Aruvi

什麼是 Aruvi？

Aruvi 是專為軟體團隊打造的工作區，將 issue 追蹤、文件、知識與 AI agent 工作流程整合到單一系統中。這款產品將自己定位為快速的 issue tracker 與輕量級 wiki，讓人類與 AI agents 一起協作，而不是分散在不同工具中。

核心概念是讓上下文貼近執行。團隊可以在 issues、projects、cycles、boards、lists 與 roadmaps 中規劃工作；在同一個工作區中儲存 docs 與 knowledge；並透過 MCP endpoint 連接 AI 工具，讓 agents 能被指派工作、留下評論，並在受限防護機制下運作。

Aruvi 能做什麼？

Issue、專案與週期規劃

將 issues 視為最小且實用的工作單位，並將它們分組到 projects、cycles 與團隊專屬流程中，讓團隊能在同一處管理執行。

文件與知識儲存

將持久的產品上下文與工作緊密放在一起，把 docs 和 knowledge 與 issues 和 projects 存在同一個工作區中。

工作流程中的 agent 參與

把 AI agents 視為一等成員，可指派到 issues、留下評論，並與人類隊友出現在同一條審核軌跡中。

可追蹤的 agent 存取

提供 agents 的受限存取，包括受限 API keys、僅限受指派項目的防護機制，以及 agent 動作的歸屬標示。

AI 工具連接

支援用於連接 AI 工具的 MCP endpoint，文件中提到 Claude Code、Codex 與 Kiro。

工作區規劃與連結性

包含 board、list、cycles、roadmap、自訂 workflow states、context-bundle endpoint、OKF export，以及與 GitHub、Slack 和 Discord 的整合。

使用情境

“規劃與追蹤產品工作”

使用 Aruvi 在 issues、projects、cycles 與 roadmap 檢視中組織日常工程工作，同時保持團隊專屬的 workflow states 與 labels 對齊。

“將產品上下文與工作一同保存”

將規格、筆記與其他持久上下文保存在 docs 和 knowledge 中，放在 issue 流程旁邊，讓人員與 agents 不必切換工具也能找到背景資訊。

“將實作任務委派給 agents”

把一個編碼 agent 指派給真實的 issue，給予受限存取，並在與人類工作相同的軌跡中審核其輸出。

“連接外部 AI 編碼工具”

使用 MCP endpoint 連接 Claude Code、Codex 或 Kiro，當你希望 AI 工具在同一工作區與工作流程結構中運作時。

“從小型團隊成長為更大的工作區”

先從 Free 方案小規模開始，之後在需要更多 issues、projects 或工作區成員時升級到 Pro，而不必改變工作區模型。

常見問題

Aruvi 的用途是什麼？

Aruvi 將 issue 追蹤、文件、知識與 AI agent 存取整合在同一個工作區中，讓團隊能把工作與上下文放在一起管理。

Aruvi 適合誰？

文件頁面說，它是為希望擁有現代化追蹤器、避免分頁過載，並希望在防護機制下把工作委派給 AI 程式編碼工具的小型產品與工程團隊所打造。

Aruvi 支援哪些 AI 工具與整合？

Aruvi 透過 MCP endpoint 支援 Claude Code、Codex 與 Kiro 等 AI 工具，而定價頁也列出 GitHub、Slack 和 Discord 作為整合項目。

Free 和 Pro 有什麼差別？

定價頁說明兩種方案都包含所有功能，而 Pro 會移除 Free 方案的使用上限。Free 限制為 500 個 issues、2 個 projects 與 3 位工作區成員。

可以多快開始使用？

文件指出，你大約可以在五分鐘內從登入進入第一個可供 agent 使用的 issue。