# Aruvi Aruvi 将问题跟踪、文档、知识库和 AI 代理工作流整合于一处，服务软件团队。 - Findings24: - 网站: - 价格: Freemium - 分类: AI项目管理 ## 什么是 Aruvi？ Aruvi 是面向软件团队的工作区，将问题追踪、文档、知识库和 AI agent 工作流整合到一个系统中。该产品将自己定位为一个快速的 issue tracker 和轻量级 wiki，让人类与 AI agents 在同一环境中协作，而不是分散在不同工具里。 其核心理念是让上下文尽量贴近执行。团队可以在 issues、projects、cycles、boards、lists 和 roadmaps 中规划工作；在同一工作区中存放文档和知识；并通过 MCP endpoint 连接 AI 工具，使 agents 能被分配任务、留下评论，并在受限护栏下运行。 ## Aruvi 能做什么？ ### Issue、项目与周期规划 将 issue 视为最小且最有用的工作单元，并将其归入项目、周期以及团队专属流程，方便团队在一个地方管理执行。 ### 文档与知识存储 将持久的产品上下文与工作保持在一起，把文档和知识存放在与 issues 和项目相同的工作区中。 ### Agent 参与工作流 把 AI agents 视为一等队友，可分配 issue、留下评论，并与人类队友出现在同一审查轨迹中。 ### 可审计的 agent 访问 为 agents 提供受限访问，包括受限 API keys、仅限已分配任务的护栏，以及 agent 操作归因。 ### AI 工具连接 支持通过 MCP endpoint 连接 AI 工具，文档中提到了 Claude Code、Codex 和 Kiro。 ### 工作区规划与连接 包含 board、list、cycles、roadmap、自定义工作流状态、context-bundle endpoint、OKF export，以及与 GitHub、Slack 和 Discord 的集成。 ## 使用场景 ### 规划并跟踪产品工作 使用 Aruvi 在 issues、projects、cycles 和 roadmap 视图中组织日常工程工作，同时保持团队专属的工作流状态和标签一致。 ### 将产品上下文与工作放在一起 将规格、笔记和其他持久上下文保存在文档和知识库中，并放在 issue 流程旁边，这样人和 agents 都能在不切换工具的情况下找到背景信息。 ### 将实施任务委派给 agents 把编码 agent 分配到真实的 issue 上，授予受限访问权限，并在与人类工作相同的轨迹中审查其输出。 ### 连接外部 AI 编程工具 通过 MCP endpoint 连接 Claude Code、Codex 或 Kiro，在希望 AI 工具在同一工作区和工作流结构中运行时使用。 ### 从小团队扩展到更大的工作区 先在 Free 方案上从小团队起步，再在需要更多 issues、projects 或工作区成员时升级到 Pro，而无需改变工作区模型。 ## 常见问题 ### Aruvi 用于什么？ Aruvi 将问题追踪、文档、知识库和 AI agent 访问整合在一个工作区中，帮助团队把工作和上下文放在一起。 ### Aruvi 适合谁？ 文档页说明，它专为希望拥有一个现代化追踪工具、避免标签页过多，并希望在安全护栏下把工作委派给 AI 编程工具的小型产品与工程团队而设计。 ### Aruvi 支持哪些 AI 工具和集成？ Aruvi 通过一个 MCP endpoint 支持 Claude Code、Codex 和 Kiro 等 AI 工具，定价页还列出了 GitHub、Slack 和 Discord 作为集成项。 ### Free 和 Pro 有什么区别？ 定价页说明，两种方案都包含全部功能，而 Pro 会取消 Free 方案的使用限制。Free 方案限制为 500 个 issue、2 个项目和 3 位工作区成员。 ### 开始使用有多快？ 文档说明，你大约可以在五分钟内从登录进入第一个可交给 agent 处理的 issue。 ## 快速信息 - **类别**: Issue tracker 和轻量级 wiki - **主要用户**: 小型产品与工程团队 - **AI 工作流**: 可将 agents 分配到 issues，并通过 MCP 连接的工具协作 - **计费方式**: 按工作区计费，而非按席位或按 agent 计费 - **方案**: Free 和 Pro - **网站**: aruvi.dev