quarterback

Quarterback 是一款面向多项目运营者的战略任务优先级排序与智能体编排工具。它的核心理念是“读取场上的形势，呼叫战术”，帮助用户决定十个项目中当前最该优先处理哪一个，而不是像其他 AI 任务管理器那样只把一个项目拆解成子任务。

用途： Quarterback 主要解决多项目环境下的任务优先级决策问题。它使用五因素加权评分引擎、组织上下文和时间感知规划来给出建议。该工具本地运行、免费使用，既可以作为独立的命令行工具（CLI），也可以作为 Claude 的模型上下文协议（MCP）服务器。

主要能力：

1. LLM 驱动的配置（通过 MCP）：当 Quarterback 作为 MCP 服务器运行时，可以要求 LLM“为我设置 Quarterback”，它会调用 setup_quarterback 工具，以对话方式询问你的业务、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。它支持任何兼容 MCP 的客户端，包括 Claude Desktop、Claude Code、Cursor、Windsurf、Cline、OpenAI agents 等。所有 23 个工具（官方文本中也提到 MCP Tools 共 27 个，可能工具数量有更新，但原文两者均出现）使用标准 MCP 协议（JSON-RPC over stdio），不依赖特定 LLM。
2. 五因素优先级排序引擎：每个任务会从五个维度进行评分（具体维度名称未在原文中逐一列出，暂未提供详情）。
3. 咨询文档系统：可以分析外部文章、书籍和建议，对照你的组织上下文进行检查，分析器会将每条建议与你的目标和约束进行比对，标记冲突和协同效应。
4. 智能体编排：可将任务标记为自主智能体执行，并配置自治级别：草稿（智能体创建草稿供你审查）、检查点（智能体在关键决策处暂停等待批准）、自主（智能体运行至完成）。当任务准备好时，Webhook 会通知你的自动化层（如 n8n、Zapier、自定义）。
5. Playbook 知识库：Playbook 是 Quarterback 的编译知识层，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）提供关于项目、决策和策略的统一规范上下文。它解决了每次 AI 会话都从头开始、独立重建组织上下文导致结果不一致的问题。Playbook 在 quarterback setup（或 MCP 设置向导）中自动创建，会询问关键实体、概念和决策，然后生成初始维基页面。默认情况下，Quarterback 从 ~/.quarterback/org-context/ 文件读取目标和约束；如果启用了 Playbook，则会优先读取 compiled/goals.md 和 compiled/constraints.md。可选的 Obsidian 集成允许将 Playbook 配置为 Obsidian 仓库，用于图形化查看和可视化编辑，也可安装 Obsidian MCP 服务器实现程序化访问，但并非必需。
6. CI/CD 管道集成：CLI 和 Webhook 系统使其适合自动化管道，可更新任务状态、记录交付物并触发下游工作，无需人工介入。CLI 无状态且可脚本化，可注册 Webhook 让自动化层实时响应任务事件，多个环境可指向同一个 Quarterback 实例，让本地 CLI、CI 管道和 MCP 连接的智能体读写同一任务图，形成唯一事实来源。
7. 时间感知规划：考虑你的工作时间、午休、会议缓冲时间和当前时间，建议实际能在剩余一天内完成的任务。
8. 组织上下文：运行 quarterback init 后，可运行 quarterback setup 进入交互式向导，或通过 MCP 让 Claude 运行设置向导。也可手动在 ~/.quarterback/org-context/ 中配置上下文，包含示例模板供复制和定制。若在设置中启用 Playbook，goals.md 和 constraints.md 会从维基的 compiled/ 目录自动维护，但你仍可手动编辑组织上下文文件，Playbook 是附加的而非必需。
9. 警报配置：可在 ~/.quarterback/config/alerts.yaml 中配置通知，包括安静时段（夜间不通知）、优先级阈值（仅通知 P4+ 任务）、时间敏感项目（如 Bills、Tax 等始终通知）、工作时间和午休设置。

使用方式：

• 作为 MCP 服务器：添加到 Claude Desktop 配置文件（路径为 ~/Library/Application Support/Claude/claude_desktop_config.json）或 Claude Code 配置（~/.claude/settings.json），使用 quarterback-server 命令。然后向 LLM 提问“今天我应该做什么？”，它会使用所有 Quarterback 工具分析你的优先级。
• 作为 CLI：直接使用命令行工具，可编写脚本，用于 CI/CD 等场景。
• 环境变量：具体环境变量未在原文详细列出，暂未提供。
• 设置：运行 quarterback init 初始化，之后可运行 quarterback setup 进入交互向导，或通过 MCP 让 LLM 完成设置。

MCP 工具（原文称 23 个，但也列出 27 个，具体数量可能以官方最新为准）：

• 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
• Webhook：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

适用场景：

• 同时管理多个项目的运营者、创业者或团队负责人，需要决定当前优先处理哪个项目。
• 希望将 AI 智能体集成到任务流程中，实现自动化执行和通知。
• 需要统一本地、CI/CD 和 AI 会话的组织上下文，保持决策一致性。
• 需要分析外部建议与自身目标约束是否匹配。

限制：

• 关于价格：原文称“本地运行、成本为零”，但未提供详细收费计划或商业版本信息。
• 关于平台：支持任何兼容 MCP 的客户端，但需要相应客户端支持。CLI 具体支持的操作系统未明确说明。
• 关于性能：未提供基准测试或效果数据。
• 关于依赖：使用 Playbook 和 Obsidian 为可选，但需要相应配置。
• 环境变量等细节未提供，需参考官方文档。

许可：MIT 许可证。由 NodeBridge Automation Solutions 构建。