Super Kanban · 智能任务指挥台

把 DSH 会话变成一张会自动更新的任务看板。 你在 DSH 里同时推进多个会话：做到哪了、卡在哪、有没有交付——看板自动替你回答，不用翻聊天记录。每张卡都能追溯回具体会话与具体一句话。

简体中文 | English

要求 DSH >= 0.2.1-rc.5 < 0.3.0 · Node.js >= 22.19.0 · 零第三方依赖 · 无遥测

30 秒看懂

• 适合：同时推进多个 DSH 会话、想一眼看清「今天做完什么 / 哪张卡住了」的人。
• 不适合：只在单个会话里用待办的人——DSH 自带 todo 可能已经够用。
• 核心差别：任务从会话里自动长出来，不用手动维护；AI 只做增强，关掉或不可用时本地规则照样能用。

快速开始

安装（三种常用方式，另支持本地/源码安装）

三种常用方式都支持安装特定版本；本地目录 / 源码安装见步骤 3。

1. 插件市场（推荐）：DSH → 插件 → 发现 → 添加索引源 https://topmindspace.github.io/dsh-super-kanban/index.json → 打开 Super Kanban 详情 → 在版本列表里选择精确版本（如 0.6.1）→ 安装 → 启用并刷新窗口。
2. npm（精确版本）：DSH → 插件 → 添加插件 → 输入 [email protected] → 安装 → 刷新窗口。命令行等价：dsh plugin --profile desktop add [email protected]。
3. Git / 源码（tag 固定版本）：git clone https://github.com/topmindspace/dsh-super-kanban.git → git checkout v0.6.1 → ./install.sh -y → 刷新窗口。./install.sh 需要 bash + python3；不想用命令行时，可在 DSH 插件页直接选择本地目录安装。在插件页添加仓库地址会 pin 到最新 commit；要固定版本请用这里的 tag。

验证版本 · 升级 · 回滚 · 本地目录安装——详细步骤见 安装指南。

第一次使用（5 步）

1. 左侧栏点 任务看板（或在会话右上角点看板图标，用右侧栏形态打开）。
2. 在 设置 确认扫描范围。启用 AI 时，模型默认跟随 DSH。
3. 点 扫描。首次扫描按会话量需要几秒到几分钟，扫描中可取消。悬停扫描按钮或在「维护」查看结果。
4. 打开 待处理，从卡片跳到等待操作的会话，或在详情查看验收条件和主交付物。
5. 点 继续此任务 或 验收产出。检查草稿后放入关联会话或新会话，由你发送。

它能做什么

• 先看需要你做什么：待处理聚合审批、问题、依赖和待验收事项，支持直接打开相应会话。
• 一个目标，多条会话：关联不同会话的进展与交付物。增量扫描更新已有任务。
• 对照验收条件交付：详情显示主交付物、当前阻塞和按来源筛选的证据，人工验收保留确认记录。
• 直接操作任务与产物：右键或点「⋯」可移动、置顶和归档任务。悬停产物可看来源与路径，菜单可复制文件名或路径、预览，以及通过 DSH 用默认应用打开或在文件管理器中显示。
• 带着上下文继续：本地模板把验收条件、未完成事项与产物放进你选择的会话草稿。
• AI 可选、模型可换：默认跟随 DSH 默认模型，也可选你在 DSH 配置的第三方模型；关闭或不可用时自动降级本地规则。
• 两种形态：全页四列看板，或会话右侧栏紧凑看板。视图、工作区和筛选共用一条工具栏，窄栏将搜索收进筛选。
• 长列便于浏览：每列独立滚动，每页最多 30 张卡。「已完成」列可折叠，折叠后仍能拖入任务。
• 手动管理与恢复：置顶、批量归档、锁定字段和显式合并。维护视图提供回收站与备份恢复。
• 本地优先：数据只写本机 ~/.dsh/storages/super-kanban/，看板自身无遥测。

典型场景

• 每天早上 30 秒：打开「待处理」找出需要介入的会话，再用看板四列浏览进度。
• 把一张卡继续下去：抽屉点「继续此任务」，提示词直接放回原会话或同工作区新会话，不用自己拼上下文。
• 手动维护大看板：新建、拖拽、锁定字段；锁过的字段不会被下一次 AI 研判覆盖。

AI 与模型

• 默认跟随 DSH 默认模型，看板里不需要填任何 Key。
• 想用第三方模型：在 DSH 设置 → 模型 添加模型提供方（OpenAI / Anthropic / OpenRouter 等，或自定义兼容端点）并填 API Key；回到看板 设置 →「AI 研判模型」选中它。
• 没有原生模型服务（旧 DSH / 极简组合）时自动改用本地规则引擎，扫描结论会说明原因。
• 隐私：AI 研判发送压缩会话摘要和少量相关任务信息。主动点击「AI 润色」会发送当前草稿。接收方为 DSH 配置的模型服务。详见 SECURITY.md。

设置与预算

• AI 预算：默认「自动」＝本次最多用完当日剩余额度；也可固定为 20 / 40 / 80 / 150 次。
• 每日上限：默认 150 个预算单位，按本机日历日 0 点重置（预算单位不是硬性成本上限）。
• 扫描：自动扫描间隔可调；一次扫不完的会话下次继续，结论会提示「剩余 N 个会话下次扫描继续」。
• 入口偏好：「显示与入口」可选两者 / 仅全局面板 / 仅会话右侧栏；保存后刷新窗口生效。

性能与限制

• 增量扫描：只处理有变化的会话，日常开销很小；只有你主动「全量重扫」时才会完整解析。
• 初始扫描范围：默认最近 30 天，可在设置中改为 7 / 14 / 30 / 90 天。
• AI 额度与时长：单次扫描有预算单位上限，AI 阶段最多约 10 分钟；超出后提示「剩余 N 个会话下次扫描继续」，不会丢。
• 大库首扫：会话很多时首次扫描可能跨多轮完成；可随时取消，已完成部分保留。
• 数据体积：看板数据在 ~/.dsh/storages/super-kanban/（任务 / 设置 / 扫描状态 + 会话缓存），无遥测。

界面截图

| 看板（深色） | 任务详情 | | --- | --- | | | |

| 设置与预算 | 右侧栏形态 | | --- | --- | | | |

更多截图：演示动图、深色任务详情、继续任务、提示词放入会话、右侧栏全屏、产物预览、工具栏菜单、1280 宽窗口。

截图来自一套完全虚构的演示数据，不含任何真实用户或工作区信息。

兼容性

| 项 | 要求 | | --- | --- | | DeepSeek Harness | >= 0.2.1-rc.5 < 0.3.0 | | Node.js | >= 22.19.0（DSH 自带，无需单独安装） | | 平台 | macOS 桌面版已验证；其他桌面平台理论可用但未逐一验证 | | 第三方依赖 | 无（插件与 scripts/ 校验脚本均为零依赖） | | AI 模型 | 由 DSH 原生模型服务提供：默认跟随 DSH 默认模型，也可选第三方 provider |

版本策略：当前 0.6.x 线主动接收安全修复；上一线 0.5.x 建议升级到 0.6.x（安全修复尽力维护）；GitHub Releases 只保留最近 3 个版本页面，历史版本请在插件市场版本列表或 Git tag 中用精确版本安装。详见 SECURITY.md 与 INSTALL.md。跨 minor 升级必须安装精确版本；DSH 大版本升级后如入口消失，先重装插件，看板数据不会丢。

常见问题

Q：左侧栏没有「任务看板」？ A：按 Cmd+R 刷新窗口；仍没有就完全退出 DSH 再打开。还没有请看插件页的加载诊断，或 排障手册。

Q：AI 不生效 / 一直显示「规则」？ A：确认设置里「AI 联网研判」开启，并在 DSH 设置 → 模型中配置好模型；看板设置 →「AI 研判模型」可指定具体模型。旧 DSH 没有原生模型服务时会一直用规则引擎。

Q：怎么更新到特定版本？ A：第三方插件没有自动升级：卸载旧版 → 安装目标精确版本（如 [email protected]，或在市场版本列表里选择）→ 刷新窗口。步骤见 INSTALL.md。

Q：数据存在哪？卸载会丢吗？ A：~/.dsh/storages/super-kanban/（state.json / sessions-cache.json / backups/）。卸载插件不会删除数据；彻底清空见 排障手册。

Q：怎么卸载？ A：插件页移除，或源码目录执行 ./uninstall.sh -y，然后刷新窗口。

文档导航

• 安装 / 升级 / 回滚 / 卸载：INSTALL.md
• 排障（入口 / AI / 扫描 / 预算）：TROUBLESHOOTING.md
• 安全与隐私边界：SECURITY.md
• 开发与维护：DEVELOPMENT.md、MARKET.md、ARCHITECTURE.md、CONTRACT.md、DESIGN.md
• 产品路线图

开发与贡献

• 零第三方依赖、无构建：Host 为 Node ESM，浏览器半边为单文件 client.js；npm test 跑测试，npm run check 一次跑完全部校验。
• 目录结构与调试见 CONTRIBUTING.md 与 docs/DEVELOPMENT.md。
• 架构与接口见 ARCHITECTURE.md、CONTRACT.md；视觉规范见 DESIGN.md。
• 安全问题请按 SECURITY.md 私下报告，不要开公开 issue。

License

MIT © topmindspace