如何把GitHub/Jira工单直接变成AI Agent执行任务：Bernstein from-ticket工作流详解-平芜编程栈

【免费下载链接】bernstein

The open‑source AI Agents Governance & Orchestration framework: write the rules declaratively, Bernstein enforces them and produces the verifiable, replayable record. Free, Apache-2.0. https://bernstein.run

项目地址：https://gitcode.com/gh_mirrors/be/bernstein

点击查看免费下载

Bernstein 是一个开源的 AI Agents 治理与编排（Orchestration）框架：你用声明式的方式写下规则，它负责强制执行，并产出可验证、可回放的执行记录。其中的from-ticket命令可以把你现有的 GitHub Issue、Jira 工单一键导入为 Bernstein 任务，再用 AI 编码 Agent 自动执行——工单系统继续作为唯一事实来源，不用再手动把需求复制进别的工具。

为什么需要“工单变任务”的自动化？

传统流程里，一张 Jira 工单或 GitHub Issue 要落地成代码，通常要经历：读工单 → 手动拆解 → 贴给 AI Agent → 人工检查合并。Bernstein 的目标是把中间环节自动化：

声明式编排：你只描述目标和规则，Agent 的分解、派发、验证由框架完成；
确定性调度：没有任何模型参与协调循环，重放同一个计划会得到字节一致的（byte-identical）任务图；
可审计记录：每个调度决策都留痕，开启BERNSTEIN_AUDIT=1后日志还会 HMAC 签名、防篡改。

也就是说，GitHub/Jira 里的工单不再只是“给人看的清单”，而是可以直接被 AI Agent 消费的任务定义。

支持的工单来源：GitHub、Jira、Linear 都认

bernstein from-ticket <url>会根据 URL 形状自动识别来源（识别逻辑在 src/bernstein/core/integrations/tickets/init.py）：

来源	URL 形式	凭据方式
GitHub Issues	`https://github.com/<owner>/<repo>/issues/<n>`	本地`gh`CLI（优先）或`GITHUB_TOKEN`
Jira Cloud	`https://<your-domain>/browse/<KEY-N>`	`JIRA_EMAIL`+`JIRA_API_TOKEN`
Linear	`https://linear.app/<workspace>/issue/<KEY-N>`或`linear://KEY-N`	`LINEAR_API_KEY`

抓取实现分别在 github_issues.py、jira.py 和 linear.py。GitHub 渠道会优先调用本机ghCLI，直接复用你已登录的凭据，省去额外配置；Jira 渠道则会把 Atlassian Document Format 富文本自动展平成纯文本描述。

快速上手：三步完成凭据与导入

第一步：安装 Bernstein

git clone https://gitcode.com/gh_mirrors/be/bernstein cd bernstein

按 docs/getting-started/ 里的指南完成初始化：至少配置好一个 Agent CLI 及模型 API Key，并检出一个工作分支（bernstein拒绝在仓库默认分支上启动）。

第二步：凭据存入系统钥匙串

不要把 token 塞进.env或 shell 历史。Bernstein 提供bernstein connect <provider>，凭据会存进操作系统钥匙串（macOS Keychain、Linux Secret Service、Windows Credential Manager），运行时按需读取，磁盘上不留明文：

bernstein connect github # 粘贴个人访问令牌 bernstein connect --list # 查看已配置的服务

细节可参考 docs/operations/secrets.md。

第三步：先 dry-run，再真正导入

拿到一张 GitHub Issue，先用--dry-run预览将要创建的任务载荷，不发任何请求到服务器：

bernstein from-ticket https://github.com/acme/demo/issues/123 --dry-run

Bernstein 会把工单渲染成结构化任务：标题、描述、Labels、Assignee 都会保留，并在metadata里记录source、external_id、url，保证后续可以回溯到原始工单。

📌 一个贴心的设计是基于 Label 自动推断角色和规模（规则见 ticket_cmd.py）：

标签含bug/qa→ 角色qa；frontend/ui→frontend；security→security；infra/devops→devops；默认backend
标签含xs/s→ 规模small；l/epic→large；默认medium

当然也可以用--role、--priority low|medium|high手动覆盖。确认无误后去掉--dry-run，工单即成为 Bernstein 任务：

一键执行：--run 让 AI Agent 立即开工

真正让这条工作流“丝滑”的是--run标志——导入成功后立刻调用bernstein run --task <id>，整条链路一句话完成：

bernstein from-ticket https://github.com/acme/demo/issues/123 --run

接下来 Bernstein 会自动：

任务分解：把工单描述拆解为可执行子任务；
并行派发：为每个 Agent 开独立 git worktree，并行干活、互不踩脚；
质量门禁：lint、类型检查、测试、跨模型评审通过后才允许合入；
串行落地：merge queue 串行化合并，避免竞态。

脚本化场景下还可以用等价的分组命令bernstein ticket import <url>，行为完全一致（见 docs/operations/commands.md）。

可追溯记录：从任务到审计证据

这是 Bernstein 区别于“随便跑个 Agent”的关键。每次执行都会生成可验证、可回放的记录：任务 metadata 里保留了工单来源 URL，谁产生了这个补丁、在什么策略下、按哪条流程，都能离线复核；配合BERNSTEIN_AUDIT=1，编排器会为每个调度决策写一行 HMAC 签名日志。

如果你还有本地 SDD 工单文件（YAML），可以用配套的校验命令在导入前把关：

bernstein ticket validate tickets/*.yaml --strict --format json

适用场景与常见问题

适合谁？团队已经用 GitHub/Jira/Linear 管理需求，希望工单系统继续作为唯一事实来源，但想让机械性工作（修 bug、写测试、文档、重构）由 AI Agent 自动执行。官方使用案例参考 docs/use-cases.md。

常见问题排查：

Authentication error：GitHub 渠道先gh auth login或确认GITHUB_TOKEN；Jira 检查JIRA_EMAIL/JIRA_API_TOKEN是否成对设置；
Could not parse ticket：URL 必须是上表中的标准形状，Jira 只认/browse/KEY-N路径；
服务器连不上：--dry-run不依赖服务器，可以先本地验证解析是否正常。

更多命令与选项请查看 CLI 参考 docs/reference/cli-reference.md 和命令实现 src/bernstein/cli/commands/ticket_cmd.py。

小结

Bernstein 的from-ticket工作流把“GitHub/Jira 工单 → AI Agent 执行”压缩成了一条命令：凭据入钥匙串，--dry-run看载荷，--run直接开工，全程留下可审计、可回放、可验证的执行记录。如果你的团队也在被“复制粘贴工单”折磨，这套声明式编排 + 质量门禁的组合值得马上试一试。