ftb-project-management/docs/decisions.md

关键设计决策记录

每条决策都包含为什么这么做，避免后续模型重新讨论或推翻。

1. 进度计算 — 由状态推导，不要手填百分比

问题：Jira/TAPD 等系统让开发手填进度（20%/35%/50%），数据完全主观，不可靠。

决策：DevTask 进度由 status 推导：

• todo → 0%
• in_progress → 50%
• testing → 80%
• submitted → 100%

理由：客观、不允许造假。需求级/版本级进度 = Σ(估算耗时 × 状态推导%) / Σ(估算耗时)。估算耗时优先取执行人填写的 estimateHours，没有时才用 AI 草案的 aiEstimateHours 兜底。

2. 实际工时 — 由开始/完成时间戳计算

问题：让人手填工时太粗糙（一天 8h 真的全部花在这个任务吗？）。

决策：精确到 0.5h 的时间差计算

实际工时 = (completedAt - startDate) / 3600000，精确到 0.5h

理由：状态流转时自动记录精确时间戳，工时直接派生。

3. DevTask "已提测" = 终态

问题：原本有 submitted → done，但开发提测之后就交付完成了，后续测试结果不应该回过来改 DevTask 状态。

决策：去掉 done，submitted 是终态。测试通过/失败产生 Bug，不影响 DevTask。

理由：DevTask 的责任是"开发到提测"，验收是 TestCase 的职责。

4. 调研/产品/UI — 自动开始 + 手动提前开始

问题：到了计划开始日期，状态还是 pending 不合理。

决策：

• 当前时间 ≥ startTime 时自动视为 in_progress
• 用户可在计划日期前手动点"开始"
• 自动开始时记录 actualStartAt（精确到分钟）

理由：减少冗余操作但保留灵活性。

5. TestCase 主归属版本，需求是可选标签

问题：早期把测试用例挂在需求上，但同一需求跨版本迭代时用例难以管理。

决策：

• TestCase.versionId 必填（执行归属）
• TestCase.requirementId 可选（语义标签）
• 测试人员从"我的测试用例"看到的就是当前版本的用例

理由：测试是按版本执行的，不是按需求；但需求作为思考维度仍然有用。

6. Bug 直接挂版本

问题：早期通过 Bug → TestCase → Requirement → Version 四级反查，太绕。

决策：Bug 增加 versionId 字段，直接挂版本。testCaseId 保留作为来源追溯。

理由：判断"能不能发布"的唯一维度是版本，必须 O(1) 查询。

7. 跨模块通信 — 引擎层，不是事件总线

问题：模块多了，A store 改动影响 B 的派生数据，散落各处难维护。

决策：建立纯函数引擎：

• linkage-engine.ts：从 DevTask 状态派生需求"实际进度"
• workspace-engine.ts：聚合所有 store 数据为统一 WorkItem

理由：事件总线过度设计，纯函数派生更可预测。新增模块只需在引擎中添加聚合逻辑。

8. 时间字段统一 ISO 时间戳到分钟

问题：日期(YYYY-MM-DD) vs 时间戳混用，UI 展示不一致。

决策：所有"实际开始/完成"用 new Date().toISOString()，展示统一 slice(0, 16).replace('T', ' ')。

理由：时间戳到分钟够精确，不像秒/毫秒那么噪。

9. 任务类型字典化 + 分组

问题：早期 enum 写死类型（前端/后端/大数据/其他），新增类型需改代码。

决策：建 TaskCategory 字典表 + group（development/implementation/other），管理员可增删。

理由：业务变化快，配置 > 写死。group 方便统计（开发工时 vs 实施工时）。

10. 阻塞正交标记，不是状态值

问题：status: blocked 会丢信息——开发中+阻塞 ≠ 自测+阻塞。

决策：

• status: todo|in_progress|testing|submitted
• isBlocked: boolean + blockReason: string + blockedById: string
• DevTask 存在阻塞时不能转为 submitted，必须先解除阻塞再提测。

理由：阻塞和状态正交。工作台筛选 isBlocked=true 一键拉出所有阻塞项，跨状态；但 submitted 代表开发交付完成，仍必须满足“当前无阻塞”的完成条件。

11. 加班原因可选，且去掉"其他"

问题：可选"其他"会让人逃避思考具体原因。

决策：变更原因/加班原因严格定义有限选项，没有"其他"。

理由：强制具体化，统计才有意义。

12. 项目维度 vs 个人维度耗时分开计算

问题：多个开发并行做任务，简单加总会重复计算时间。

决策：

• 个人耗时：每个任务独立累加（Σ(end - start)）
• 项目维度阶段耗时：min(start) → max(end) 日历跨度（不重复）

理由：两个维度回答不同问题——"谁花了多少时间" vs "这个阶段拖了多久"。

13. 删除版本时清理孤儿数据

问题：删版本只删 version 实体，留下 PlanTask/DevTask/TestCase/Bug 变成孤儿数据。

决策：删除版本时级联清理：

1. 释放需求 versionId（回需求池）
2. 删除 PlanTask
3. 删除 DevTask（通过需求 ID）
4. 删除 TestCase
5. 删除 Bug

理由：localStorage 没外键约束，必须手动级联。

14. 工作台数据点击 → 侧边详情 + 可操作

问题：早期工作台只显示信息，操作要跳转到版本详情。

决策：点击卡片打开 Drawer（复用版本详情用的同一组件），可在 Drawer 内完成状态流转、转交、提 Bug 等。

理由：减少跳转，工作台一站式处理。Drawer 顶部显示"产品/项目/版本"上下文，不会迷失。

15. UI 阴影统一 shadow-2xl

问题：各 Drawer 阴影不一致（有些 shadow-lg 有些 shadow-2xl）。

决策：全局 Drawer 用 shadow-2xl。

理由：视觉权重明显，且一致。

16. 不进入 Brainstorm 模式的判定

约定：以下情况直接修复，不强制走 brainstorming 流程：

1. Bug fix（明确 bug，方案直接）
2. 已批准方案的 in-progress 延续
3. 用户已通过 AskUserQuestion 选择了方案
4. 简单文案/样式调整

理由：brainstorming 适合新功能设计，bug fix 强行套流程浪费时间。

17. AI 拆解不存历史原型，靠对账报告兜底

问题：FTB 接入时，禅道里项目可能已经迭代到 V1.6，前面历史原型不在系统里。AI 拆解 V1.6 时如果做"V1.5 → V1.6 diff"，需要用户额外提供历史原型 URL。

决策：不要求用户提供历史原型 URL。AI 拆解只用三样输入：当前版本原型 + 关联需求 + 版本成员。

对应风险：AI 可能把"上版本就有的功能"也当成"本次新做"。

应对：要求 Agent 输出对账报告，结构化呈现：

• ✅ 完美对应（需求 ↔ 原型注释 ↔ 任务）
• ⚠️ 需求未见原型
• 无需求ID分组（原型有明确功能但没有匹配到关联需求）
• ❓ 注释含糊无法转化

理由：让历史版本入库的成本远高于让用户对账的成本。对账报告本来就是 AI 拆解的标配，能同时兜住"拆偏"和"拆漏"两类问题。让团队补需求清单，比让团队补历史原型容易。

18. AI 写入必须带 aiDraft 标记 + 引用来源

问题：AI 直接写入开发任务/用例，团队无法分辨"这是 AI 拆的还是人手填的"，出错时找不到来源。

决策：

• DevTask / TestCase 加 aiDraft: boolean 字段
• AI 写入时强制 aiDraft: true
• 列表中 AI 草案视觉区分（紫色左边线 + AI 草案徽章）
• 用户编辑保存后 aiDraft 自动清除（在 store 的 update 方法里实现）
• 同时加 references: Reference[] 字段，记录引用来源（需求 / 原型批注）

理由：

• 可识别性：团队一眼分辨 AI 产出 vs 人工产出
• 可追溯性：每条任务知道是从哪条需求 + 哪条原型批注来的
• 可信任：用户编辑即认可，自动转正常状态

19. 引用机制对 AI 和人工一致

问题：如果只有 AI 任务带 references，人工任务不带，会出现两套规则：用户看到 AI 任务有引用、人工没有，体验割裂；做"任务可追溯"功能时数据缺失。

决策：人工创建 DevTask / TestCase 时也强制带 references。

• 表单加「关联需求」（从版本已加需求里多选，自动转 requirement 类型 reference）
• 表单加「原型批注」（手填编号或自由文本，逗号/空格分隔，自动转 prototype_note 类型 reference）
• AI 草案唯一区别只剩 aiDraft: true 这一个状态字段

理由：单一数据形状，UI 复用；可追溯性是任务本身的属性，不该由"谁创建"决定。

20. AI 配置走页面不走 .env

问题：早期 ANTHROPIC_API_KEY 只能写到 apps/server/.env，配置流程对非技术人员不友好；切换 key 要重启 NestJS。

决策：

• 加 apps/server/src/modules/config/ 模块，提供 GET/PATCH/POST /api/v1/config/ai 接口
• 配置存到 apps/server/data/ai-config.json（在 .gitignore 里）
• 前端 /admin/ai-config 页面（仅超管可见）支持修改 Key、切换模型、测试连接
• AiGateway 优先读文件，其次读环境变量；切换 key 后客户端单例自动重建
• 前端 GET 接口永远不返回完整 Key，只返回 mask（如 sk-ant...xxxx）

理由：

• 运营/管理可以自助维护，不依赖工程师改代码
• Key 在服务器存储，前端永远拿不到完整内容，安全等同 .env
• 走 .env 的兜底保留，给 CI / 早期部署留路径

21. 多 AI 提供商抽象，支持中转站

问题：早期 AiGateway 硬绑定 Anthropic 官方 SDK，无法走 ikuncode 等中转站，也不能切换到 OpenAI 格式提供商。

决策：引入 Provider 抽象层。

• apps/server/src/modules/ai/providers/ 下两个实现：AnthropicProvider / OpenAIProvider
• 共同实现 AiProvider 接口（callTool / ping），把厂商差异封装在 provider 内部
• prompts/decompose.ts 用格式无关的 JSON Schema，由各 provider 包装成 Anthropic 的 input_schema 或 OpenAI 的 parameters
• 配置数据结构升级为 { providers: [], activeProviderId }，支持配置多个 provider 运行时切换
• 旧的单 key 配置自动迁移成 providers[0]

支持范围：当前两类格式覆盖 99% 中转站

• anthropic：Anthropic 官方 / 中转站（兼容 Messages API + tool_use）
• openai：OpenAI 官方 / 中转站（兼容 Chat Completions + tool calling）

理由：

• 用户可以自由选择厂家或中转站，不被一家锁死
• 每个 provider 独立 model 字段，因为不同提供商上同名模型不一定可用
• "激活"概念让多套配置同时存在，方便 A/B 切换
• 抽象层让上层 AiService 完全不感知厂商差异，未来加 Risk Watch / Schedule Suggest Agent 时复用

22. 业务数据先迁到 PostgreSQL AppData，再逐步关系化

问题：V1 业务数据存在浏览器 localStorage 中，用户在 Application Storage 执行 Clear site data 后，产品、项目、版本、需求池、版本详情里的调研/产品方案/UI/开发任务/测试用例/Bug，以及成员、任务类型等都会丢失。系统未来要部署到服务器，浏览器不能作为业务数据主存储。

决策：先引入服务端通用数据文档层：

• Prisma 增加 AppData 模型（表 app_data，key + JSONB value）
• NestJS 增加 DataModule，通过 GET/PUT /api/v1/data/:key 读写允许的业务数据 key
• 前端 store 保持现有数据形状和业务逻辑，只把持久化从 localStorage 切换到 /data/:key
• 覆盖 key：products-overview、requirements、version-plans、dev-tasks、test-cases、bugs、members、task-categories、task-worklogs、overtime
• 浏览器只保留登录态，不保存业务主数据

理由：

• 当前模块多、数据形状仍在快速调整，一次性全量关系化风险高、改动面大
• JSONB 文档表能立刻解决“清浏览器数据导致业务数据丢失”的线上部署问题
• 保持 store 数据形状不变，能降低迁移对现有 UI、AI 拆解、工作台聚合的冲击
• 后续等字段稳定后，再把 app_data 中的文档逐步迁入关系表和领域 CRUD API

23. 版本计划完成条件进入工作流引擎，任务类型使用稳定语义码

问题：版本模块里，调研/产品方案/UI 设计的完成动作散在 PlanTab 和 PlanDetailDrawer，右上角勾选按钮会绕过子任务和成果提交。开发任务的任务类型太粗，测试用例没有任务类型，AI 拆解只输出 role，无法稳定映射到业务分类。

决策：

• 新增 version-plan-workflow.ts，统一判断计划是否可勾选子任务、是否可提交成果、是否可完成、缺少什么条件。
• 取消计划卡片右上角的“直接完成”勾选按钮，完成只能通过提交成果触发。
• 调研/产品方案/UI 设计都使用子任务清单；完成时必须满足规则引擎要求并提交链接或文件成果。
• 新增 requirement-selector.ts，所有关联需求候选都从当前版本所属项目下的已采纳需求中取，不从全量需求池取。
• DevTask 和 TestCase 共用 TaskCategory 字典，TestCase 增加 categoryId。
• TaskCategory 增加稳定 code，早期用于 AI categoryCode 到系统 categoryId 的映射；后续 AI 任务类型改为以 taskTypeName 为主，见决策 #41。

理由：

• 完成条件属于业务规则，不属于按钮组件；集中到工作流引擎后，列表和抽屉能保持一致。
• 需求候选来源属于领域边界；统一 selector 能避免从需求池、项目需求、版本需求之间误取数据。
• AI 不应该猜数据库 id；稳定语义码能兼容管理员调整展示名称，也方便后续扩展更多模型。
• 测试用例带任务类型后，才能知道测试覆盖范围，AI 拆解和人工创建的数据形状也一致。

24. AI 预估和执行人预估分离

问题：AI 拆解写入 estimateHours 会让系统误以为负责人已经确认了工时和排期；同时 AI 会根据原型自动反推预计开始/截止，造成“计划已填”的错觉。

决策：

• AI 输出字段统一改为 aiEstimateHours，不再输出/写入 estimateHours。
• estimateHours 只表示执行人或负责人确认后的执行预估。
• 进度和统计口径优先使用 estimateHours；缺失时使用 aiEstimateHours 兜底；两者都没有时才从计划时间推导或按无估时处理。
• AI 采纳开发任务时不写预计开始/截止时间，由负责人后续填写计划排期。
• AI 重新拆解入口拆成“重新拆解开发任务”和“重新拆解测试用例”，请求通过 target 控制本次只生成哪类草案。
• AI 估时允许小于 0.5h，汇总时保留小数精度；实际耗时仍按状态时间戳计算并保持 0.5h 口径。

理由：

• AI 给的是建议，不是负责人承诺。
• 排期属于执行人计划，不能由拆解 Agent 代填。
• 独立重拆能避免修改开发任务时顺手覆盖测试用例，降低误采纳风险。

25. AI 重新拆解先过滤已采纳重复草案

问题：第一次 AI 拆解的 DevTask/TestCase 已经被采纳后，用户再次重新拆解时，模型可能再次输出同一批草案。若直接展示给用户采纳，会造成开发任务和测试用例重复。

决策：

• AI 返回结果后，前端在打开采纳弹窗前先做确定性去重。
• 开发任务比对范围是当前版本已关联需求下的现有 DevTask；测试用例比对范围是当前版本下的现有 TestCase。
• 重复判定使用：任务类型 code + 标题规范化 + 引用来源（需求 / 原型批注）一致。
• 重复草案不进入采纳列表，只在弹窗提示已过滤数量。

理由：

• 去重不能只依赖模型提示，必须有系统规则兜底。
• 标题也参与签名，避免同一需求/QY 下不同真实工作项被误过滤。

26. 系统内置超级管理员账号不可删除

问题：全新系统需要一个稳定可登录的超级管理员账号。早期默认成员曾以普通姓名展示，用户手动改名后，登录态和 Bug 单据中的人员姓名可能仍保留旧快照，造成“提交人是旧姓名、修复人是新姓名”的错位。

决策：

• 固定 m-8 为系统内置超级管理员账号，姓名、部门、角色由系统保护，不允许删除。
• 读取历史成员数据时自动迁移旧默认账号为“超级管理员”，保留手机号、邮箱、密码。
• 登录态以成员 id 为稳定身份，页面启动和编辑当前用户后都按成员表刷新姓名、角色和联系方式。
• Bug 展示和筛选对历史旧名做兼容解析，旧单据中的默认账号旧姓名显示为当前超级管理员。

理由：

• 账号身份不能依赖可编辑姓名；姓名只是展示字段。
• 内置超管账号避免新系统初始化后被误删或降权导致无法管理。
• 历史单据兼容能修复已有数据的显示错位，同时不需要批量改写业务记录。

27. 测试轮次以第一轮用例为母版

问题：同一版本测试失败或修复后，经常需要重新跑一遍同一批测试用例。如果直接复用原用例，会覆盖第一轮执行记录；如果手工重建，又容易漏掉 AI 生成或人工补充的用例。

决策：

• TestCase 增加 roundNo，旧数据和未显式写入的数据统一视为第 1 轮。
• 点击“开启新一轮测试”时，只从第 1 轮复制用例到下一轮，AI 创建和人工创建的用例都复制。
• 只有最新一轮测试用例全部进入 passed/failed/blocked 后，才能开启下一轮；第 1 轮未测完时不能开启第 2 轮。
• 复制时保留需求、标题、描述、类型、优先级、负责人、引用来源、AI 草稿标记、AI 预估和执行预估。
• 复制时清空执行状态、开始/完成时间、执行人、失败原因和阻塞原因，新轮次从 pending 开始。
• 测试进度、无 Bug 通过率和列表按当前轮次查看；顶部 AI 预估、执行预估、实际耗时、人力投入按版本全部轮次累计。
• 测试用例按所属需求分组时展示“已提测/待提测”标签；只有该需求下所有开发任务都 submitted 才展示“已提测”，否则展示“待提测”。

理由：第一轮承载完整测试范围，后续轮次应复跑同一范围而不是临时拼装；执行记录按轮次隔离，整体投入按版本累计，能同时回答“这一轮测得怎么样”和“这个版本测试总共花了多少”。

28. Daily report uses work activity log, not a generic rules engine

Problem: A daily report based only on manual task-worklogs misses important actions such as submitting a product plan, starting a development task, submitting code to test, fixing bugs, or marking blockers.

Decision: Add a lightweight work-activities document key and a typed work-activity-factory.ts. Business stores append activity records after successful operations. The workspace daily report derives a personal report from activities, legacy worklogs, and current work items.

Why:

• Automatic activity records provide evidence that work happened today.
• Manual progress notes explain multi-day work when no status changed today.
• A generic rules engine is too heavy for the current AppData stage and would hide business rules behind configuration.
• A pure aggregation function keeps report behavior testable and predictable.

Rule: Key status changes count as daily evidence. Multi-day in-progress work without today's activity or progress note is flagged as needing a progress update.

29. 计划日期使用中国节假日日历提示，不做硬阻断

问题：调研、产品方案、UI 设计、开发任务、测试用例和 Bug 修复都需要填写计划时间。原生日期控件样式不一致，也无法提示中国法定节假日和调休工作日。

决策：

• 新建统一的工作日日期时间选择组件，创建任务时复用同一套交互。
• 内置国务院办公厅发布的 2026 年中国法定节假日和调休工作日；未知年份按周末/工作日兜底。
• 选择节假日或周末时只提示，不阻止保存；选择调休工作日时按工作日提示。
• TestCase 增加 plannedTestAt / plannedEndAt，Bug 增加 plannedFixAt，保存为 ISO 时间戳。

理由：项目排期需要贴近中国工作日，但研发和线上 Bug 可能确实安排在非工作日处理，所以系统负责提醒，最终是否保存交给用户判断。

30. 正常工时走中国工作日历，加班单独计入

问题：接入中国节假日后，如果任务从节假日前开始、节假日后结束，直接按自然时间差会把休息日误算为实际耗时。

决策：

• calcWorkHours 和正常任务的 calcActualElapsedHours 都按中国工作日历和工作时段计算。
• 法定节假日、周末不计入正常工时；调休上班日计入正常工时。
• AI 预估工时是工作量建议，不按日期跳过；执行预估只有从计划起止时间自动推导时才走工作日历。
• 加班记录不受工作日历过滤，但不按自然小时连续打卡计算；使用项目管理口径：每个自然日默认 9:00-12:00、13:00-18:00 计 8h，中间完整日期按 8h，首尾日期按填写的开始/结束时间裁剪，结束晚于 18:00 的当天额外计入超出时长。

理由：正常任务耗时回答“工作时间里实际投入了多少”，加班记录回答“额外投入覆盖了多少项目工作量”。项目管理不做打卡，跨天记录不能把夜间空档算成工时；但节假日和周末仍允许记录，不受中国工作日历过滤。

31. AI 原型拆解优先按需求编号匹配，再按需求概述兜底

问题：原型文件里有些批注并不总是稳定写成 QY 编号，或者 QY 片段和需求之间没有显式绑定。仅按 QY 批注匹配会漏掉“原型里实际已有注释”的需求。

决策：

• 原型上下文提取不只围绕 QY 编号，也围绕当前版本关联需求的 id、code、title、description 命中片段。
• Agent 对账优先按需求编号匹配；原型文本出现 requirement.id 或 requirement.code 时必须优先归到该需求。
• 没有需求编号时，再按需求标题和需求概述做语义匹配。
• 没有 QY 编号但命中了需求编号或需求概述时，允许只引用 requirement，matched.noteIds 返回空数组。
• 编号和概述都匹配不到、但能形成明确功能名称和任务范围的原型批注，进入 prototypeOnly 无需求ID分组；只有无法稳定转化为任务/用例的批注才进入 ambiguous。

理由：需求编号是最稳定的对账锚点，需求概述是编号缺失时的业务语义兜底。把匹配证据先送进上下文，再用 prompt 明确优先级，比只依赖模型从截断文本里自由联想更稳定。

32. 测试用例类型细分，AI 拆解按测试点而不是大流程输出

问题：测试用例原先只有功能/API/异常/兼容性四类，AI 容易把多个交互、接口、数据状态和边界场景合并成一条“大用例”，导致测试范围不够细。

决策：

• 在测试分组增加细分类：UI 交互、表单校验、数据一致性、权限、边界值、状态流转、回归测试。
• 早期 AI tool schema、shared 类型和前端任务类型字典同步允许这些 categoryCode；后续这些类型只作为建议映射，AI 可通过 taskTypeName 输出字典外类型，见决策 #41。
• Prompt 明确要求 TestCase 按功能点、交互、接口、数据、权限、异常、边界、状态流转和回归点拆细。
• 一条 QY 如果同时涉及 UI、接口、数据、异常和状态变化，通常应拆出 3-8 条 TestCase，不允许用单条“完整流程验证”兜住。

理由：测试用例的分类粒度会反过来影响 AI 输出粒度。更细的稳定语义码能让模型把测试范围拆开，也让后续统计、筛选和负责人评估更准确。

33. AI 可推荐负责人，但必须由用户确认后才写入

问题：版本成员已经维护完成后，AI 拆解任务时完全不看成员会浪费上下文；但如果 AI 直接分配负责人，容易把模型建议误认为团队承诺，也可能编造成员姓名造成脏数据。

决策：

• AI 草案允许输出 recommendedAssigneeName 和 recommendedAssigneeReason，但姓名只能来自当前版本成员 members[].name。
• 前端用规则 helper 再校验推荐姓名是否属于当前版本成员，非成员姓名直接丢弃。
• 采纳弹窗默认不写入负责人；用户勾选“采纳推荐负责人”后，才把已校验推荐写入 DevTask/TestCase 的 assigneeId。
• 没有明确角色匹配或成员匹配时，AI 不输出推荐字段，任务保持未分配，供成员后续领取或手动分配。

理由：负责人推荐能减少项目经理初次分配成本，但分配本身是团队执行承诺，必须由人确认。把推荐和写入分开，可以复用版本成员上下文，又避免模型幻觉姓名或越权自动派单。

34. AI 草案领取和计划必须绑定

问题：AI 生成的 DevTask / TestCase 如果没有负责人，团队需要先领取；如果把“待领取”和“待排期”拆成两个可见状态，会让版本详情列表出现更多标签，且无法体现“领取时就应该承诺计划”的业务动作。

决策：

• 版本详情开发任务和测试用例不显示“待排期”标签。
• 无负责人时显示“待领取”，领取入口必须同时填写计划起止时间。
• 用户采纳 AI 推荐负责人后，草案已经有负责人，不再需要领取；但开始开发/测试前仍必须补齐计划起止时间。
• DevTask 进入 in_progress 前必须具备 assigneeId、expectedStartAt、expectedEndAt。
• TestCase 进入 running 前必须具备 assigneeId、plannedTestAt、plannedEndAt。

理由：领取代表成员承诺执行，计划时间代表承诺边界，二者应该在同一个动作里完成。列表层只表达“谁还没接手”，状态机层负责阻止未计划任务进入执行，页面不会被额外标签干扰。

35. 产品/UI 计划需求覆盖必须区分部分完成和完全完成

问题：产品方案和 UI 设计经常跨天推进，同一天可能只完成某条需求的一部分。旧的勾选式“引用需求已完成”只能表达完成/未完成，日报和后续分析无法知道本次完成了什么、还剩什么，也容易把部分完成误算成可提交成果。

决策：

• VersionPlan 增加 requirementCoverage[]，每条引用需求记录 not_started / partial / completed、已完成内容、剩余内容、更新人和更新时间。
• 旧的 completedRequirementIds 继续保留用于兼容历史数据，但当同一需求存在 requirementCoverage 时，以新覆盖状态为准。
• 产品/UI 计划的成果提交门禁只认 completed，partial 只记录进度，不满足“关联需求全部覆盖”。
• 计划增加 logs[]，记录需求进度更新和 AI 拆解触发/完成/失败，右侧日志时间线消费该数据。

理由：覆盖状态是产品/UI 计划自身的业务事实，不应该用简单 checkbox 表达。显式记录“已完成/剩余”能支撑日报、复盘和需求完成质量分析，同时保留旧字段可避免历史数据迁移成本。

36. 小宝预警规则优先，AI 只做解释

问题：如果直接让 AI 判断版本能否发版，模型可能忽略系统内的任务、Bug、测试、日报和权限事实，结论不可追溯；如果只按风险等级触发 AI，又会漏掉同等级内风险剧变，例如 P1 Bug 从 0 到 3、测试失败、发版日只剩 1 天。

决策：

• 小宝预警先由确定性规则计算 riskScore、riskLevel、forecastReleaseDate、confidence、趋势、静默风险和证据摘要。
• on_track 不触发 AI；at_risk、likely_delayed、blocked 自动触发 AI；attention 只有在风险分、趋势、关键 Bug、失败用例、阻塞、静默风险、置信度或预测日期出现明显恶化时触发。
• AI 解读自动触发，不提供人工“AI 解读”按钮。缓存签名必须覆盖趋势、原因、静默风险、日报/活动证据、风险信号和置信度，避免复用过期解读。
• 快照保存需要节流：同版本同日普通变化 10 分钟内不重复保存；风险等级变化、风险分变化达到阈值、关键 Bug/失败用例/阻塞/静默风险变化或预测日期明显变化时立即保存。
• AI 解读需要 cooldown：同版本最近 6 小时内已有解读时不重复请求；如果风险等级升级，则允许绕过 cooldown。
• AI 只写入 xiaobao-risk-insights 缓存，不修改 Version、DevTask、TestCase、Bug、Requirement 或 Member。

理由：规则结果可测试、可追溯、可复盘；AI 文案提升可读性，但不能替代系统事实判断。趋势、静默风险和置信度能弥补“当前风险等级”过于静态的问题。

37. AI 拆解支持无需求ID分组，不自动补需求池

问题：0 到 1 项目中，需求池可能只录入一条宽泛需求，例如“做一个充值功能”，而原型批注里已经包含更多细粒度功能。旧规则把“原型里有、关联需求里没有”的批注只放进 noteOnly 报告，不拆任务，会漏掉真实开发和测试范围。若让 AI 自动创建 Requirement 又会污染需求池和版本关联需求列表，让“正式需求范围”和“原型推断内容”混在一起。

决策：

• AI 拆解继续优先按关联需求匹配；匹配成功的草案带正式 requirementId。
• 原型中明确可拆、但没有匹配到关联需求的批注，进入 prototypeOnly，也可以生成 DevTask / TestCase 草案。
• prototypeOnly 草案不创建 Requirement，不加入需求池，也不加入版本关联需求列表。
• 这类草案写入开发任务/测试用例时，requirementId 为空，使用 requirementName 作为展示分组名，列表标题为 无需求ID · {requirementName}。
• 不额外展示“原型发现”标记；只有既有 aiDraft 草案视觉状态。
• DevTask 需要直接归属版本（versionId），requirementId 改为可选；旧数据可继续通过 requirementId -> Requirement.versionId 兼容推导。
• 版本级统计、工作台和风险预警统计包含无需求ID分组任务/用例；需求级进度和需求关闭条件只统计带正式 requirementId 的 DevTask。

理由：关联需求代表人为确认的正式范围，不能被 AI 静默扩写；但原型批注也是当前版本真实交付范围的重要证据，不应该因为没有 REQID 被丢掉。无需求ID分组让任务和用例完整进入执行视图，同时保持需求池干净、关联需求列表可信。

38. 生产部署采用 Docker Compose + Nginx 同域反代

问题：系统已经从浏览器 localStorage 迁到 NestJS + PostgreSQL app_data，可以部署到云服务器，但如果只依赖开发命令，生产环境会缺少统一编排、健康检查、持久卷、反向代理和数据库初始化流程。

决策：

• 生产部署使用 docker-compose.prod.yml 编排 web、server、postgres、redis、nginx。
• 本地服务器/局域网部署使用 docker-compose.local.yml，同样跑完整五服务栈，但默认绑定宿主机 8080，并使用独立 local_* volumes。
• web 和 server 分别用 Dockerfile.web、Dockerfile.server 从 monorepo 根目录构建，先构建 @ftb/shared，再构建各自应用。
• 对外只暴露 Nginx 80 端口；/api/ 转发到 NestJS，其他路径转发到 Next.js。
• 前端生产默认使用同域 API：NEXT_PUBLIC_API_URL=/api/v1，避免浏览器跨域配置。
• PostgreSQL、Redis 和 server 文件数据分别使用 postgres_data、redis_data、server_data 命名卷持久化。
• 数据库生产初始化走 prisma migrate deploy，仓库保留初始 migration；本地开发仍使用 prisma migrate dev。
• HTTPS 先交给云负载均衡、CDN、宿主机证书工具或外层 Nginx 终止；Compose 内置 Nginx 保持 HTTP 反代基线。

理由：Docker Compose 足够覆盖当前单机云服务器和本地服务器形态，部署成本低、可读性强，也符合现阶段 2 核 4G 云主机目标。同域反代能减少 CORS 和公网端口暴露面。本地服务器默认 8080，避免占用 80 端口或要求管理员权限；云服务器继续使用 80 作为外层入口。HTTPS 证书自动续期和域名接入在不同云环境差异较大，先作为外层能力处理，避免把生产部署模板绑死在某一种证书方案上。

39. AppData 文档写入采用乐观锁，先阻止静默覆盖

问题：V2.1 阶段业务数据仍按模块存成 app_data.value 整份 JSON 文档。多人同时打开同一模块后，如果 A 和 B 都基于旧副本编辑，原来的无条件 upsert 会让后保存的人覆盖先保存的人，尤其是任务、Bug、成员等高频写入数据。

决策：

• GET /api/v1/data/:key 返回 version，由 AppData.updatedAt.toISOString() 派生；空文档返回 version: null。
• 前端 server-data.ts 在读取和保存成功后缓存每个 key 的最新 version。
• 前端保存已读取过的 key 时提交 { value, version }；尚未读取过的兼容路径仍可提交 { value } 走旧式 upsert。
• 后端收到字符串 version 时使用 updateMany({ where: { key, updatedAt }, data: { value } }) 原子比较并更新；count !== 1 返回 409 APP_DATA_CONFLICT。
• 后端收到 version: null 时只允许创建不存在的行；如果其他客户端已经创建，返回同样的 409 APP_DATA_CONFLICT。
• 冲突响应返回 currentVersion 和 currentValue，但当前前端不自动合并、不自动重试，避免把旧本地副本用新版本号再次覆盖服务端数据。

理由：这是 AppData 阶段成本最低、收益最高的一致性补强。它不能提供字段级协同编辑，但能阻止最危险的“静默最后写入覆盖”。后续拆成关系表和领域 API 后，再在具体实体上做更细粒度的事务、唯一约束、审计日志和冲突合并 UI。

40. AI 拆解借鉴 Superpowers 的交付切片和测试倒逼粒度

问题：AI 原型拆解虽然已经要求细颗粒任务和测试用例，但模型仍可能把清晰 QY 批注压成一条大任务、一条“完整流程验证”，或者把带详细说明、字段和验收标准的批注误判为含糊。

决策：

• Prototype Decompose Agent 在生成 DevTask/TestCase 前，必须先按 UI、交互、接口、数据、异常、边界、状态流转、兼容和回归做内部交付切片。
• 每条业务规则、字段规则、交互规则、异常规则和验收标准，必须至少映射到 1 条开发任务或 1 条测试用例；本次 target 不包含的一侧可以不输出，但另一侧必须覆盖。
• DevTask description 从可选变为必填，至少包含实现范围和验收点。
• TestCase description 必须包含前置条件、操作步骤和预期结果；涉及边界、异常或数据一致性时写明测试数据或状态。
• 原型批注只要包含标题、详细说明、字段、异常或验收标准之一，且能判断用户动作或系统行为，就不得进入 ambiguous；必须进入 matched 或 prototypeOnly 继续拆解。

理由：Superpowers 的任务计划和 TDD 流程本质上是“先把工作拆成可验证切片，再用测试约束倒逼粒度”。把这套方法沉淀到 Agent 契约里，能减少粗拆、漏拆和误判含糊，同时不改变现有数据模型，只提高 AI 草案的结构质量。

41. AI 拆解任务类型不受人工字典限制，采纳时自动入库

问题：任务类型字典最初服务于人工新建任务表单，覆盖的是常见开发和测试类型。AI 从原型里识别出的真实交付切片可能更细，例如“人员名片交互”“预入职数据源”“姓名展示兼容测试”。如果继续要求 AI 只能输出既有 categoryCode 枚举，就会把拆解能力绑死在人工表单选项上，字典没覆盖时容易漏拆或被迫归到错误类型。

决策：

• AI DevTask / TestCase 草案必须输出 taskTypeName，这是展示给用户的任务类型名称。
• categoryCode 改为可选兼容映射；只有能明确对应已有稳定语义码时才输出，不再作为 schema 必填项，也不再限制为固定枚举。
• 前端采纳 AI 结果时，按 taskTypeName 在当前 TaskCategory 同分组内查找；不存在则自动追加一条 isSystem=false 的任务类型，并用该类型的 id 写入 DevTask/TestCase。
• 去重逻辑按任务类型名称、标题和引用来源判断；已采纳过的自定义 AI 类型再次生成时也能过滤重复草案。
• 人工新建任务表单继续使用任务类型字典作为可选项，但这个字典会随着 AI 草案采纳自动扩展。

理由：人工表单的任务类型是录入辅助，不应该成为 AI 拆解边界。taskTypeName 让模型按真实工作切片命名，采纳时自动补字典让后续筛选、统计和人工创建都能复用新类型，同时避免 AI 直接写数据库 categoryId。