ai-pmo-platform

AI-PMO Platform হলো জেনারেটিভ AI ও বাহ্যিক টুল সংযোগের সমন্বয়ে PMO (প্রকল্প ব্যবস্থাপনা অফিস) কাজ স্বয়ংক্রিয় করার একটি ওপেন সোর্স প্ল্যাটফর্ম (GPL-3.0)। এটি একক CLI হিসেবে চলে এবং ঐচ্ছিকভাবে WebUI (PC ও স্মার্টফোন সমর্থিত) ব্যবহার করা যায়। প্রধান বৈশিষ্ট্য: - WBS তৈরি ও পুনঃপরিকল্পনা: সভার বিষয়বস্তু থেকে WBS খসড়া তৈরি করে এবং বিলম্ব পূর্বাভাসের ভিত্তিতে পুনঃপরিকল্পনার প্রস্তাব দেয় (অনুমোদনের অপেক্ষায় হিসেবে নথিভুক্ত করে, কাঁচা WBS-এ স্বয়ংক্রিয়ভাবে প্রতিফলিত করে না) - Risk AI: ঝুঁকি শনাক্তকরণ, মূল্যায়ন, বিলম্ব পূর্বাভাস ও ড্রিফট শনাক্তকরণ (থ্রেশহোল্ড হিস্টেরেসিসসহ) - Task Engine: একাধিক টেমপ্লেটের আউটপুট থেকে টাস্ক একীভূত ও অগ্রাধিকার নির্ধারণ করে (নির্ণায়ক, LLM ব্যবহার করে না)। লেজার SQLite (WAL) বা PostgreSQL-এ সংরক্ষিত হয় এবং টেন্যান্ট-প্রকল্প পৃথকীকরণ সমর্থন করে - PMO AI Core: দায়িত্বপ্রাপ্ত ব্যক্তির প্রস্তাব, অগ্রগতি নিয়ম প্রয়োগ, Slack বিজ্ঞপ্তি ও ব্রিফিং আউটপুট স্বয়ংক্রিয়ভাবে সম্পাদন করে। সিদ্ধান্ত নির্ণায়ক এবং সবই অ্যাপেন্ড লগে নথিভুক্ত হয়। দায়িত্ব নিশ্চিতকরণ মানুষ করে এবং ট্র্যাকারে (Jira, GitHub Projects, Plane, OpenProject, Azure DevOps) ফিরে লেখা যায় - শেখার ক্ষমতা: সম্পন্ন কাজের ফলাফল থেকে দায়িত্বপ্রাপ্ত ব্যক্তিভিত্তিক কার্যকর ক্যাপাসিটি ও বিলম্বপ্রবণ লেবেল পরিসংখ্যানগতভাবে সংশোধন করে (LLM ব্যবহার করে না, ঊর্ধ্ব-নিম্নসীমা ও ন্যূনতম নমুনাসংখ্যাসহ) - Project Digital Twin: প্রতিদিন Jira থেকে সিঙ্ক করে এবং ৫টি অক্ষে (সময়সূচি, সম্পদ, ঝুঁকি, বাজেট, ব্লকার) স্বাস্থ্য নির্ণায়কভাবে স্কোর করে, LLM শুধু পর্যবেক্ষণ ও সুপারিশকৃত পদক্ষেপ লেখে - ভূমিকা-বিশেষায়িত এজেন্ট: ডেভেলপমেন্ট, টেস্ট, গবেষণা, ডকুমেন্ট ও সেলস ভূমিকার AI। ডেভেলপমেন্ট ও টেস্ট AI শুধু Jira মন্তব্য তৈরি করে (প্রতিবার অনুমোদনসহ), গবেষণা, ডকুমেন্ট ও সেলস AI রিড-অনলি এবং ফলাফল অভ্যন্তরীণ পর্যালোচনার জন্য খসড়া পর্যন্ত সংযোগস্থল: Teams, Jira, Jira Agile, GitHub Projects, Plane, OpenProject, Azure DevOps, Slack, PostgreSQL, ভেক্টর স্টোর (Qdrant, pgvector, Chroma, Milvus, Weaviate থেকে নির্বাচনযোগ্য) AI সরবরাহকারী: OpenAI, Gemini, Groq, OpenRouter, Claude, Ollama, vLLM, LM Studio টেমপ্লেট DSL YAML ফরম্যাটে, adapter/llm/agent/expression ধাপগুলো সমন্বয়ে ওয়ার্কফ্লো সংজ্ঞায়িত করা হয়। পুনরাবৃত্তি প্রক্রিয়া (for_each/where), সমান্তরাল সম্পাদন (parallel), একাধিক LLM প্রোভাইডারের একসাথে আহ্বান (profiles) সমর্থন করে। প্রম্পট YAML থেকে পৃথক এবং LLM লজিক্যাল প্রোফাইল নামে নির্দিষ্ট করা হয়। গণনায় নির্ধারিত মান (সম্পন্নতার হার, অবশিষ্ট দিন ইত্যাদি) LLM দিয়ে গণনা করানো হয় না, অ্যাডাপ্টার পক্ষ থেকে গণনা করা হয়। এক্সপ্রেশন মূল্যায়ন মান রেফারেন্স ও দ্বিপদ তুলনার মধ্যে সীমাবদ্ধ এবং SQL বা কালেকশন নাম টেমপ্লেটে লেখা যায় না—এমন নিরাপদ ডিজাইন। শিল্পভিত্তিক টেমপ্লেট হিসেবে নির্মাণ, মার্কেটিং, উৎপাদন, পরামর্শ, আইন, কাস্টমার সাকসেস, নিরীক্ষা, উচ্চশিক্ষা, অলাভজনক, বীমা ও সরকারি ক্রয়ের জন্য টেমপ্লেট অন্তর্ভুক্ত। স্ব-রেফারেন্সিয়াল পরিচালনাও বাস্তবায়িত, প্রকল্পের নিজস্ব ডেভেলপমেন্ট WBS পরিচালনা করে এবং CI (aipmo wbs check) দিয়ে "সম্পন্ন"-এর প্রমাণ (ফাইল ও বাক্যাংশ) বিদ্যমানতা যাচাই করে। চালনার প্রয়োজনীয়তা: Python 3.10+। Docker সংস্করণের জন্য Docker Compose v2 প্রয়োজন। স্থানীয় LLM (Ollama) ব্যবহারে প্রায় 20GB খালি স্থান ও 16GB+ মেমরি সুপারিশ করা হয়। ক্লাউড AI ব্যবহারে কয়েকশ MB-তে চলে।