Planning-with-Files3 个 Markdown 文件让 AI 代理的计划在 /clear 之后依然存活【免费下载链接】planning-with-filesPersistent file-based planning for AI coding agents and long-running tasks. Crash-proof markdown plans, session recovery after /clear and compaction, per-turn re-injection against context rot, deterministic completion gate. Manus-style. Install from npm, the Claude Code plugin marketplace, or npx skills. Codex, Cursor, OpenCode, 60 agents.项目地址: https://gitcode.com/GitHub_Trending/pl/planning-with-files代理跑到第 12 步忘了第 2 步的结论一次 /clear 之后连最初的目标都丢反过来让你重新描述任务。这是长任务里最常见的抱怨。planning-with-files 用一招解决它把目标、发现、进展写进 3 个 Markdown 文件每轮重新注入让持久化记忆落在磁盘上。它解决什么问题长任务与上下文丢失没有它计划只活在上下文窗口里。窗口一满/clear 或压缩一发生全没了代理重读整个仓库让你复述目标把已经犯过的错再犯一遍。有了它计划落在磁盘上目标、阶段状态、错误记录都在文件里每一轮重新注入对话再长原始目标也还在模型的注意力窗口里。更关键的是错误持久化每个错误连同尝试次数和解决方案写进文件同一个坑不会踩第二次每次决策前重读计划目标就不会漂移。核心机制3 个文件做出 AI 代理的持久化记忆核心设计决策只有一个用文件系统替代上下文窗口做记忆。类比很直接——上下文窗口是 RAM一断电就丢文件系统是磁盘。代理干活的每一步凡是重要信息先写进磁盘再在每一轮读回来。项目目录里落盘的恰好就是这三个文件your-project/ ├── task_plan.md # 阶段计划与勾选框/clear 后的恢复点 ├── findings.md # 研究发现与技术决策随做随追加 └── progress.md # 会话日志与测试结果三个文件分工明确task_plan.md 管阶段状态findings.md 只收发现与决策progress.md 是事情发生的时间线。其余机制各一句话带过UserPromptSubmit、PreToolUse 等钩子每轮自动重新注入计划不用人工维护SHA-256 认证锁定 task_plan.md被篡改的计划不会注入并行任务隔离在 .planning/日期- / 子目录避免两个会话互写文件gated 模式下Stop 门在阶段没完成时不让会话停。上手从安装到第一次跑通计划最短路径是两条命令。npm 包里带着 SKILL.md、scripts 和 templates还能把版本钉进项目npm install planning-with-files sh scripts/init-session.sh 把 Django 3.2 迁到 4.2跑完你会在项目根目录看到三个新文件task_plan.md、findings.md、progress.md阶段已经分好等你填细节。初始化脚本在 scripts/init-session.sh并行任务传个 slug 参数会自动落到独立计划目录。多平台兼容一句话skill 走 Agent Skills 开放标准分发覆盖 Claude Code、Codex、Cursor、GitHub Copilot、OpenCode 等 60 代理Claude Code 走插件路线还能额外拿到斜杠命令和完整钩子集。 两个设计取舍文件化计划与注入策略我挑了两个最有讨论价值的设计选择。一是 Markdown 而不是 JSON。我觉得这个 trade-off 在 90% 场景下是划算的LLM 天然会读会写 Markdown人也能直接看、直接 diff计划跑偏了你手动改文件就行。代价是没有强 schema 校验完成门只能用 grep 匹配固定状态词——所以官方语言变体刻意保留英文状态词翻译了就坏门。二是每轮注入还是按需注入。默认计划每轮重注入目标漂移基本为零代价是令牌开销。v3 的自主模式--autonomous砍掉逐次复述强模型只在会话开始时拿一次计划注入省了令牌效果仍在。代价是弱模型的连续性保证变弱——跑弱模型就留在默认模式。实测效果两组最有说服力的数字官方评估用的是 Anthropic 的 skill-creator 框架。带 skill 的客观断言通过率 96.7%29/30不带只有 6.7%3 场盲测 A/B 全赢平均分 10.0 对 6.8。另一组是恢复基准进度跑到一半时硬停磁盘上有计划文件的新会话平均 5.0 轮重新开工裸代理要 13.3 轮。差的不是正确性是重新定位的成本。适合谁用什么时候别用适合3 步以上、5 次以上工具调用的多步任务需要跨越 /clear 和压缩的长会话。不适合一次性的简单指令和纯聊天问答上三个文件是杀鸡用牛刀安装路线不支持钩子的话重注入和完成门都失效它就只剩一套模板文件。下一步两个延伸docs/evals.md 有完整评估方法论和原始数据想跑长任务看 docs/long-running-agent-tasks.md把门控模式和自主模式各挑一个放到真实任务上试。【免费下载链接】planning-with-filesPersistent file-based planning for AI coding agents and long-running tasks. Crash-proof markdown plans, session recovery after /clear and compaction, per-turn re-injection against context rot, deterministic completion gate. Manus-style. Install from npm, the Claude Code plugin marketplace, or npx skills. Codex, Cursor, OpenCode, 60 agents.项目地址: https://gitcode.com/GitHub_Trending/pl/planning-with-files创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考