Google Sheet Interface: AI-Human Collaboration Hub

用 Google Sheet 作为人机协作交互界面

Date: 2026-03-01
Version: 1.0
Status: Design Complete

Core Insight

Google Sheet 是这个项目的核心交互界面，不是附属工具。

为什么是 Google Sheet？

✅ 透明性
   - 所有人都能看到进度
   - AI 的决策过程透明
   - 人类可以随时介入

✅ 协作性
   - 多人同时编辑
   - AI 和人类共同维护
   - 评论、讨论、决策记录

✅ 灵活性
   - 字段可以随时调整
   - 架构可以迭代演化
   - 不需要开发 UI

✅ 可追溯
   - 版本历史
   - 谁（AI/人类）改的
   - 为什么改（评论）

✅ 低门槛
   - 人人都会用
   - 不需要培训
   - 移动端也能看

对比其他方案：

结论： Google Sheet 是 AI-Human 协作的最佳界面。

Sheet 设计

Sheet 1: Repo Inventory (总清单)

目的： 列举所有待分析的 400 个 repo，跟踪分析状态

字段定义

示例数据

Sheet 2: Architecture Evolution (架构演化)

目的： 记录 mono-repo 架构的多轮迭代过程

字段定义

示例：架构演化过程

Iteration 1 (2026-03-01): 初始架构
├── products/
│   ├── tidb/
│   └── tikv/
├── platform/
│   └── control-plane/
└── tools/

Iteration 2 (2026-03-08): 细化 products
├── products/
│   ├── tidb/          # 计算层
│   ├── tikv/          # 存储层
│   ├── pd/            # 新增：调度层
│   └── tiflash/       # 新增：分析层
├── platform/
│   └── control-plane/
└── tools/

变更理由：
- 发现 tidb/tikv/pd/tiflash 是独立组件
- 分开管理便于独立构建和测试
- 符合云原生架构（分层解耦）

Iteration 3 (2026-03-15): 扩展 platform
├── products/
│   ├── tidb/
│   ├── tikv/
│   ├── pd/
│   └── tiflash/
├── platform/
│   ├── control-plane/   # 管控服务
│   ├── deploy/          # 新增：部署服务
│   ├── monitoring/      # 新增：监控服务
│   └── o11y/            # 新增：可观测性
└── tools/

变更理由：
- 深入分析云平台 repo 后，发现需要细分
- deploy/monitoring/o11y 职责不同
- 便于 AI 独立优化各子模块

Sheet 3: Decision Log (决策日志)

目的： 记录 AI 和人类的重大决策，可追溯

字段定义

示例决策记录

Sheet 4: Agent Assignment (Agent 分配)

目的： 跟踪哪个 AI Agent 负责哪个 repo

字段定义

Sheet 5: Progress Dashboard (进度看板)

目的： 高层进度总览，给老板和管理层看

内容

=== Overall Progress ===
Total Repos:          400
Analyzed:             150 (37.5%)
In Progress:          50 (12.5%)
Pending:              200 (50%)
Excluded:             21 (5.2%)

=== TiDB Cloud Related ===
Related:              21 (5.2%)
  - P0: 6
  - P1: 6
  - P2: 5
  - P3: 4
Not Related:          379 (94.8%)

=== Migration Status ===
Phase 1 (P0):         0/6 (0%)
Phase 2 (P1):         0/6 (0%)
Phase 3 (P2):         0/5 (0%)
Phase 4 (P3):         0/4 (0%)

=== Cost Tracking ===
Budget:               $50
Spent:                $12.50 (25%)
Remaining:            $37.50 (75%)
Estimated Total:      $48 (under budget)

=== Timeline ===
Start Date:           2026-03-01
Current Date:         2026-03-15
Planned End:          2026-04-30
Days Elapsed:         14
Days Remaining:       32
On Track:             Yes ✅

工作流程

Phase 1: 初始数据填充 (Week 1)

AI 任务：
1. 通过 GitHub API 获取 400 个 repo 元数据
2. 填充 Sheet 1 的基础字段（A-J 列）
3. AI 初步分析，填充 K-M 列（相关性、价值、优先级）
4. AI 生成初步架构建议（N 列）

人类任务：
1. Review AI 的初步分析
2. 确认/调整 K-M 列（相关性、价值、优先级）
3. 确认/调整 N 列（架构位置）
4. 填写 O 列（Migration Phase）
5. 填写 V 列（人类 Owner）

输出：
- 400 个 repo 的完整清单
- 初步架构设计（Iteration 1）
- 优先级和迁移计划

Phase 2: 深度分析 (Week 2-4)

AI 任务：
1. 按优先级顺序，深度分析每个 repo
2. 更新 P-Q 列（分析状态和进度）
3. 填充 R-S 列（价值评分和分级）
4. 填充 T 列（依赖关系）
5. 发现新信息时，更新 N 列（架构位置建议）
6. 遇到阻塞时，填写 U 列（Blockers）

人类任务：
1. 监控进度（查看 Sheet 5 Dashboard）
2. 处理 Blockers（U 列）
3. Review AI 的架构建议（N 列）
4. 批准架构变更（Sheet 2）
5. 记录重大决策（Sheet 3）

输出：
- 400 个 repo 的深度分析报告
- 架构演化记录（Iteration 1 → 2 → 3）
- 决策日志

Phase 3: 架构迭代 (Week 5-6)

AI 任务：
1. 基于分析结果，提出架构优化建议
2. 更新 Sheet 2（架构演化）
3. 更新 Sheet 1 的 N 列（架构位置）
4. 生成架构对比报告（Iteration N vs N+1）

人类任务：
1. Review 架构变更
2. 批准/拒绝变更
3. 记录决策理由（Sheet 3）
4. 通知相关团队（架构变更影响）

输出：
- 稳定的 mono-repo 架构（Iteration Final）
- 完整的决策日志
- 架构演化历史

Phase 4: 迁移准备 (Week 7-8)

AI 任务：
1. 为每个 repo 生成迁移计划
2. 更新 Sheet 1 的 O 列（Migration Phase）
3. 分配 AI Agents（Sheet 4）
4. 生成迁移风险评估

人类任务：
1. Review 迁移计划
2. 确认人类 Owner（V 列）
3. 批准迁移启动
4. 通知相关团队

输出：
- 迁移计划（按 Phase 分组）
- Agent 分配方案
- 风险评估报告

多轮迭代机制

架构演化流程

Iteration N:
┌─────────────────────────────────────────────────────────────┐
│  1. AI 分析新 repo                                          │
│     - 发现：这个 repo 不适合当前架构                        │
│     - 建议：创建新目录 / 调整现有目录                       │
│     - 填写：Sheet 1, N 列（架构位置建议）                   │
└─────────────────────────────────────────────────────────────┘
         │
         ▼
┌─────────────────────────────────────────────────────────────┐
│  2. AI 提出架构变更                                         │
│     - 填写：Sheet 2（架构演化）                             │
│     - 填写：Sheet 3（决策日志 - Proposed）                  │
│     - 通知：人类审批者                                      │
└─────────────────────────────────────────────────────────────┘
         │
         ▼
┌─────────────────────────────────────────────────────────────┐
│  3. 人类 Review                                             │
│     - 查看：架构变更理由                                    │
│     - 查看：影响范围                                        │
│     - 评论：提出问题 / 建议                                 │
│     - 决策：Approve / Reject / Modify                       │
│     - 填写：Sheet 3（Approved By, Status）                  │
└─────────────────────────────────────────────────────────────┘
         │
         ▼
┌─────────────────────────────────────────────────────────────┐
│  4. AI 执行变更                                             │
│     - 更新：Sheet 2（Status = Implemented）                 │
│     - 更新：Sheet 1（N 列，受影响 repo 的架构位置）          │
│     - 记录：变更日志                                        │
└─────────────────────────────────────────────────────────────┘
         │
         ▼
    Iteration N+1

示例：架构迭代过程

=== Iteration 1 (2026-03-01) ===
初始架构（基于人类直觉）：
mono-repo/
├── products/
│   └── database/
├── platform/
│   └── cloud/
└── tools/

问题：
- 太粗糙（只有 3 个大类）
- 不符合云原生架构
- 无法支持独立构建

=== Iteration 2 (2026-03-08) ===
AI 分析 50 个 repo 后，提出优化：
mono-repo/
├── products/
│   ├── tidb/          # 计算层
│   ├── tikv/          # 存储层
│   ├── pd/            # 调度层
│   └── tiflash/       # 分析层
├── platform/
│   ├── control-plane/ # 管控
│   ├── deploy/        # 部署
│   └── monitoring/    # 监控
└── tools/

变更理由：
- 分层架构符合云原生最佳实践
- 各层可独立构建、测试、部署
- 便于 AI 独立优化各模块

人类审批：✅ Approved

=== Iteration 3 (2026-03-15) ===
AI 分析 100 个 repo 后，进一步优化：
mono-repo/
├── products/
│   ├── tidb/
│   ├── tikv/
│   ├── pd/
│   └── tiflash/
├── platform/
│   ├── control-plane/
│   ├── deploy/
│   ├── monitoring/
│   ├── o11y/          # 新增：可观测性独立
│   └── security/      # 新增：安全服务
├── tools/
│   ├── dashboard/
│   ├── tiup/
│   └── sdk/
└── libs/              # 新增：共享库
    └── ...

变更理由：
- o11y 职责复杂，需要从 monitoring 独立
- security 是跨层能力，需要独立模块
- libs 用于存放共享库和 fork

人类审批：✅ Approved

=== Iteration Final (2026-03-31) ===
稳定架构（分析完 400 个 repo 后）：
mono-repo/
├── products/          # 核心数据库
│   ├── tidb/
│   ├── tikv/
│   ├── pd/
│   └── tiflash/
├── platform/          # 云平台
│   ├── control-plane/
│   ├── deploy/
│   ├── monitoring/
│   ├── o11y/
│   └── security/
├── tools/             # 工具链
│   ├── dashboard/
│   ├── tiup/
│   └── sdk/
├── libs/              # 共享库
│   └── ...
└── docs/              # 文档
    └── ...

架构稳定，不再变更。

AI-Human 协作模式

AI 负责

✅ 数据填充
   - 从 GitHub API 获取元数据
   - 自动生成描述、分类、评分

✅ 初步分析
   - 评估相关性（TiDB Cloud Related?）
   - 评估价值（Worth Analyzing?）
   - 建议优先级（Priority）
   - 建议架构位置（Target Architecture）

✅ 进度跟踪
   - 更新分析状态
   - 更新进度百分比
   - 记录 Blockers

✅ 架构建议
   - 基于分析结果提出架构优化
   - 记录架构演化
   - 生成对比报告

✅ 决策支持
   - 提供决策理由
   - 列出替代方案
   - 评估影响范围

人类负责

✅ 最终决策
   - 确认/调整 AI 的建议
   - 批准架构变更
   - 批准重大决策

✅ 处理异常
   - 处理 Blockers
   - 处理 AI 无法判断的情况
   - 处理跨团队协调

✅ 团队沟通
   - 通知相关团队
   - 协调迁移时间
   - 处理人员安排

✅ 质量监督
   - 抽查 AI 分析质量
   - 审核架构合理性
   - 确保符合业务目标

技术实现

Google Sheet + OpenClaw 集成

# Pseudo-code: OpenClaw 与 Google Sheet 集成

class GoogleSheetInterface:
    """
    OpenClaw 与 Google Sheet 的集成接口
    """
    
    def __init__(self, sheet_id: str):
        self.sheet_id = sheet_id
        self.client = gspread.oauth().client
    
    def update_repo_status(self, repo_id: str, status: str, progress: int):
        """
        更新 repo 分析状态
        """
        sheet = self.client.open_by_key(self.sheet_id).worksheet("Repo Inventory")
        
        # 找到 repo 所在行
        row = self._find_repo_row(repo_id)
        
        # 更新状态和进度
        sheet.update(f"P{row}", status)
        sheet.update(f"Q{row}", f"{progress}%")
        sheet.update(f"X{row}", now())
        sheet.update(f"Y{row}", "OpenClaw-Agent-001")
    
    def propose_architecture_change(self, iteration: int, changes: dict):
        """
        提出架构变更建议
        """
        sheet = self.client.open_by_key(self.sheet_id).worksheet("Architecture Evolution")
        
        # 添加新行
        sheet.append_row([
            iteration,
            now(),
            changes['path'],
            changes['description'],
            changes['repos'],
            changes['changes_from_previous'],
            changes['rationale'],
            "",  # Approved By (待人类填写)
            "Proposed"  # Status
        ])
        
        # 通知人类审批者
        self._notify_human(changes['approved_by'])
    
    def get_pending_decisions(self) -> List[dict]:
        """
        获取待人类决策的列表
        """
        sheet = self.client.open_by_key(self.sheet_id).worksheet("Decision Log")
        
        # 查询 Status = "Proposed" 的行
        pending = sheet.findall("Proposed", in_column=10)  # J 列
        
        return [self._row_to_dict(row) for row in pending]

自动化规则

# OpenClaw 自动化规则

triggers:
  - name: repo_analysis_complete
    condition: "Sheet1.Q列 = 100%"
    action:
      - update_sheet: "Sheet1.P列 = Done"
      - notify_human: "Repo {repo_id} analysis complete"
      - trigger_next_repo: true

  - name: blocker_detected
    condition: "Sheet1.U列 != ''"
    action:
      - notify_human: "Blocker detected in {repo_id}: {U列内容}"
      - update_sheet: "Sheet1.P列 = Blocked"

  - name: architecture_change_proposed
    condition: "Sheet2.Status = Proposed"
    action:
      - notify_human: "Architecture change proposed (Iteration {iteration})"
      - wait_for_approval: true

  - name: decision_approved
    condition: "Sheet3.Status = Approved"
    action:
      - execute_decision: "{Decision Details}"
      - update_sheet: "Sheet3.Status = Implemented"

成功标准

Sheet 质量指标

协作质量指标

风险与应对

风险 1: Sheet 变得太复杂

场景：
- 字段越来越多（>50 列）
- 人类难以理解
- AI 填充错误率上升

应对：
1. 定期 Review 字段必要性
2. 删除不用的字段
3. 分 Sheet（不要全部在一个 Sheet）
4. 提供字段说明文档

风险 2: 人类过度依赖 AI

场景：
- 人类不 Review AI 填充
- 全部直接批准
- AI 错误未被发现

应对：
1. 强制人类 Review 关键字段（K-M, N, O 列）
2. 定期抽查（10% 随机抽查）
3. 设置审批上限（人类必须审批 X%）
4. 培训人类理解 AI 决策逻辑

风险 3: AI 填充错误

场景：
- AI 错误分类 repo
- AI 错误评估价值
- AI 错误建议架构

应对：
1. 人类 Review 关键决策
2. AI 提供置信度（低置信度时标记）
3. 错误案例反馈给 AI（持续学习）
4. 多 AI 交叉验证（AI vs AI）

结论

Google Sheet 是这个项目的核心交互界面：

1. 透明 — 所有人都能看到进度和决策
2. 协作 — AI 和人类共同维护
3. 灵活 — 字段和架构可以迭代演化
4. 可追溯 — 版本历史、决策日志
5. 低门槛 — 人人都会用，不需要培训

多轮迭代机制：

• AI 分析 → 提出架构建议 → 人类审批 → 执行变更 → 下一轮迭代
• 架构随着分析深入逐渐清晰（Iteration 1 → 2 → 3 → Final）

AI-Human 协作：

• AI 负责：数据填充、初步分析、进度跟踪、架构建议
• 人类负责：最终决策、处理异常、团队沟通、质量监督

成功关键：

• 保持 Sheet 简洁（定期 Review 字段）
• 人类参与关键决策（不全部依赖 AI）
• AI 持续学习（从错误案例中学习）

Google Sheet Interface: AI-Human Collaboration Hub
2026-03-01 | Large-scale Agentic Engineering Team