इस प्रोजेक्ट के बारे में

AI-PMO Platform एक ओपन-सोर्स प्लेटफ़ॉर्म (GPL-3.0) है जो जनरेटिव AI और बाहरी टूल एकीकरण को जोड़कर PMO (प्रोजेक्ट मैनेजमेंट ऑफ़िस) कार्यों को स्वचालित करता है। यह अकेले CLI पर चलता है और वैकल्पिक रूप से WebUI (PC व स्मार्टफ़ोन समर्थित) का उपयोग किया जा सकता है। मुख्य विशेषताएँ: - WBS निर्माण व पुनर्नियोजन: मीटिंग सामग्री से WBS का मसौदा बनाता है और विलंब पूर्वानुमान के आधार पर पुनर्नियोजन प्रस्ताव देता है (स्वीकृति-प्रतीक्षा के रूप में दर्ज करता है, मूल WBS में स्वतः लागू नहीं करता) - Risk AI: जोखिम पहचान, मूल्यांकन, विलंब पूर्वानुमान, ड्रिफ्ट डिटेक्शन (थ्रेशोल्ड हिस्टैरिसीस सहित) - Task Engine: कई टेम्पलेट के आउटपुट से कार्यों का एकीकरण व प्राथमिकता निर्धारण (नियतात्मक, LLM का उपयोग नहीं)। लेजर SQLite (WAL) या PostgreSQL में रखा जाता है, टेनेंट व प्रोजेक्ट पृथक्करण समर्थित - PMO AI Core: ज़िम्मेदार व्यक्ति सुझाव, प्रगति नियम लागू करना, Slack सूचना, ब्रीफ़िंग आउटपुट स्वतः निष्पादित करता है। निर्णय नियतात्मक होते हैं और सभी अपेंड-लॉग में दर्ज होते हैं। ज़िम्मेदार की पुष्टि मनुष्य करता है, और ट्रैकर (Jira, GitHub Projects, Plane, OpenProject, Azure DevOps) में वापस लिखा जा सकता है - लर्निंग सुविधा: पूर्ण कार्यों के वास्तविक डेटा से प्रति-व्यक्ति प्रभावी क्षमता और देरी-प्रवृत्ति वाले लेबल को सांख्यिकीय रूप से सुधारता है (LLM का उपयोग नहीं, ऊपरी-निचली सीमा व न्यूनतम नमूना संख्या सहित) - Project Digital Twin: Jira से प्रतिदिन सिंक करता है और 5 अक्षों (शेड्यूल, संसाधन, जोखिम, बजट, ब्लॉकर) पर स्वास्थ्य को नियतात्मक रूप से स्कोर करता है, LLM केवल अवलोकन व अनुशंसित कार्रवाई लिखता है - भूमिका-विशिष्ट एजेंट: डेवलपमेंट, टेस्ट, रिसर्च, डॉक्यूमेंट, सेल्स की प्रत्येक भूमिका के लिए AI। डेवलपमेंट व टेस्ट AI केवल Jira कमेंट बनाते हैं (प्रत्येक बार स्वीकृति), रिसर्च, डॉक्यूमेंट व सेल्स AI रीड-ओनली होते हैं और आउटपुट आंतरिक समीक्षा हेतु मसौदे तक सीमित रहता है एकीकरण: Teams, Jira, Jira Agile, GitHub Projects, Plane, OpenProject, Azure DevOps, Slack, PostgreSQL, वेक्टर स्टोर (Qdrant, pgvector, Chroma, Milvus, Weaviate में से चयन) AI प्रदाता: OpenAI, Gemini, Groq, OpenRouter, Claude, Ollama, vLLM, LM Studio टेम्पलेट DSL YAML प्रारूप में है, जिसमें adapter/llm/agent/expression चरणों को जोड़कर वर्कफ़्लो परिभाषित किया जाता है। पुनरावृत्ति (for_each/where), समानांतर निष्पादन (parallel), कई LLM प्रदाताओं का एक साथ आह्वान (profiles) समर्थित है। प्रॉम्प्ट YAML से अलग रखे जाते हैं और LLM को तार्किक प्रोफ़ाइल नाम से निर्दिष्ट किया जाता है। गिनती से तय होने वाले मान (पूर्णता दर, शेष दिन आदि) LLM से नहीं गिनवाए जाते, बल्कि adapter पक्ष पर गणना की जाती है। अभिव्यक्ति मूल्यांकन केवल मान संदर्भ व द्विआधारी तुलना तक सीमित है, और SQL या संग्रह नाम टेम्पलेट में लिखने की अनुमति नहीं है — यह सुरक्षित डिज़ाइन है। उद्योग-विशिष्ट टेम्पलेट के रूप में निर्माण, मार्केटिंग, विनिर्माण, परामर्श, विधिक, कस्टमर सक्सेस, ऑडिट, उच्च शिक्षा, गैर-लाभकारी, बीमा, सरकारी खरीद हेतु टेम्पलेट साथ शामिल हैं। स्व-संदर्भात्मक संचालन भी लागू है, जिसमें प्रोजेक्ट स्वयं का डेवलपमेंट WBS प्रबंधित करता है और CI (aipmo wbs check) से "पूर्ण" के प्रमाण (फ़ाइल व वाक्यांश) की उपस्थिति सत्यापित करता है। आवश्यकताएँ: Python 3.10+। Docker संस्करण हेतु Docker Compose v2 आवश्यक। स्थानीय LLM (Ollama) उपयोग करते समय लगभग 20GB खाली स्थान व 16GB से अधिक मेमोरी अनुशंसित। क्लाउड AI उपयोग करते समय कुछ सौ MB में चलता है।