Trello/Jira 一涨价就肉疼，这 6 个项目管理自托管随便用 人数不限、数据自己攥着，功能一点不输。 1、Plane（53.6k star） 现在最火的开源项目管理，Jira、Linear、ClickUp 想要的它基本都有，看板、迭代、路线图、周期一整套，界面还现代好看。 2、Focalboard（26.3k star） Mattermost 出的 Trello 替代，看板、表格、日历多视图切换，轻量、干净，小团队管任务够用。 3、Planka（12.2k star） 极致还原 Trello 的手感，拖卡片、贴标签、加成员几乎一模一样，从 Trello 搬家过来零学习成本。 4、Kanboard（9.7k star） 极简到极致，一个 PHP 文件丢上去就能跑，不折腾、不吃资源，只要一块看板管事的选它。 5、Leantime（10.1k star） 为「不擅长做项目管理的人」设计，从目标倒推任务，还内置番茄钟、点子墙，适合创业小队和个人。 6、Vikunja（4.6k star） 待办清单起家、长成全功能项目管理，列表、看板、甘特图、日历四种视图，既能管个人生活，也能管理团队协作。

🏦 把 Jira、Trello、ClickUp 的月费省下来，这个开源项目自己部署一份就能当项目管理台用。 GitHub 上 1763 stars，Apache 2.0 协议，代码全开，团队再多人也不用按人头交订阅。 以前团队要开一个新迭代，得有人在 Jira 里点半天：建 sprint、拆任务、指派人、写验收条件，最后还要手动同步一份文档出来。Paca 把这套搬到自己服务器上，Scrumban 看板、迭代、BDD 场景编辑和系统设计文档在一个界面里，改动实时推给所有人。 更有意思的是它自带一个 MCP 服务器，项目、任务、迭代、文档、成员、评论这些都能被 AI 直接操作。你在 Claude 里说一句「把这个 bug 拆成三个任务放进本周迭代」，看板那边就变了，不用再切回浏览器点。 后端 Go 加 Gin，前端 React，插件走 WebAssembly，想自己加东西不用改主干。 团队协作工具收费收到人头上的时代，可能真要过去了。 GitHub：

知名软件公司 #Atlassian# 近期变更数据贡献政策，宣布从 8 月 17 日开始将使用来自 #Jira、##Confluence、其他# Atlassian 云产品中的客户数据来训练 AI 模型。 被收集的数据包括使用元数据以及应用内数据 (例如页面标题和正文)，不同订阅级别的客户数据贡献政策不同，企业版订阅可以完全退出数据收集。 查看详情：

这是Super Productivity（超级生产力），一款专门为硬核打工人打造的无敌待办+时间追踪神器。 GitHub 星标：20000+ 协议：MIT（完全开源免费） 平台：全平台支持（Win / Mac / Linux / iOS / Android） 核心卖点： 原生打通 Jira / GitHub / GitLab：代码库里的 Issue 动态直接转 Task，不用来回切窗口。 番茄钟 + 时间盒双重打击：不仅能记 Task，还能秒级精确追踪你每件事到底磨蹭了多久。 绝对的数据隐私：所有数据本地存储，支持自建 WebDAV 同步，无云端偷窥风险。 内置防磨蹭提醒：只要你偏离任务时间过长，它比你老板还急着弹窗叫醒你。 不用再给各种订阅制 Productivity 软件送钱了，用上它一天能多摸两小时鱼。 传送门：

公司里的知识库只记「现在是什么」，去年那个决定当时依据哪份材料、后来怎么改的口径，翻不出来。 DeepLethe 开源的 Utopia 自称企业世界模型，说白了是个带时间线的知识图谱，每条事实都记着什么时候成立、来自哪份文件。 改错不覆盖，旧版本关掉、新版本接上，图谱同时留两条线：这件事在现实里何时为真，系统又是何时才知道的。 GitHub： 上传 PDF、Word、PPT、Excel 这些 10 来种格式，网页、RSS、GitHub、Jira、Notion 能定时同步。问答带引用，点一下跳到原文段落。 重复的实体分三步合并，每一步都能撤销。两条事实打架会标出来，关旧的、都留、拒新的，由人来选。 还能挂上 Postgres、MySQL 这些数据库跟文档一起问。一个 Rust 程序加一个 Postgres 就跑起来，模型接 DeepSeek、Qwen、Ollama 都行，能整套放内网。 README 开头专门声明不想被叫开源版 Palantir，这个较真劲我倒挺认。文档多、又常要回头追「当时为什么这么定」的公司，可以搭一个试试。

企业里最危险的 Agent 错误，可能是它做了政策明确禁止的事，最后还告诉你： 「已严格按照流程完成。」 Surge AI 这篇论文提出 HANDBOOK.md，专门评估 Agent 能否在长时任务中持续遵守公司政策。 Benchmark 包含 65 个企业任务，覆盖财务、人力、保险、物流和医疗账单。每个 Agent 都要阅读一份 20～124 页的操作手册，再使用邮件、Slack、日历、Jira 等工具完成真实工作流。 评分很严格：该做的事情必须全部完成，被禁止的操作一次也不能发生。 结果并不乐观。30 组模型配置中，最高严格通过率只有 36.2%，大多数前沿模型低于 25%。 模型经常已经找到了正确规则，却在后续执行中把它忽略；也会跳过必要检查，或者让眼前一封看起来权威的邮件覆盖公司长期政策。 最后生成的总结往往依然非常自信，声称所有操作都符合规定。 这篇工作最重要的提醒是把政策文件、AGENTS.md 或 Skills 放进上下文，只能说明 Agent 看见了规则，无法保证规则会持续约束它。 真实生产环境里，审批门槛、停止条件和权限边界，可能还需要独立验证和确定性的系统拦截。 Agent 会不会完成任务很重要。 它能不能在应该停手的时候停下来，可能更重要。 📎 arxiv:

吴恩达老师最近开源 OpenWorker，一个能替我们把活干完的桌面 AI 助手。 它能一次性帮我们完成所有工作，比如写好文档、排好日程、清理收件箱等。 发消息、改日程、跑命令这些比较敏感动作，在动手前会先问我们，确认了才执行。 还能设成定时任务，每天早上出简报、每周出报表这类活可以交给它自己跑。 GitHub： 支持连接 GitHub、Slack、Jira、Notion、Gmail，以及谷歌日历等 25 个常用工具。 模型可以用 OpenAI、Claude、Gemini、DeepSeek、Kimi、Qwen，也能用本地的 Ollama。 另外对话记录和模型密钥都存在本地电脑，数据只走我们自己选的模型和工具。

为什么要做开源？ 如何成为一个开源贡献者？ - 行业趋势不可逆：从 Linux、Android 到 Git、MongoDB、PHP、MySQL，还有 Codex, Hermes, Openclaw, OpenCode 等开源 AI 工具底层生态基本都是开源在主导，做技术不开源很难立足 - 技术透明有安全感（出问题能自己定位） - 能从 code review 中向大牛学习 - GitHub 账号本身就是简历上的加分项（招聘时会重点看） 为什么很多人没贡献过？ 主要门槛不是技术难度，而是工具链多：Git（不同于 GitHub）、GitHub、Maven、Jira、Jenkins、Markdown 都要懂一点，加起来有一定 overhead，但每个单独学起来都不难。 开发者三大资源入口 1. Mail list（Google Group / Apache mail list）——用户问答、公告 2. Issue tracking（Jira 或 GitHub Issues）——报 bug、开 ticket、任务分配（assign / reassign / resolve） 3. GitHub 本身——代码仓库 + code review 主战场 标准贡献流程（PR workflow） 1. Fork 项目到自己账号下 2. Clone 到本地 3. 建一个 branch，本地改代码（新手任务通常就一两行改动） 4. 跑测试（mvn clean install，赶时间可以 -DskipTests） 5. Push 到自己 fork 的仓库 6. 在 GitHub 上开 Pull Request 7. 触发 Jenkins 自动跑测试 + 人工 code review（常见黑话：LGTM = look good to me，PTAL = please take a look） 8. 根据 reviewer 意见修改、re-push，直到被 merge 项目目录结构的常见套路（大数据类 Java/JVM 项目） README.md（项目说明）、conf（运行时配置）、build（编译工具/代码风格检查）、bin/sbin（面向用户/面向管理员的脚本）、examples、docs、assembly（编译产物）——理解这套约定能大幅降低"打开一个新项目就懵"的门槛。 给新手的具体建议 - 从项目标注的 new contributor / 简单难度 任务开始（往往只是一两行代码的改动），先跑通整个流程，再挑战复杂任务 - 提交前保证代码风格通过（Google Style Guide 是业界公认的好参考）、本地测试跑过 - 遇到冲突：谁的改动后合并，谁负责 resolve conflict - 开源和商业不矛盾——很多项目靠围绕开源核心提供 support / 部署 / 培训服务盈利（如 Hadoop 生态的 Cloudera、Hortonworks） 成为开源贡献者的门槛不在"能不能写代码"，而在于熟悉这一整套协作工具链和流程； 从项目里标注为"入门级"的小 task 练手，走完一遍 fork → PR → code review → merge 的完整闭环，就能上手。

无意间看到大厂新推出的 WorkBuddy，就用了一下感觉挺不错的，确实丝滑真的被这个 AI 桌面智能体惊艳了一下 一句自然语言指令，它就能自动拆解任务、读取文件、调用工具，最后直接给你完成成果。 我试了两个真实场景： 1.帮我分析上季销售 Excel，并做一份 8 页总结简报 它自己读档、跑数据、生成图表、排版 PowerPoint，10 分钟不到就做好了，连配色都不错 2.帮我制作一个简易计算器 我刚刚试着制作了一个计算器，基本几秒就完成了，而且可以立即实现交互，这真的很实用，可以更加直观的看到自己的创作成果，如果有错误还可以实时调整。 真正做到无需部署、无需配置，开箱用，还能接 Slack / Telegram / Discord / 微信远程触发，支持 GitHub、Jira、Google Drive、Notion 等 MCP 整合，也能自己带 API Key 用各种大模型，安全沙箱隔离也很安心。 对日常办公和跨工具流程优化来说，目前体验真的很强。 @TencentAI_News Download here: User Guide:

Anthropic 工程师讲了一堂 FDE 入门课 Kevin Bai 现在在 Anthropic 的 Applied AI 团队，之前是 Rippling FDE 团队的创始成员，再之前在 Palantir 干了好几年。最近他做了一个 FDE 101 的分享，把前线部署工程师这个角色讲得很清楚，值得总结一下。 先说一个数据：在上市 SaaS 公司里，按平均合同金额排，Palantir 是 400 万美元，ServiceNow 120 万，Workday 60 万，剩下的没有一家能超过 50 万。Palantir 靠几千人做到了别人几万人做不到的客单价。靠的就是 FDE 模式。 FDE 到底在解决什么问题？ Palantir 的产品 Foundry 是一个应用构建平台，技术门槛很高，但买家是石油、消费品这些行业的非技术高管。你把一个复杂的技术平台丢给一个不会写代码的人，指望他自己搞明白怎么用，这不现实。 所以 Palantir 的做法是：客户买的既不是软件产品，也不是咨询服务，而是一个"结果"。你派工程师过去，深入理解客户的业务场景，在平台上给他们把东西建出来。客户关心的是货架上多了多少商品、产线效率提升了多少，他们不关心数据怎么组织的，也不该关心。 FDE 和外包开发有什么区别？ Kevin 特别强调了一点：如果你的工程师每次都从零给客户写定制代码，那你做的不是 FDE，是外包开发。FDE 模式能成立，前提是你有一个可复用的平台。工程师是在平台已有的基础能力上组装和定制，不是每次重新造轮子。没有平台，维护成本会吞掉所有利润，工程师也会因为要维护几十个毫无关联的代码库而跑路。 要不要搞 FDE？两个问题就能判断。 第一，你是不是必须把一个技术复杂的东西卖给非技术买家？如果你的客户本身就是工程师，比如卖 GitHub 或者 Datadog 的，不需要 FDE。如果你的产品本身就是开箱即用的，比如 Slack 或者 Jira，也不需要。只有你的产品很复杂、客户又不懂技术的时候，FDE 才有必要。 第二，你有没有一个可复用的平台？或者你愿不愿意投入去建一个？没有共享的基础组件，FDE 就是不可持续的。 2026 年的新变化是什么？ Kevin 的判断很有意思：软件行业做生意的方式本身变了，AI 让构建软件变得极其容易，几乎所有平台都在走向 Agent 化，这意味着几乎所有平台都变得高度可定制。后果就是：越来越多的客户搞不清楚你的产品到底能做什么。你把产品的成败交给客户自己去摸索，在 Agent 时代会越来越难走通。 这就把 FDE 从 Palantir 独有的小众玩法，变成了更多软件公司需要认真考虑的事情。 最后一个问题：什么样的人适合做 FDE？ Kevin 的回答很简洁：FDE 就是一个你信任到可以让他直接面对客户的软件工程师。技术能力是基本盘，但你还得放心让他代表公司去跟客户打交道。