TaskFlow

用 AI 重塑你的任务清单

用自然语言说出想做的事，TaskFlow 用大模型自动解析成结构化、可执行、可推进的任务。核心理念：用户少操作，系统多理解。

https://github.com/user-attachments/assets/d15ffa3b-80f5-4703-a25a-a5e2170862c3

_{30 秒看懂 TaskFlow}

✨ 功能


智能任务录入	一句话或一段话建任务，模型自动判定单条/多条，解析出标题、分类、星级、起止时间，以可编辑草稿确认后才入库（不静默写入）
大任务拆解	识别「完成课程设计」等大目标，拆成带顺序的子任务，确认后生成「任务组」（父任务 + 一级子任务，含完成进度）
语义检索	自然语言查询任务，例如「快到期但还没做的」
智能推进	早间推荐今天最该做的 3-5 件事 + 晚间今日总结，语气可设（温暖鼓励 / 冷静督促 / 简短效率）
对话式 Agent	增删改查全走自然语言，敏感操作前二次确认，不静默写库
循环模板 → 习惯	按日/周/月自动生成任务（后台调度器），也可手动一键生成
回收站	软删除、恢复、永久删除、清空
每日打卡	连续/最长连续天数 + GitHub 风格的完成热力图
任务统计	完成/待办/过期饼图 + 近 12 个月完成量柱状图
数据导入导出	JSON 一键备份/恢复
三套主题	普通 / 护眼 / 夜间

基础管理（CRUD、分类筛选、排序、搜索、分页、批量删除）自然都有，不再赘述。

🧱 技术栈

Rust + Axum（部署式后端）· React + TypeScript + Vite（网页/桌面共用前端）· Tauri v2（桌面外壳）· Supabase / PostgreSQL（中央数据库）· OpenAI 兼容大模型（默认经 aihubmix）

🚀 快速开始

在线使用

直接打开 taskflowai.asia，注册即用，无需安装。

桌面版

从 GitHub Releases 下载对应平台的安装包：

macOS（Apple Silicon）：TaskFlow_2.0.1_aarch64.dmg
Windows（x64）：TaskFlow_2.0.1_x64-setup.exe

安装包当前为未签名版本，首次打开需手动放行：

macOS：把 TaskFlow 拖入「应用程序」后，首次启动右键点击 App → 打开（而非双击），在弹窗中再次点「打开」。
Windows：运行 setup.exe 时若出现 SmartScreen 蓝色提示，点「更多信息 → 仍要运行」。

桌面版打包时已内置生产后端地址 https://taskflowai.asia/api，安装即用，无需本地后端。

🛠️ 本地开发

前置条件

Rust（edition 2024，建议 1.85+）、Node.js 18+
一个 PostgreSQL 数据库（推荐 Supabase）

1. 配置环境变量

在项目根目录创建 .env：

DATABASE_URL=postgres://user:pass@host:5432/postgres   # 或 DATABASE_URL_POOLER（IPv4 Session Pooler，优先）
PORT=8090                                              # 本地后端端口（与前端 dev 代理一致）
LLM_BASE_URL=https://aihubmix.com/v1                   # OpenAI 兼容端点
LLM_API_KEY=sk-...                                     # 默认大模型 key（用户也可在设置里自带 key）
LLM_MODEL=deepseek-v4-flash
LLM_MODEL_STRONG=deepseek-v4-pro

LLM_MODEL 的取值取决于 LLM_BASE_URL 所指服务。默认经 aihubmix 用 deepseek-v4-flash；若用户在「设置」里填官方 DeepSeek 的 key，模型名应填 deepseek-chat。

2. 初始化数据库

把 migrations/0001_init.sql 应用到你的 PostgreSQL（Supabase 可在 SQL Editor 执行，或用 psql）：

psql "$DATABASE_URL" -f migrations/0001_init.sql

3. 启动后端（Axum，提供 `/api`）

PORT=8090 cargo run

后端默认监听 0.0.0.0:8090（不设 PORT 时为 8080），仅提供 /api/*；前端静态资源在生产由反向代理（Caddy）托管。

4. 启动前端（Vite dev，`:5173`）

cd frontend
npm install
npm run dev       # http://localhost:5173 ，/api 自动代理到 http://localhost:8090

5. 构建产物

cd frontend
npm run build               # 产出网页静态资源 dist/
npm run tauri build         # 产出桌面安装包（macOS .dmg / Windows .exe）

✅ 测试

集成测试连接 .env 中的数据库，AI 链路用本地 Mock LLM，按官方建议串行执行：

cargo test -- --test-threads=1

📁 项目结构

.
├── Cargo.toml
├── migrations/
│   └── 0001_init.sql        # 建库脚本（users/sessions/tasks/task_templates/checkins + 仅一级子任务触发器）
├── src/                     # Rust 后端（Axum）
│   ├── main.rs              # 入口：连接池、启动调度器、启动 Axum
│   ├── lib.rs               # build_app：路由汇总（网页/测试共用）
│   ├── config.rs state.rs response.rs models.rs util.rs
│   ├── auth.rs              # 注册/登录/会话(Argon2)/改密
│   ├── tasks.rs             # 任务/子任务 CRUD、批量、任务组、排序、分页
│   ├── recycle.rs templates.rs checkin.rs user.rs data.rs
│   ├── ai.rs                # 解析/批量/改写/拆解/检索/早晚推荐/对话式 Agent（OpenAI 兼容）
│   └── scheduler.rs         # 模板自动生成后台调度
├── frontend/                # React + TS + Vite（网页与 Tauri 桌面共用）
│   ├── src/                 # pages / sections / components / api / store / styles
│   └── src-tauri/           # Tauri v2 桌面外壳
├── promo/                   # 宣传片素材与渲染工程
├── tests/integration_tests.rs
└── docs/                    # 需求/设计/API 总结文档

Anionex/TaskFlow