核心用法
Mission Control 是一个面向AI助手的看板式任务管理系统，采用经典的「Backlog → In Progress → Review → Done」四列工作流。人类用户通过GitHub Pages托管的Web仪表盘创建和编排任务；当任务被拖入「In Progress」列时，系统自动通过GitHub Webhook触发AI代理执行。
典型工作流
1. 任务创建：人类在仪表盘填写任务标题、描述、验收标准（DoD）和子任务
2. 状态流转：拖拽任务至「In Progress」→ GitHub推送 → Webhook触发 → AI代理接收任务
3. 自动执行：AI读取任务详情，逐条完成子任务，通过CLI工具mc-update.sh回写进度
4. 完成闭环：任务完成后移至「Review」，人类验收后可驳回重改或确认完成
技术架构
- 前端：纯静态HTML/JS，托管于GitHub Pages
- 数据层：
tasks.json存储任务状态，Git作为版本控制 - 传输层：Tailscale Funnel提供安全的Webhook接收端点
- 触发层：Clawdbot的hook-transform模块解析Git推送事件
显著优点
- 人机协作友好：人类专注优先级判断，AI专注执行，界面分离但数据打通
- 零服务器成本：完全依托GitHub生态（Pages + Webhook + Actions），无需自建后端
- 异步工作天然适配：AI可随时中断/恢复任务，人类通过Dashboard随时查看进度
- EPIC管理能力：支持父任务嵌套子工单，AI按序处理并自动汇总
- Heartbeat集成：可接入Clawdbot的定时检查机制，自动发现卡滞任务
潜在局限
- Tailscale依赖：必须部署Tailscale并开启Funnel，对网络环境有要求
- Git延迟：GitHub Pages缓存导致Dashboard更新有1-2分钟延迟
- 单文件瓶颈：所有任务存储于单一
tasks.json，大规模任务集可能产生冲突 - CLI工具链依赖：AI代理需具备shell执行能力，纯API模式受限
适合人群
- 使用Clawdbot/Claude Code等AI开发工具的个人开发者或小团队
- 追求极简运维、不愿维护独立任务系统的用户
- 需要异步人机协作场景（如跨时区、人类非实时响应）
- 已使用Tailscale进行内网穿透的现有用户
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 任务注入攻击 | 恶意任务描述诱导AI执行危险操作 | 单/可信用户场景下风险可控；多用户时需启用agent sandbox |
| Webhook伪造 | 攻击者伪造GitHub推送事件 | HMAC签名验证（`timingSafeEqual`） |
| 凭证泄露 | 配置文件中可能包含Slack Token等 | `sync-to-opensource.sh`自动扫描；Dashboard不存储任何凭证 |
| 权限边界模糊 | AI代理可能越权执行 | 依赖Clawdbot的`groupPolicy`和`allowFrom`进行限制 |
安全等级说明
设计目标即为「人类编写任务、AI自动执行」，此信任模型与直接对话AI等效。安全核心在于Dashboard访问控制（建议私有仓库）和Clawdbot层面的权限管控，而非技能本身的沙箱机制。