Jira智能分析工具

懒惰的待办事项

AI驱动的Jira智能。不仅仅是CRUD——深刻的洞察力。

懒惰的待办事项是 主控程序 将您的AI助手变成Jira高级用户的服务器。它为你的Confluence文档建立索引，从完成的工单中学习你的团队模式，并利用这种智能为产品负责人、Scrum Master和工程师提供他们所需的深入见解，而无需手动收集数据或进行LLM猜测。

问一个简单的问题，从数百张历史门票、球队模式、速度数据和质量分数中获得分析结果。复杂性都是内部的。

是什么让这与众不同

每个响应都包含上下文相关的下一步建议，因此LLM知道下一步该调用什么，而无需记住所有工具。

安装和设置

需要 Node.js 18+和A Atlassian API令牌.

克劳德代码

claude mcp add lazy-backlog \
  -e ATLASSIAN_SITE_URL=https://your-site.atlassian.net \
  -e ATLASSIAN_EMAIL=you@company.com \
  -e ATLASSIAN_API_TOKEN=your-api-token \
  -- npx -y lazy-backlog

然后问： “设置我的Jira项目” --AI将提示您输入项目密钥、板ID和Confluence空间，然后运行安装程序以做好一切准备。

{
  "mcpServers": {
    "lazy-backlog": {
      "command": "npx",
      "args": ["-y", "lazy-backlog"],
      "env": {
        "ATLASSIAN_SITE_URL": "https://your-site.atlassian.net",
        "ATLASSIAN_EMAIL": "you@company.com",
        "ATLASSIAN_API_TOKEN": "your-api-token",
        "JIRA_PROJECT_KEY": "BP",
        "JIRA_BOARD_ID": "266",
        "CONFLUENCE_SPACES": "ENG,PRODUCT"
      }
    }
  }
}

{
  "mcpServers": {
    "lazy-backlog": {
      "command": "npx",
      "args": ["-y", "lazy-backlog"],
      "env": {
        "ATLASSIAN_SITE_URL": "https://your-site.atlassian.net",
        "ATLASSIAN_EMAIL": "you@company.com",
        "ATLASSIAN_API_TOKEN": "your-api-token",
        "JIRA_PROJECT_KEY": "BP",
        "JIRA_BOARD_ID": "266",
        "CONFLUENCE_SPACES": "ENG,PRODUCT"
      }
    }
  }
}

git clone https://github.com/Ricky-Stevens/lazy-backlog.git
cd lazy-backlog
npm install
npm run build

{
  "mcpServers": {
    "lazy-backlog": {
      "command": "node",
      "args": ["/path/to/lazy-backlog/dist/index.js"],
      "env": {
        "ATLASSIAN_SITE_URL": "https://your-site.atlassian.net",
        "ATLASSIAN_EMAIL": "you@company.com",
        "ATLASSIAN_API_TOKEN": "your-api-token"
      }
    }
  }
}

环境变量

设置也可以通过以下方式保存 configure setup，这是推荐的方法，因为它还可以发现你的Jira模式，索引Confluence，并学习团队惯例。

工具

8个工具，25个动作。你不需要记住它们——只需描述你想要什么，人工智能就会选择正确的一个。

configure --开始使用

跑 setup 一次连接一切。它可以发现您的Jira模式，索引Confluence文档，分析已完成的工单以学习约定，并报告数据质量。

“使用板266设置我的Jira项目BP，并索引ENG和PRODUCT空间”

insights --团队情报与分析

情报中心。每一个动作都会返回深度分析，而不仅仅是原始数据。

“显示团队简介” “史诗般的BP-100看起来怎么样？” “运行我的复古” “帮我计划下一个冲刺”

issues --创建和管理门票

创建、更新、搜索和分解Jira问题。 始终先创建预览 --在任何东西击中Jira之前，你都会看到一张内容丰富的卡片。

“创建迁移到OAuth2的任务” --复习预览-- “看起来不错，确认” “在支付组件中搜索未解决的错误”

bugs --分流管道

在一次通话中完成错误评估。不再在查找、评估和分诊之间来回奔波。

“BP-45和BP-67分型”

对于bug搜索，请使用 issues search 和 type = Bug JQL。

backlog --健康情报的董事会积压

每个待办事项列表视图都是一次健康检查。

“显示待办事项列表” “将BP-42移到顶部”

对于JQL筛选查询，使用 issues search 和 sprint is EMPTY.

sprints --Sprint管理

上下文自适应的冲刺视图，在正确的时刻为您提供正确的信息。

“目前的冲刺进展如何？” “准备我的站立” “我们上次冲刺时运送了什么？” “将BP-42和BP-43移动到下一个冲刺中”

knowledge --搜索和浏览您的文档

具有内置智能的源无关知识库。

“搜索文档以进行身份验证” “知识库看起来怎么样？”

confluence --索引与回写汇流

Spider Confluence空间进入知识库并发布回。要搜索索引内容，请使用 knowledge.

“重新索引工程文档” “将此设计文档发布到产品空间” → 复习预览→ “确认”

丰富的内容保真度

Lazy Backlog端到端保留丰富的内容，而不是将其扁平化为纯文本：

• 表格 双向往返（markdown管道表↔ Jira ADF，汇流存储 <table>).
• 面板和块报价 作为警告语法保留(> **Note:**, > **Warning:**等等），并在输出时渲染回右侧的ADF/存储节点。
• 汇流宏 — info / note / warning / tip 面板， code 宏（带语言）， expand, status, toc, jira issue宏——被渲染为markdown，而不是被剥离。未知宏会优雅地降级为其内部文本。
• 图片和媒体 --汇流 <img> / <ac:image> Jira ADF media / mediaSingle / mediaGroup 节点显示为markdown ![alt](url)。根据页面的附件清单解析汇流图像引用，以便图表URL正常工作。
• 保持安全不变量 — <script> / <style> markdown从不发出事件处理程序→存储转换器，即使在往返途中也是如此。

附件和下载

下载时的安全栏：

• 服务器返回的文件名已针对路径遍历进行了净化(..，绝对路径，分隔符被剥离）。
• 每个文件都有大小上限；记录内容类型。
• 下载URL已通过相同的验证 validateSiteUrl / PRIVATE_HOST_RE 用于配置站点的防护——Atlassian可以提供来自不同主机的媒体，但它是经过验证的，而不是盲目获取的。手动遵循重定向，并重新验证最终URL（通过重定向到私有主机没有SSRF）。
• 文件仅保存到配置的目录中（请参阅 downloadDir 在......下面

downloadDir 配置键

下载的附件保存的位置。默认为 $HOME/lazy-backlog-downloads。通过以下方式设置：

configure set --downloadDir /absolute/path/to/dir

这是 仅 用户控制的磁盘写入位置和单一事实来源： issues get / knowledge get-page 始终通过 download 旗帜——有意为之 无每次呼叫的目录覆盖 （恶意或提示注入的客户端必须无法将写入重定向到其他地方）。 configure set 验证它（绝对路径，否 .. 不在禁止的系统路径下）。

Spec → 票循环

阶段D工作流关闭了Confluence规范和Jira工作之间的循环，而不添加新的操作：

• Spec → 门票。 通过 sourcePageId 到 issues create 将生成的史诗+儿童票放在知识库的Confluence页面中。预览内联了规范上下文（表、图像、面板均按A保留）。确认后，史诗将链接回源代码页面（KB规范链接+Jira远程问题链接）。将其用于一次性创建、批量创建或史诗级分解。
• 状态→ spec. insights epic-progress 渲染a 实施状态 markdown块已准备好输入 confluence publish （确认门控）这样规格页面就可以跟踪发货内容。
• 新鲜循环。 当史诗完成时，源代码规范会自动标记为过时，并出现“更新规范”的建议。

示例工作流

首次设置

“设置我的Jira项目并索引我们的工程文档”

AI会询问您的项目密钥、板ID和Confluence空间，然后运行安装程序。模式发现、文档索引、团队分析——一次调用。返回一份数据质量报告，显示团队的优势和需要改进的领域。

冲刺计划

“帮我计划下一个冲刺”

返回风险调整后的容量（考虑历史结转和估计偏差），推荐合适的积压项目，根据所有权数据建议受让人，警告超额承诺。

每日站会

“准备我的站立”

每人摘要：自昨天以来完成、开始或阻止的内容。标记老化阻断剂。冲刺中期添加的新项目突出显示。不需要手动Jira拖网。

票创建

“创建迁移到新支付网关的票证”

具有知识库上下文的丰富预览、来自团队模式的智能默认值、重复检测、具有典型工作量范围的类似已解决工作，以及基于团队实际模板格式构建的验收标准。检查它，然后确认。

冲刺回顾

“运行我的复古”

速度趋势、周期时间分析、范围蠕变量化、慢性遗留检测、估计准确性、工作负载平衡评估和冲刺比较——所有这些都在一个调用中。

缺陷类选

“对最新漏洞进行分类”

每个bug的完整管道：完整性评分、严重性推断、冲刺推荐、团队惯例评估、组件返工率警告和模式检测（此组件是否出现峰值？）。

发展

npm install          # Install dependencies
npm run check        # Typecheck + lint + test (all at once)
npm run typecheck    # TypeScript strict mode
npm run lint         # Biome linter
npm test             # Vitest (1300+ tests)
npm run build        # Compile to dist/

为什么不是Atlassian Rovo？

Atlassian拥有Rovo，随着时间的推移，它很可能会赶上。但现在，在方法上有一个根本的区别。

Rovo是一个带有聊天界面的CRUD。 它可以创建工单、搜索问题并回答有关Jira数据的问题。它是围绕Atlassian API的自然语言包装器。让它创建一张票，它就创建了一张票。问它关于你的冲刺，它会向你展示冲刺板。

Lazy Backlog是一个智能层。 它不仅可以读写Jira，还可以从已完成的工单中学习团队的模式，对文档进行索引，并使用该上下文为您提供您没有要求但实际需要的见解：

• Rovo创建了一张票。懒惰积压创建工单 和 告诉您，在3-5 SP的4-6天内解决了3个类似的问题，根据组件所有权、您团队实际格式的脚手架验收标准建议正确的受让人，并警告您重复。
• Rovo向您展示冲刺。Lazy Backlog向您展示短跑 和 标记Alice有4个项目正在进行中（超出WIP限制），支付组件本月有3个错误（系统性问题？），并且您的速度超出了18%。
• Rovo进行搜索。Lazy Backlog运行搜索 和 为您提供状态细分、平均年龄、优先级分布，并注意到3个结果未分配。

该值不在CRUD操作中——任何工具都可以完成这些操作。价值在于智能，它可以帮助产品负责人、Scrum Master和工程师在不手动收集数据或提出正确问题的情况下做出更好的决策。懒惰的积压在内部完成繁重的工作，并浮出水面。

Rovo可能会变得更聪明。但是敏捷智能中“足够好”的标准很高，开源社区可以快速行动。欢迎捐款。

许可证

麻省理工学院