# AI Workflow OS **Repository Path**: lobyliang/ai-workflow-os ## Basic Information - **Project Name**: AI Workflow OS - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-07-22 - **Last Updated**: 2026-09-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README 我觉得可以，而且**我建议不要设计成"Jira + Graph"，而是设计成"Entity OS + Graph Runtime"。** 这是两个完全不同的架构。 很多人是在 Jira 后面挂一个 Neo4j。 而我建议是： > **PostgreSQL 是事实数据库（Source of Truth）** > > **Apache AGE 是关系数据库（Relation Runtime）** > > **AI 永远查询 Graph，而不是直接查业务表。** 这样整个系统从第一天就是 AI Native。 --- # 一、总体架构 ```text AI Workflow OS AI Agent Layer ┌─────────────────────────────────────────────────────────────┐ │ Planner │ PM │ Developer │ QA │ ERP │ Finance │ HR │ Doc │ └─────────────────────────────────────────────────────────────┘ │ ▼ Knowledge Graph Runtime (Apache AGE / Cypher Query) │ ┌─────────────────┼──────────────────┐ ▼ ▼ ▼ Relation Dependency Semantic Graph Graph Graph │ ▼ Entity Runtime(OS) │ ┌─────────────────────────────────────────────────────────────┐ │ Object │ Event │ Workflow │ Permission │ Automation │ Search │ └─────────────────────────────────────────────────────────────┘ │ ▼ PostgreSQL ``` 整个系统只有一个核心： > **Entity（实体）** 所有东西都是实体。 --- # 二、Entity（实体） 建议控制在 **40 个左右**。 ## 组织实体 ```text Workspace Organization Department Team Role User Group ``` --- ## 项目管理 ```text Project Iteration(Sprint) Milestone Roadmap Goal(OKR) Requirement Epic Story Task Bug Risk Issue SubTask Checklist ``` --- ## 文档 ```text Document Page Wiki PRD MeetingNote Decision Template Attachment ``` --- ## 研发 ```text Repository Branch Commit MergeRequest Release Pipeline Build Artifact Environment ``` --- ## 测试 ```text TestCase TestSuite TestPlan TestReport ``` --- ## 企业 ```text Customer Supplier Contract Product Module Material Order Invoice Approval Todo ``` --- ## AI ```text Agent Tool Knowledge Prompt Conversation Memory Workflow Event ``` --- # 三、Graph边（Edge） 真正重要的是Edge。 我建议统一成几十种。 --- ## 组织关系 ```text MEMBER_OF BELONG_TO MANAGED_BY REPORT_TO ``` --- ## 工作关系 ```text ASSIGNED_TO CREATED_BY REPORTED_BY REVIEWED_BY APPROVED_BY WATCHED_BY ``` --- ## 项目关系 ```text PART_OF PARENT_OF CHILD_OF NEXT PREVIOUS ``` --- ## 生命周期 ```text CREATED UPDATED CLOSED REOPENED ARCHIVED ``` 实际上生命周期更多放 Event，不建议全部建 Edge。 --- ## 依赖关系 这是最重要的。 ```text DEPENDS_ON BLOCKED_BY RELATES_TO DUPLICATES CAUSES FIXES IMPLEMENTS VERIFIES AFFECTS ``` AI最喜欢这类关系。 --- ## 文档关系 ```text REFERENCES MENTIONS ATTACHED_TO GENERATED_FROM SUMMARIZES ``` --- ## Git关系 ```text HAS_BRANCH HAS_COMMIT HAS_PR DEPLOY_TO BUILT_BY ``` --- ## 企业关系 ```text CUSTOMER_OF SUPPLIER_OF OWNS USES PURCHASED APPROVED ``` --- ## AI关系 ```text GENERATED_BY EXECUTED_BY CALLED_TOOL USED_PROMPT USED_KNOWLEDGE ANSWERED_BY MEMORIZED ``` --- # 四、Event（事件） 我建议不要Graph记录历史。 历史统一Event。 例如： ```text Event id type time operator entity before after metadata ``` 类型： ```text EntityCreated EntityUpdated EntityDeleted StatusChanged CommentAdded AttachmentAdded MentionAdded Assigned Started Completed Reviewed Merged Released Approved Rejected AIExecuted MessageReceived ToolCalled ``` 以后： AI不是查Task。 而是： > 查Task最近30个Event。 它才能知道发生了什么。 --- # 五、Object统一模型 所有Entity共享一张主表。 ```text entity id type space_id title summary content status priority owner_id creator_id parent_id visibility json_data created_at updated_at ``` 业务字段全部： ```text jsonb ``` 例如： Bug ```json { "severity":"P1", "browser":"Chrome", "version":"v3.2" } ``` Meeting ```json { "location":"Room A", "duration":60 } ``` ERP订单 ```json { "customer":"BYD", "amount":1000000 } ``` Object永远不用改Schema。 --- # 六、Graph同步 Entity新增： ```text Entity Table ↓ Entity Service ↓ AGE create_vlabel() ↓ Node ``` Entity更新： ```text Entity Updated ↓ Graph Sync ↓ Update Node ``` 新增Relation： ```text Task ↓ depends_on ↓ Task ``` Graph： ```cypher (Task)-[:DEPENDS_ON]->(Task) ``` 同步即可。 --- # 七、AI查询方式 例如： 老板问： > 哪些需求会影响月底上线？ Graph： ```cypher MATCH (r:Requirement)-[:IMPLEMENTS]->(t:Task) -[:DEPENDS_ON*]->(b:Bug) WHERE b.priority='P0' RETURN r ``` 不用RAG。 Graph直接回答。 --- 例如： > 谁最忙？ Graph： ```cypher (User)<-[:ASSIGNED_TO]-(Task) ``` 统计即可。 --- 例如： > 登录模块涉及哪些文档？ ```text Module ↓ Requirement ↓ Document ↓ Meeting ↓ Commit ``` Graph天然完成。 --- # 八、功能模块 ## ① Entity Center 统一实体管理。 所有Object： ```text Task Bug Document Approval Meeting ERP ... ``` 全部这里。 --- ## ② Graph Explorer 类似Neo4j Browser。 例如： ```text 登录模块 ↓ Bug ↓ Task ↓ PR ↓ Document ↓ Meeting ``` 全部展开。 AI特别喜欢。 --- ## ③ Workflow Engine 不是BPM。 而是： ```text Node ↓ Edge ↓ Action ↓ Condition ``` Workflow本身也是Graph。 --- ## ④ Event Center 所有事件。 例如： ```text 今天： 创建Task ↓ 提交PR ↓ 审批 ↓ 部署 ↓ AI总结 ``` 形成Timeline。 --- ## ⑤ Automation 监听Event。 例如： ```text TaskCreated ↓ AI分类 ↓ 创建Checklist ↓ 通知负责人 ``` --- ## ⑥ Knowledge Center 所有： ```text Wiki PRD Meeting Code PDF ERP ``` 统一。 Graph建立联系。 --- ## ⑦ AI Center Agent： ```text Planner PM Developer Reviewer QA ERP Finance ``` 全部Agent。 --- ## ⑧ Dashboard 不是统计Task。 而是统计Graph。 例如： ```text 模块健康度 关键路径 风险传播 人员负载 知识覆盖率 Agent贡献率 ``` --- # 九、我建议增加三个 Jira 没有的核心模块 这是我认为整个 AI Workflow OS 最有价值的地方，也是与 Jira 最大的差异。 ### 1. Decision（决策） 很多企业项目真正重要的是**为什么这么做**，而不是做了什么。 例如： ``` Decision ├── 来源：会议 ├── 决策人：CTO ├── 原因：性能问题 ├── 影响：登录模块 └── 关联：需求、任务、PR ``` 以后 AI 可以回答： > **"为什么当时不用 OAuth？"** 而不是只能看到一个已经关闭的 Task。 --- ### 2. Capability（能力） 把所有工作都映射到企业能力，而不是项目。 ``` Capability 用户认证 支付 库存 生产计划 采购 ``` 关系： ``` Capability │ ├── Requirement ├── Module ├── API ├── Task ├── Test └── Document ``` 以后老板问： > **"库存能力今年改了多少次？"** Graph 可以直接分析。 --- ### 3. Semantic Layer（语义层） 这是 AI Native 的关键。 Graph 不仅存显式关系，还存 AI 推断出的语义关系： ``` Task A ──SIMILAR_TO────► Task B Bug ──LIKELY_CAUSED_BY────► Module Requirement ──CONFLICTS_WITH────► Requirement Meeting ──DECIDES────► Decision Document ──EXPLAINS────► Module ``` 这些关系可以由 AI 持续生成和修正，形成企业的**动态知识网络**。 --- ## 最终的整体模型 ```text AI Workflow OS ┌──────────────────────┐ │ Entity Layer │ │ 40+ 统一业务实体 │ └──────────┬───────────┘ │ ┌──────────▼───────────┐ │ Event Layer │ │ 全量历史、审计、时间线 │ └──────────┬───────────┘ │ ┌──────────▼───────────┐ │ Graph Layer │ │ 实体关系、依赖、语义 │ └──────────┬───────────┘ │ ┌──────────▼───────────┐ │ AI Layer │ │ Agent、推理、自动化 │ └──────────────────────┘ ``` **如果按照这个方向继续深化，我建议直接按"AI Workflow OS V1.0"来设计，而不是参考 Jira 的数据库。** 我甚至建议把数据库设计拆成四个独立规范： 1. **PostgreSQL 关系模型（约 60～80 张表）**； 2. **Apache AGE 图模型（完整 Node/Edge 定义与同步机制）**； 3. **Event Sourcing 事件模型（事件类型、回放、审计、消息总线）**； 4. **Agent Runtime 模型（Agent、Tool、Prompt、Memory、Workflow、MCP）**。 这四层组合起来，会形成一个真正面向 AI 的企业工作操作系统，而不是传统项目管理系统的升级版。