跳轉到

dashi-taskboard 研究筆記

資料來源

項目 連結
GitHub repo https://github.com/chuspeeism/dashi-taskboard
作者 chuspeeism(個人帳號,GitHub user id 70992554)
產品實際名稱 Codex Taskboard(package.json name = codex-taskboard、Tauri productName = Codex Taskboard、bundle identifier com.chuspeeism.codex-taskboard)。「dashi」只出現在 repo slug 和測試 fixture 的 checkout 路徑,不是產品品牌
最新 release v1.1.23-beta.2(name = Codex Taskboard v1.1.23-beta.2,prerelease),macOS universal DMG Codex.Taskboard_1.1.23_macOS-universal.dmg(≈88 MB)
姊妹作 dashi-ppt-skill(同作者的 dashi-* repo 家族)

Metadata(2026-09-10 即時抓取,取自 GitHub API + git clone --depth 1 原始碼):3,020 stars / 433 forks / 33 open issues · Apache-2.0(完整授權全文 LICENSE)· 建立於 2026-07-24,最後 push 2026-09-08 · 主分支 main · repo size ≈6.9 MB · has_discussions / has_wiki 皆開、subscribers 僅 14。語言組成:JavaScript 1.33 M · TypeScript 875 K · CSS 227 K · Rust 102 K · HTML 544 bytes——JS/TS/CSS 是 React 前端 + Node 後端,Rust 是 Tauri 桌面殼。建立才約 1.5 個月就衝到 3,020 星,成長極快,但版本仍是 -beta。topics:claude-code / cli / codex / codex-app / codex-desktop / codex-plugin / dsh / dsh-plugin / skills。

四個要先校正的判讀

  • 它不叫「Dashi」,dsh 也不是它的品牌 CLI。 repo slug 是 dashi-taskboard,但打開原始碼,產品從頭到尾叫 Codex Taskboard。而 dsh 是 DeepSeek Harness 的 CLI 指令(pnpm dsh plugin ...),topic 的 dsh-plugin 指的是「一個 DeepSeek Harness 插件」,不是 Dashi 生態。把 dsh 當成 Dashi 品牌會整個誤讀。
  • 「任務面板」是給人看、也給 agent 用的雙面板——不是純監看儀表板。 人這邊看到的是可拖曳的 kanban(七狀態、消費者三欄視圖);agent 那邊是透過 taskctl CLI + manage-taskboard Skill 讀寫同一份議題。它更像「給你的 coding agent 用的 Jira/Linear」,而不是 agent 進度監看牆。
  • 「可靈活嵌入」不是網頁 iframe widget。 它是專門嵌進兩個 coding agent 的桌面/網頁宿主:用 CDP(Chrome DevTools Protocol)注入把自己塞進 Codex 桌面 app(ChatGPT.app)的側邊欄,或用 Cordis 插件塞進 DeepSeek Harness。「靈活」指的是多重 fallback 宿主策略(見下),不是能貼到任意網站。
  • topics 掛了 claude-code / skills,但原始碼裡沒有 Claude Code 整合。 實際整合對象是 Codex(OpenAI)+ DeepSeek Harness;Skill 目錄是 ~/.agents/skills/manage-taskboard、agent 設定檔是 agents/openai.yaml。claude-code topic 比較像 SEO;唯一跟 Claude 生態相通的是「Agent Skill(SKILL.md)」這個檔案格式概念。

專案概述

Codex Taskboard 是一個 local-first(本機優先)的議題看板 / 任務面板:一個跑在你機器上的 Node HTTP 服務(預設 port 47823)+ SQLite(.data/taskboard.sqlite)+ React 19 前端。它被打包成 Tauri 桌面 app(macOS DMG/app、Windows NSIS、Linux deb/AppImage),桌面版自帶 Node runtime、服務、Web UI、Skill、CLI、注入腳本,目標機器只要裝了官方 Codex app 就能跑,不需要這個 repo、不需要系統 Node。

README 開宗明義:

「A local-first issue board that runs in a browser and can be embedded in Codex through the standalone CDP launcher or its injection script. The same HTTP API powers the React UI and the taskctl CLI used by the bundled Codex Skill.」

這句話點出它的核心設計:同一套本機 HTTP API,同時服務「人看的 React 看板」和「agent 用的 taskctl CLI」。人把要做的事開成 issue,coding agent(Codex / DeepSeek)透過 CLI + 一個 bundled Skill 把 issue 從 todo 搬到 in_progress、驗收、留言、綁 Git 分支/worktree,只有在你明確說「接受」之後才會搬到 done。它把「人 ↔ coding agent 的工作交接」做成一塊共享白板。

領域模型是七狀態(shared/domain.mjs):backlog / todo / in_progress / in_review / blocked / done / canceled。消費者視圖(docs/consumer-task-board-chatgpt-pro-review.md)則固定顯示三欄——待處理(todo)/ 處理中(in_progress)/ 等你確認(in_review),其餘狀態收進右側「其他任務」面板。

主要目錄:

dashi-taskboard/
├── server/          # Node HTTP 服務(app.mjs / database.mjs / SSE 廣播 + AI chat + Jira 整合)
├── web/             # React 19 + Vite + TS 前端(93 檔;ProseMirror 編輯器、mermaid、gantt)
├── cli/taskctl.mjs  # 給 agent 用的 CLI(讀寫 issue/project/comment,吐 JSON)
├── shared/          # 前後端共用領域模型(domain.mjs 定義七狀態)
├── skills/manage-taskboard/     # bundled Codex Skill(SKILL.md + references/cli.md + agents/openai.yaml)
├── inject/codex-taskboard.user.js   # 1,968 行 document-start 注入腳本(塞進 Codex 桌面 app)
├── scripts/codex-injector.mjs       # CDP 啟動器 / 注入器
├── integrations/deepseek-harness/   # DeepSeek Harness 的 dsh 插件(Cordis)
├── src-tauri/       # Tauri 2 桌面殼(Rust)
├── cloud/ + wrangler.jsonc          # Cloudflare Worker + D1 + R2 雲端共享
└── AGENTS.md / README(.zh-CN).md / PRIVACY.md

6 個看點

1. Taskboard 到底是什麼:人 + agent 共用的一塊議題白板

不是 agent 進度監看牆,是雙向工作交接板:

  • 人這邊:React 看板,拖卡換狀態、開 issue、留言、看 Gantt。issue 描述與留言支援 GFM(表格、任務清單)、mermaid 圍欄圖(載入後渲染成唯讀圖)、<!-- ... --> HTML 註解隱藏。用 DOMPurify 消毒、不開 raw HTML。
  • agent 這邊:taskctl CLI(吐 JSON)+ manage-taskboard Skill。同一套 HTTP API 兩邊共用,不是各接各的。
  • 即時同步:任務/留言/附件變更透過 SSE(server-sent events) 廣播給每個開著的 client;斷線重連會做一次完整刷新,不漏更新。
  • 樂觀並發控制:每個 issue 有 version,taskctl 用 --if-version 寫入,衝突就重讀 reconcile——這是為了「多個 agent + 人同時動同一塊板」設計的。
  • 同網段多人:npm start 會印出區網 URL,同一受信任網路的人開 LAN URL 就共用同一塊板。但 LAN 模式完全沒有帳號驗證(見注意事項)。

2. 嵌入機制:CDP 注入進 Codex 桌面 app,不是網頁 iframe

這是整個專案最有記憶點的工程。Codex 桌面 app(其實就是 ChatGPT.app,一個 Electron app)本身沒有插件 API 讓你塞面板,作者的解法是:

  1. 用 --remote-debugging-port 把 Codex 開起來(或找到已開、有可用 CDP renderer 的 Codex)。
  2. 透過 CDP 安裝一支 document-start 注入腳本(inject/codex-taskboard.user.js,1,968 行),在 Codex 側邊欄「Plugins」後面加一個原生外觀的 Taskboard 入口,把看板以 OOPIF(out-of-process iframe) 鋪滿整個主工作區(連上下文標題列區域都吃掉,才不會留空白條)。
  3. Codex 26.715.52143 的 renderer CSP 會擋任意 HTTP iframe,所以啟動器啟用 CDP CSP bypass、reload 一次 renderer、等 OOPIF 真的載入。
  4. 「在對話中打開」會選對應的原生 Codex 專案,開一個未送出的 composer,預填 e-taskboard 指令 + issue 真實 ID——Skill 由該指令隱式選中,不用 $manage-taskboard mention。

README 特別強調它的克制:不改 ChatGPT.app 或 app.asar、不 patch React、不換 fetch、不載私有 chunk、不動 Codex 資料檔,只用 Codex 現有的專案/composer/route 標記。

「靈活」的真義是一條命令多重 fallback(npm run codex):有可用 CDP 的 Codex → 複用它注入;普通 Codex 沒 CDP → 開在它的原生瀏覽面板;完全沒開 Codex → 用獨立 profile + loopback-only port 開官方 Codex;要不然就純瀏覽器 / LAN 開。它會一直 watch 服務跟 renderer,replace 掉就重注入。

3. Codex 整合:注入 + bundled Skill + taskctl + thread 綁定

整合是三件套,不只是注入:

  • 注入(看點 2):把 UI 塞進 Codex。
  • bundled Skill manage-taskboard:一份 SKILL.md,教 Codex 的標準流程——先 issue get + comment list 讀清楚 → backlog 視為「未核准不准動」→ 認領時把 todo 搬 in_progress(帶 version)→ 只做該 issue 綁定的 branch/worktree 內的事 → 驗證 → 留言寫變更+驗收結果+風險 → 搬 in_review → 只有使用者明確接受才搬 done。Skill 裡有大量防呆:不准搶別的對話認領的 issue、不准 loop、身分欄位不齊就停手。
  • thread 綁定:taskctl 讀 Codex 的 CODEX_THREAD_ID,把對話 ID 記到 issue/comment 上,之後可從 Codex 原生 route 點回去。每個 issue 可綁一個 Git 分支或一個 worktree,選項是從所選 Codex 專案的 repo 掃描出來的,不是手打。

桌面 app 會讓 ~/.agents/skills/manage-taskboard 跟內建 Skill 保持同步;啟動器把帶身分的服務地址寫進 launcher-runtime.json,taskctl 預設讀它,所以一般 shell 跟從面板開的 Codex 任務用的是同一個服務,不用手動設環境變數。

4. DeepSeek Harness 整合與 dsh-plugin 結構:一個真正的 Cordis 插件

跟 Codex 的「注入 hack」不同,DeepSeek Harness 這邊是走正規插件 API。integrations/deepseek-harness/ 就是一個可安裝的 dsh(DeepSeek Harness CLI)插件,npm name 叫 dsh-codex-taskboard,底層是 Cordis 插件框架(ctx.effect / ctx.slots / ctx.webServer、window.__ModuleLoader__.load、cordis.patch.yml)。安裝:

pnpm dsh plugin --profile web add /absolute/path/to/codex-taskboard/integrations/deepseek-harness

結構分兩半:

  • index.js(server 端):註冊一個 /integrations/codex-taskboard 路由,handler 讀 launcher runtime 檔拿到當前 Codex Taskboard 的 URL,回 307 redirect 過去(服務沒開就回 503)。因為讀 runtime 檔,所以不綁死 port。
  • client.js(web UI 端):一個 React 元件,inject 到 DeepSeek 的 sidebar.footer.action slot,加一個「任务面板」按鈕,點開一個 position:fixed 的 aside,裡面 iframe 那個 redirect 路由。整個 UI 貼齊 DeepSeek 的設計 token(--dsw-alias-*),看起來像原生功能。

換句話說:同一塊本地看板,對 Codex 用 CDP 注入、對 DeepSeek 用官方插件機制,兩邊都指向 launcher runtime 檔裡那個唯一的本地服務。

5. 前端 / 後端 / 打包技術棧

滿完整的一套現代 stack:

  • 前端:React 19 + Vite 8 + TypeScript 7(web/,93 檔,含 i18n 中英)。富文本編輯器用 ProseMirror(prosemirror-markdown/model/state/view + example-setup),渲染走 markdown-it / react-markdown / remark-gfm / remark-breaks,圖表用 mermaid,消毒用 DOMPurify,還內建 dhtmlx-gantt(甘特圖視圖)。
  • 後端:Node(server/index.mjs / app.mjs)、SQLite 落地、SSE 即時廣播、ws(WebSocket)。另有 built-in AI chat(server/ai-chat*.mjs,會實際 spawn Codex 進程、載 slash commands / catalog)跟 Jira 整合(server/jira-integration.mjs,把 issue 對到 Jira 欄位)——這兩塊是看板之外的附加能力。
  • 桌面殼:Tauri 2(Rust,src-tauri/),把 Node runtime + 服務 + Web UI + Skill + CLI + 注入腳本全包進一個 app。
  • 雲端:Cloudflare Worker + D1(權威業務 DB)+ R2(附件),wrangler.jsonc 部署,HTTPS Basic Auth。

6. 安裝與部署:桌面 app 一包到底,或原始碼三步走

四條路:

  1. 下載桌面 app(最省事):從 GitHub Releases 抓 DMG(macOS universal)/ NSIS(Windows)/ deb·AppImage(Linux Ubuntu 24.04 x64)。目標機器只要有官方 Codex app,不用 repo、不用系統 Node、不用另裝 Codex CLI。資料存 ~/Library/Application Support/Codex Taskboard。
  2. 原始碼跑本機:npm install && npm run build && npm start → 開 http://127.0.0.1:47823;開發模式 npm run dev(Vite 5173 proxy 到本地服務)。
  3. 裝 Skill:把 skills/manage-taskboard symlink 到 ~/.agents/skills/manage-taskboard。
  4. Cloudflare 雲端共享(限「兩位受信任協作者」):Worker Static Assets + D1 + R2 + Basic Auth。每台設備仍各自跑本地 companion(device-local loopback 服務,負責 Codex/Git/worktree/Skill/MCP 能力與路徑映射),雲端模式不會回退或雙寫本地 SQLite。作者在 SKILL.md 甚至明文要求:companion 不准譯成「伴侶」、普通 Taskboard HTTP API 不准叫「伴侶 API」。

驗證:npm run check(typecheck + 前端 build + 元件測試 + server/CLI/注入測試套件);test 目錄有 32 個測試檔,涵蓋注入、CLI、雲端遷移、skill 契約等。

授權與商用可行性

  • Apache-2.0(repo 有完整授權全文,11 KB LICENSE)。相對寬鬆:可商用、可閉源二次開發、可修改再散布,附帶專利授權條款與商標保留,只要保留授權與 NOTICE。以「自己的程式碼」而言商用無虞。
  • 但真正的可行性瓶頸不在授權,而在它嵌入的宿主:它是靠 CDP 注入到 OpenAI 的 Codex(ChatGPT.app) 這種未公開介面工作的。Apache 只管 Taskboard 自己的碼,管不到 ChatGPT.app 的使用條款;拿去做商業產品前,得自己確認「用 CDP 注入官方桌面 app」在對方 ToS 下的風險。DeepSeek Harness 那條路是正規插件,風險低很多。
  • 仍是 -beta:版本 v1.1.23-beta.2、prerelease,Windows CI 產物「刻意未簽名、不自動更新」,公開 macOS 下載還需要 Developer ID 簽名 + Apple notarization。要當生產工具得自己補這些。

與其他方案的差異

  • 它不是「agent 監看儀表板」(對比 dispatch / mission-control-center):那類東西是「人在旁邊盯多個 agent 的進度/輸出」;Codex Taskboard 是工作項(issue)本身的生命週期管理,agent 是「執行者」而非「被監看對象」,而且收斂在 issue 狀態機 + 人工驗收 gate 上。
  • 它把「議題板」直接嵌進 agent 宿主,而不是要你切出去開另一個網站/app。這點跟一般 Kanban SaaS(Jira/Linear/Trello)最大的差別——面板長在 coding agent 的側邊欄裡,agent 能用 CLI 直接動它。
  • 人工驗收 gate 是設計核心:Skill 明訂「只有使用者明確接受才 done」,這跟 humanlayer-skills 那種「human-in-the-loop 審批」是同一個思路——都在解「別讓 agent 自己宣布完成」。
  • 與 qm(YC 的 multiplayer agent harness):同樣想解「多個 agent + 人一起工作」的協調問題,但 qm 是 harness 層,Codex Taskboard 是在既有 harness(Codex/DeepSeek)旁邊掛一塊共享議題板,兩者可對照「協調層要做多厚」。

注意事項與已知限制

  • 安全:CDP 對本機其他進程無驗證。 README 明講:啟動器活著時,同機任何進程都能碰那個 CDP port,只在此時跑受信任的本地程式碼。這是把 debug 通道當生產通道用的固有風險。
  • LAN 模式零驗證,且預設對外。 CODEX_TASKBOARD_HOST 預設 0.0.0.0(綁全網卡),受信任網路上任何人碰得到 URL 就能讀寫整塊板;要關 LAN 得手動設 127.0.0.1。公網/雲端才有 Basic Auth 邊界。
  • 綁死特定 Codex 版本行為。 注入依賴 Codex renderer 的 DOM/CSP 細節(README 直接寫死 Codex 26.715.52143);官方 app 一改版,注入很可能就得跟著修。這是「注入第三方閉源 app」的長期維護成本。
  • 雲端只支援「兩位協作者」,不是多人團隊方案;還是走 Basic Auth 共享密碼。
  • 仍在 beta、簽名未齊、star 成長與成熟度不對稱:1.5 個月 3,020 星、但版本 -beta、Windows 未簽名、macOS 公開下載還缺 notarization。用它得自己補生產化的最後一哩。
  • 命名/topic 有誤導性:repo slug dashi-taskboard、topics 掛 claude-code/skills,但產品叫 Codex Taskboard、實際整合是 Codex + DeepSeek。第一次看很容易誤判(見開頭 warning)。

研究價值與啟示

關鍵洞察

  1. 「把面板長進 agent 宿主裡」是這專案真正的創新點:大多數 AI 任務工具是「另開一個網站/app 讓你切過去」;它反過來,用 CDP 注入 / Cordis 插件把議題板塞進 Codex、DeepSeek 的側邊欄,讓 agent 用 CLI 直接動同一塊板。這示範了「當宿主沒有插件 API 時,怎麼用 CDP + document-start script 硬擠出一個嵌入點」——是很實用、但也很吃維護的一條路。

  2. 同一套 HTTP API 同時餵人跟 agent,是乾淨的架構決策:React UI 跟 taskctl CLI 打的是同一組路由,加上 version 樂觀鎖 + SSE 廣播,才撐得起「多 agent + 人同時改同一塊板」。這比「UI 一套 API、agent 一套 API」省掉大量一致性問題,值得抄。

  3. 人工驗收 gate 寫進 Skill,而不是靠人自律:Skill 硬性規定 backlog=未核准、認領要帶 version、沒你點頭不准 done。把「交接協定」固化進 SKILL.md,是「怎麼讓 agent 守規矩」的一個具體範本——比在 prompt 裡拜託有效。

  4. dogfooding 到近乎透明:docs/consumer-task-board-chatgpt-pro-review.md 把「用 ChatGPT Pro 生 patch → 獨立驗收(密鑰掃描、逐檔比對、git apply --check、測試通過數)」整套記錄公開,連 SHA-256 都貼。這種「連自己怎麼用 AI 改自己」都攤開的做法,本身就是研究素材。

與其他研究筆記的關聯

  • dashi-ppt-skill(姊妹作):同作者 chuspeeism 的 dashi-* repo 家族。兩者都走「把工具嵌進 coding agent 的工作流」路線(一個是任務板、一個是簡報 skill),可並讀看同一個作者對「agent 周邊工具」的產品觀。注意兩者產品品牌與 repo slug 不一定一致,別被 dashi- 前綴誤導成同一個品牌。
  • dispatch / mission-control-center:同屬「agent + 儀表板」空間,但那兩個偏監看、本篇偏議題狀態機 + 人工驗收,並排讀可分清「監看 agent」vs「管理工作項」兩種定位。
  • humanlayer-skills:同樣在解「human-in-the-loop 審批/驗收」,可對照「驗收 gate」的不同做法。
  • slide-deck-skill:另一個「Agent Skill = 一整套產品(不只一頁 prompt)」的極端案例——本篇把 Skill、CLI、注入腳本、桌面 app 全包成一坨,是同一個「skill 規模上限很高」現象的另一個樣本。
  • qm / harness-design-long-running-apps:協調多 agent / 長時運行 app 的設計討論,可當本篇「協調層」的理論背景。

一句話總結

chuspeeism 的 Codex Taskboard(repo 叫 dashi-taskboard)——一個 local-first、人跟 coding agent 共用的議題看板:同一套本機 HTTP API 同時餵 React 看板跟 taskctl CLI,靠七狀態機 + 樂觀鎖 + SSE 撐起多人多 agent 協作,並把「沒你點頭不准 done」的驗收 gate 寫進 bundled Skill。招牌是嵌入機制:對 Codex 桌面 app 用 CDP 注入把面板塞進側邊欄(不改 app.asar、不 patch React),對 DeepSeek Harness 用正規 Cordis 插件(pnpm dsh plugin);Tauri 打包成自帶 Node runtime 的桌面 app,Apache-2.0。1.5 個月衝 3,020 星、但還是 beta,而且要小心 dsh 是 DeepSeek Harness 的 CLI、不是「Dashi 品牌」。