Quarterback
Quarterback
审视全局,指挥行动。
为多项目运营者提供的战略任务优先级排序和智能体编排工具。
其他 AI 任务管理器通常只是将一个项目拆解为子任务。Quarterback 则通过 5 因子加权评分引擎、组织背景和时间感知规划,帮助你决定当前应该优先处理十个项目中的哪一个。它在本地运行,完全免费,既可作为独立的 CLI 使用,也可作为 Claude 的 MCP 服务器使用。
Quarterback 的独特之处
功能 | Quarterback | TaskMaster AI | Shrimp Task Manager |
多项目优先级排序 | 5 因子加权引擎 | 单项目拆解 | 单项目 |
咨询文档系统 | 根据你的目标分析文章 | 无 | 无 |
智能体编排 | 自主级别 + Webhooks | 无 | 无 |
时间感知规划 | 工作时间、午休、缓冲时间 | 无 | 无 |
组织背景 | 目标、约束、工作流 | 无 | 无 |
知识维基 (Playbook) | LLM 维护的维基,确保跨会话一致性 | 无 | 无 |
冲突检测 | 跨项目调度冲突 | 无 | 无 |
独立 CLI | 无需 AI 运行时的完整 CLI | 需要 AI | 需要 AI |
成本 | 免费 (MIT) | 免费 | 免费 |
快速入门
# Install
pip install quarterback
# Initialize (creates ~/.quarterback/)
quarterback init
# Interactive setup wizard — walks you through org, goals, workflows, projects, constraints
quarterback setup
# Add your first project and tasks
quarterback add "Launch landing page" --project "My Startup" --priority 4 --effort 3 --impact 5
quarterback add "Write blog post" --project "Content" --priority 3 --effort 2 --impact 3
# See what to work on
quarterback priorities
# Find quick wins
quarterback quick-wins
# Plan your day with time awareness
quarterback plan-day基于 LLM 的设置 (通过 MCP)
当将 Quarterback 用作 MCP 服务器时,请询问你的 LLM:"Set up Quarterback for me" —— 它将调用 setup_quarterback 工具,通过对话询问你的业务、目标、工作流、项目、约束和知识库 (Playbook),然后一次性写入所有配置文件和数据库记录。无需手动编辑 YAML。
MCP 服务器
Quarterback 适用于任何兼容 MCP 的客户端 —— Claude Desktop、Claude Code、Cursor、Windsurf、Cline、OpenAI 智能体等。所有 23 个工具均使用标准 MCP 协议 (基于 stdio 的 JSON-RPC),没有任何特定于 LLM 的依赖。
# Install with MCP support
pip install quarterback[mcp]添加到你的 Claude Desktop 配置 (~/Library/Application Support/Claude/claude_desktop_config.json):
{
"mcpServers": {
"quarterback": {
"command": "quarterback-server"
}
}
}或者对于 Claude Code (~/.claude/settings.json):
{
"mcpServers": {
"quarterback": {
"command": "quarterback-server"
}
}
}相同的 quarterback-server 命令适用于任何 MCP 客户端 —— 只需将其添加到客户端的服务器配置中即可。
然后询问你的 LLM:"What should I work on today?" —— 它将使用所有 23 个 Quarterback 工具来分析你的优先级。
功能
5 因子优先级排序引擎
每个任务都在五个维度上进行评分:
因子 | 权重 | 衡量内容 |
影响 (Impact) | 30% | 任务影响 + 项目收入/战略价值 |
紧迫性 (Urgency) | 25% | 到期日临近程度 + 阻塞状态 |
战略性 (Strategic) | 25% | 项目优先级 + 里程碑状态 |
工作量 (Effort) | 15% | 反向工作量评分(快速任务得分更高) |
速赢 (Quick Win) | 5% | 高影响 + 低工作量奖励 |
咨询文档系统
根据你的组织背景分析外部文章、书籍和建议:
# Import and auto-analyze an article
quarterback advisory-add --title "Growth Strategy" --url https://example.com/article
# Review the analysis
quarterback advisory-view --id 1
# Approve recommendations (optionally create tasks)
quarterback advisory-approve --id 1 --approve 1,3,5 --create-tasks分析器会根据你的目标和约束检查每一项建议,标记冲突和协同效应。
智能体编排
标记任务以进行具有可配置自主性的智能体执行:
草稿 (Draft):智能体创建草稿供你审阅
检查点 (Checkpoint):智能体在关键决策点暂停以等待批准
自主 (Autonomous):智能体运行直至完成
当任务准备就绪时,Webhooks 会通知你的自动化层 (n8n、Zapier、自定义)。
Playbook — 知识维基
Playbook 是 Quarterback 的编译知识层。它是一个由 LLM 维护的 Markdown 维基,为每个会话(本地 CLI、MCP 或自主智能体)提供关于你的项目、决策和策略的相同规范背景。
它解决的问题: 如果没有 Playbook,每个 AI 会话都会从零开始,并从零散的信号中重新推导你的组织背景。运行相同查询的两个会话可能会产生不同的结果,因为它们是独立重建理解的。Playbook 提供了所有会话都可以读取的累积知识。
工作原理:
~/playbook/ (or ~/.quarterback/playbook/)
├── CLAUDE.md # Schema — how the LLM reads/writes pages
├── raw/ # Drop zone for source material
└── wiki/
├── index.md # Master catalog — read this first
├── entities/ # Companies, products, clients, tools
├── concepts/ # Patterns, strategies, recurring themes
├── decisions/ # Decisions with rationale and alternatives
├── compiled/ # QB-compatible files for task scoring
│ ├── goals.md # Read by QB's prioritization engine
│ └── constraints.md # Read by QB's conflict detection
└── log.md # Append-only operations record设置: Playbook 在 quarterback setup(或 MCP 设置向导)期间自动创建。面试会询问你的关键实体、概念和决策,然后播种初始维基页面。
没有 Playbook: Quarterback 的工作方式与以前完全相同 —— 从 ~/.quarterback/org-context/ 文件中读取目标和约束。Playbook 是可选的。
使用 Playbook: Quarterback 首先从 Playbook 读取 compiled/goals.md 和 compiled/constraints.md,如果未初始化 Playbook,则回退到 org-context/ 文件。你的 LLM 读取 wiki/index.md 以获取完整的组织背景。
# Check Playbook status
quarterback playbook status
# Browse the index
quarterback playbook index
# List pages by category
quarterback playbook list --category entities
# Read a specific page
quarterback playbook read entities/my-product.md
# Search across all pages
quarterback playbook search "budget"Obsidian 集成(可选): 在设置期间,你可以选择将 Playbook 配置为 Obsidian 库。在 Obsidian 中打开 Playbook 文件夹以进行图形可视化和可视化编辑。安装 Obsidian MCP 服务器 以进行程序化访问。无需 Obsidian 依赖 —— Playbook 可作为纯 Markdown 文件使用。
CI/CD 流水线集成
Quarterback 的 CLI 和 Webhook 系统使其非常适合自动化流水线 —— 更新任务状态、记录交付成果并触发下游工作,无需人工干预。
流水线中的直接 CLI
将 Quarterback 命令添加到任何 CI/CD 步骤。CLI 是无状态且可脚本化的:
# GitHub Actions example: auto-update task on deploy
- name: Mark deploy task complete
run: |
pip install quarterback
export QUARTERBACK_HOME=${{ runner.temp }}/.quarterback
quarterback update 42 --status completed --notes "Deployed via CI, SHA: ${{ github.sha }}"# After test suite passes, log results to a task
- name: Report test results
run: |
quarterback update 38 --notes "Tests passed: 106/106, coverage 87%. Build #${{ github.run_number }}"# Nightly: check for overdue deliverables and alert
- name: Nightly priority check
run: |
quarterback alert-check
quarterback priorities today --limit 5带有 Webhooks 的智能体 CI/CD
注册一个 Webhook,让你的自动化层实时响应任务事件:
# Register a webhook pointing at your n8n/Zapier/custom endpoint
quarterback-server # MCP tools available, or use CLI:# In your automation script: mark a task agent-ready after PR merge
import subprocess
subprocess.run([
"quarterback", "update", "55",
"--status", "completed",
"--notes", f"PR #{pr_number} merged. Deployed to staging."
])用例:
流水线事件 | Quarterback 操作 | 发生的情况 |
PR 合并 |
| 任务标记为完成,Webhook 触发 Slack 通知 |
部署成功 |
| 交付成果被跟踪并带有审计跟踪 |
每日定时任务 |
| 团队获得每日逾期任务摘要 |
测试套件失败 |
| 自动提交 Bug,并链接到项目 |
Sprint 开始 |
| 在工作开始前发现调度冲突 |
智能体完成工作 |
| Webhook 通知编排器,分派下一个任务 |
发布打标签 |
| 根据项目目标分析变更日志 |
跨环境共享数据库
将多个环境指向同一个 Quarterback 实例:
# All CI runners share one database via mounted volume or network path
export QUARTERBACK_HOME=/shared/quarterback
# Or per-environment with migration
quarterback migrate /path/to/source这使你的本地 CLI、CI 流水线和连接 MCP 的智能体都能读取和写入同一个任务图 —— 为你提供跨手动和自动化工作流的单一事实来源。
时间感知规划
quarterback plan-day考虑你的工作时间、午休时间、会议缓冲时间和当前时间,以建议真正适合你剩余时间的任务。
配置
组织背景
在 quarterback init 之后,运行 quarterback setup 进行交互式向导,或者要求 Claude 通过 MCP 运行设置向导。你也可以在 ~/.quarterback/org-context/ 中手动配置你的上下文:
~/.quarterback/org-context/
├── goals.md # Your strategic, workflow, and project goals
├── projects.yaml # Active projects with metadata
├── workflows.yaml # Groups of related projects
└── constraints.md # Time, budget, and strategic boundaries包含示例模板 —— 从 .example 文件复制并自定义。
如果你在设置期间启用了 Playbook,goals.md 和 constraints.md 会从维基的 compiled/ 目录自动维护。你仍然可以手动编辑 org-context 文件 —— Playbook 是附加的,不是必需的。
警报配置
在 ~/.quarterback/config/alerts.yaml 中配置通知:
安静时间(夜间无通知)
优先级阈值(仅通知 P4+ 任务)
时间敏感项目(始终通知账单、税务等)
工作时间和午休设置
CLI 命令
命令 | 描述 | ||
| 初始化 Quarterback | ||
| 交互式设置向导 | ||
| 从 task-manager 迁移 | ||
`quarterback priorities [today | week | all]` | 优先级任务列表 |
| 添加任务 | ||
| 更新任务 | ||
| 列出任务 | ||
| 查找速赢任务 | ||
| 检测优先级冲突 | ||
| 列出项目 | ||
| 组织摘要 | ||
| 时间感知每日计划 | ||
| 添加咨询文档 | ||
| 列出咨询文档 | ||
| 查看文档详情 | ||
| 分析文档 | ||
| 批准/拒绝建议 | ||
| 检查警报 | ||
| 发送每日摘要 | ||
| Playbook 初始化状态 | ||
| 显示 Playbook 主目录 | ||
| 列出维基页面 (带 | ||
| 读取维基页面 | ||
| 跨页面全文搜索 |
MCP 工具 (共 27 个)
当用作 MCP 服务器时,Quarterback 向 Claude 公开这些工具:
任务管理:get_priorities, add_task, update_task, get_quick_wins, detect_conflicts, assess_task_value, get_blocking_tasks
项目管理:add_project, list_projects, update_project, get_organizational_summary
咨询系统:add_advisory_document, list_advisory_documents, get_advisory_document, analyze_advisory_document, discuss_advisory_recommendations, adopt_advisory_recommendations
Playbook:playbook_read, playbook_write, playbook_search, playbook_ingest
Webhooks:register_webhook, list_webhooks, update_webhook, delete_webhook
智能体编排:mark_task_agent_ready, get_agent_ready_tasks, update_agent_status
设置:setup_quarterback
环境变量
变量 | 默认值 | 描述 |
|
| 数据目录 |
|
| Playbook 维基位置 (或在 |
| 无 | 为 Pro 功能预留 |
贡献
请参阅 CONTRIBUTING.md 了解开发设置、代码风格和 PR 流程。
许可证
MIT - 请参阅 LICENSE
Latest Blog Posts
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/bobbyrgoldsmith/quarterback'
If you have feedback or need assistance with the MCP directory API, please join our Discord server