从结果看板升级为运行观测台。
Sprint 14 在 Dashboard MVP 上补执行 timeline、质量评估报告和 Agent 状态监控，让团队不仅看到结果，也能看到系统怎么跑。
本篇要解决的问题
这一篇关注 可观测性。如果把 ScrumPilot 看成一个从 0 到 1 的 AI 工程项目，这一步的价值不是单点功能，而是让上一阶段的能力能够继续向后演进。
交付目标
- Workflow timeline
- Evaluation report
- Guardrail 输出
- Agent 状态快照
- Session 监控
设计思路
做 AI Scrum Master，最怕把所有逻辑都塞进一个 Agent 里。这个 Sprint 的实现应该保持三个原则：
- 接口先行：先定义输入、输出和边界，再考虑具体依赖。
- 可测试：核心逻辑不要绑定外部服务，先用内存实现或 mock 跑通。
- 可替换：今天是本地实现，明天可以换成真实数据库、消息队列、模型 API 或前端框架。
AI 系统上线后最怕“看起来能用，但不知道哪里出了问题”。观测台的价值就是让错误、质量波动和运行状态可见。
从 0 到 1 的实现步骤
第一步，先把目录结构建出来。目录本身就是架构边界，例如 src/workflows、src/rag、src/dashboard 这类模块，不应该互相越权。
第二步，定义 types。ScrumPilot 每个 Sprint 都先把类型写清楚，因为类型能强迫我们思考数据怎么流动。
第三步，实现一个 framework-neutral 的 service。不要一上来就依赖某个 HTTP 框架、数据库或队列，否则测试会变重，迁移也会困难。
第四步，补测试。测试至少覆盖成功路径、失败路径和边界输入。AI 项目也需要传统工程测试，否则 Prompt 或策略一改就不知道影响面。
第五步，更新 README 和 command-reference。每个 Sprint 的能力都要能被团队成员读懂、调用、验证。
验收标准
验收不应该停留在“代码写完了”。更合理的 DoD 是：
- 模块有清晰入口和导出；
- 核心类型稳定；
- 至少有一组成功/失败测试；
- README 解释了使用方式；
npm run build通过；npm test通过。
小结
可观测性 是 ScrumPilot 逐步产品化的一块拼图。每一块单独看都不夸张，但组合起来，就能把一个 AI Scrum Master 从 Demo 推到可运行、可观测、可交付的系统。
