Ralphban

Ralphban je rozšíření pro Visual Studio Code, které převádí JSON soubory s úlohami do vizuální kanban tabule pro práci s LLM agenty. Projekt míří spíš na návrh, ladění a průběžnou kontrolu agentních workflow než na klasický projektový management. Zdrojový kód a README jsou dostupné na GitHubu.

Podle popisu projektu dává Ralphban smysl hlavně v těchto scénářích:

návrh a iterace task graphů pro LLM workflow
vizuální sledování stavu úloh a jejich průběhu
úpravy tasků bez ruční práce nad syrovým JSON
lepší orientace v dlouhotrvajících agentních bězích

README výslovně zdůrazňuje, že nejde o náhradu Jira nebo obecného kanban nástroje. Ralphban je spíš pracovní vrstva pro lidi, kteří staví vlastní harnessy, smyčky agentů nebo workflow kolem AI nástrojů.

Základní princip je jednoduchý: úlohy jsou uložené v JSON souboru a Ralphban z něj přímo vykreslí board. Změny provedené v UI se zapisují zpět do stejného souboru, takže nevzniká žádný skrytý stav mimo repozitář nebo pracovní adresář.

Ukázka jednoduchého task souboru z README:

[
  {
    "category": "backend",
    "description": "Design task execution loop",
    "steps": ["Define task state transitions", "Handle retries and failures", "Persist progress"],
    "status": "pending",
    "priority": "high",
    "passes": null
  }
]

Ralphban potom nad tímto souborem zobrazí sloupce podle stavu úloh a umožní s nimi pracovat vizuálně.

vizuální kanban board generovaný přímo z JSON task souborů
drag & drop přesun úloh mezi stavy
inline editace tasků bez rozbití struktury
realtime synchronizace mezi boardem a souborem
více boardů v jednom workspace
automatické hledání task souborů podle patternů
procentuální přehled dokončení
filtrování a vyhledávání podle kategorie, priority nebo popisu

README také uvádí, že dokončené úlohy nelze vrátit zpět do stavu pending. To odpovídá použití nástroje jako lehkého workflow logu, ne jako plně obousměrného task manageru.

Projekt navazuje na strukturu tasků popsanou v článku Effective Harnesses for Long-Running Agents, ale přidává několik vlastních polí pro praktičtější práci ve vizuálním boardu.

'status' — stav úlohy jako pending, in_progress, completed nebo cancelled
'priority' — priorita typu low, medium, high
'dependencies' — seznam tasků, na kterých daná úloha závisí
'passes' — může být true, false nebo null; při null se dokončení určuje přes status

Ukázka plného tvaru úlohy:

{
  "category": "backend",
  "description": "Design task execution loop",
  "status": "pending",
  "priority": "high",
  "steps": ["Define task state transitions", "Handle retries and failures"],
  "dependencies": ["Setup database schema"],
  "passes": null
}

README uvádí, že tasky jsou jednoznačně identifikované podle pole description.

Ralphban používá nastavení ve VS Code pro určení, které JSON soubory se mají považovat za boardy.

{
  "ralphban.filePatterns": ["**/*.prd.json", "**/tasks.json", "**/plans/**/*.json"]
}

K dispozici jsou i feature flagy:

{
  "ralphban.featureFlags.enablePercentageCounter": true,
  "ralphban.featureFlags.enableDragDrop": true,
  "ralphban.featureFlags.enableFilters": true
}

Prakticky to znamená, že lze poměrně snadno přizpůsobit, jaké task soubory Ralphban objeví a které části UI mají být aktivní.

Ralphban dává smysl hlavně tehdy, když už tasky existují ve strukturované JSON podobě a chybí nad nimi přehlednější vizualizace.

pokud agent nebo harness generuje úlohy do souborů
pokud je potřeba rychle vidět, co stojí, běží nebo je hotové
pokud je potřeba upravovat tasky bez ruční editace JSON
pokud se workflow staví kolem nástrojů jako OpenCode nebo jiných AI coding agentů

Naopak nedává moc smysl jako obecný týmový kanban pro netechnické uživatele. Celý návrh počítá s tím, že primárním zdrojem pravdy je soubor a uživatel chápe jeho strukturu.

README shrnuje filozofii projektu poměrně přímočaře: