一句话看懂：开发者 Med Marrouchi 基于 Hexabot 框架，将 Slack 消息直接转化为 AI 驱动的软件开发工作流——从需求澄清、代码编写、测试到发起 GitHub 拉取请求，全程无需离开聊天界面。该项目已开源，展示了 AI Agent 深度嵌入开发协作流程的可行性。
事件核心：发生了什么
在 DEV 社区的“热情挑战”项目中，软件工程师 Med Marrouchi 发布了名为 Slack2PR 的开源工具。其核心能力是：用户在 Slack 中 @提及机器人并描述一个功能需求或 Bug 后，AI 能够依次执行意图分类（区分开发、Bug 修复还是代码问答）、需求访谈、组件规划、逐模块编码、单元测试编写与执行、创建 Git 分支并最终提交 Pull Request，并将 PR 链接返回至原 Slack 线程。整个工作流由 Hexabot 的 YAML 编排管理，底层使用 Google Gemini 进行语义理解和编码，TanStack AI Sandboxes 提供隔离的 Docker 开发环境，OpenCode 作为代码执行框架。一个关键设计是工作流被拆解为多个明确阶段，而非一次性超大提示，使得过程可观察、可干预、可优化。
为什么重要
Slack2PR 是“AI Agent 深入协作流程”的一次有说服力的实践。当前多数 AI 编码助手停留在独立对话框内，用户需要手动复制粘贴代码或描述上下文。而该项目将 Agent 从“副驾驶”角色提升为“可协作的队友”，直接参与软件开发中的闭环任务——从想法到可审查代码。此外，它的工作流拆分策略（意图分类、需求访谈、分阶段实现）提供了一种工程化思路：让 AI 在可控管线中运行，而非交给单一大模型全权决定。这对希望在企业内部署 AI Agent 的团队具有参考价值，尤其是对任务可观察性和失败回滚有要求的工程团队。
对用户/开发者/创作者的影响
对于开发者和 DevOps 团队，Slack2PR 提供了一个可直接复用的模板：只需配置 Slack 频道、GitHub 仓库和 AI 模型（兼容 Gemini、Claude Code、Codex 等），即可将日常 Slack 中的讨论直接转化为代码变更，减少从沟通到实现之间的转写成本。对于使用 Hexabot 的开发者，该项目的 YAML 工作流定义可以作为构建类似自动化的参考。对于 AI 应用创作者，Slack2PR 的设计思路——把 Agent 嵌入已有协作工具、而不是创建新工具——是一条值得关注的用户路径。但需要注意，目前公开信息显示沙箱生命周期管理（如长时间不回复、仓库状态是否过期等）仍有待讨论，社区提问已指出“三天后仓库主分支可能已变更”的风险。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，项目在 DEV 社区获得较多关注后，是否会被实际部署到开发团队日常工作中、出现更多基于真实仓库的反馈，值得跟踪。其次，Slack2PR 的技术报告提到所有适配器（TanStack AI）实现了可互换设计，后续若出现对 Claude Code 或 Codex 的具体对比实测，会对 Agent 选型产生参考价值。第三，沙箱回收及仓库同步策略的改进——比如是否在每次执行前自动拉取最新代码——将直接影响该工具在大团队、长周期协作场景下的可靠性。
来源：dev.to
