic 应用提供了可复用的模板。其对可追溯性和审计追踪的重视，也使其适用于对合规性有要求的企业环境。

在线演示地址：[https://sjplanner-sm2026.calmbush-865eff5f.eastasia.azurecontainerapps.io/](https://sjplanner-sm2026.calmbush-865eff5f.eastasia.azurecontainerapps.io/)