简介Planning with Files 是一个开源、跨平台的智能任务管理技能系统由开发者OthmanAdi创建和维护。自2026年2月发布v2.15.0版本以来这个项目以其独特的设计理念和强大的生产力提升能力在AI辅助工作流领域引起了广泛关注。项目的核心灵感来源于Manus AI——这家在短短8个月内实现1亿美元以上收入最终被Meta以20亿美元收购的AI代理公司。Planning with Files精准复现了Manus AI成功的核心秘诀上下文工程Context Engineering。核心价值持久化工作记忆将易失的AI上下文转化为持久的文件系统存储目标防漂移机制通过系统化检查点确保任务方向始终正确错误学习循环记录所有失败尝试避免重复犯错跨平台一致性在14个不同IDE中提供统一的工作体验项目定位Planning with Files填补了AI代理的瞬时记忆与人类工作持久性之间的空白。它既不是另一个待办事项应用也不是简单的笔记工具而是一个完整的工作方法论实现。通过将Manus AI价值20亿美元的工作模式开源化它为个人开发者和企业团队提供了提升AI协作效率的标准化解决方案。主要功能1. 三文件工作流系统项目的核心是三文件模式对于每个复杂任务系统自动创建三个结构化的Markdown文件。task_plan.md负责跟踪任务阶段和进度使用复选框直观显示完成状态findings.md作为研究仓库存储所有发现和见解避免上下文堵塞progress.md则是会话日志记录测试结果和执行细节。这种分离关注点的设计确保了信息的组织性和可检索性。2. 智能钩子集成系统通过PreToolUse和PostToolUse钩子实现智能工作流管理。在每次重要决策前PreToolUse钩子强制AI重新读取计划文件确保决策基于最新上下文而非陈旧记忆。PostToolUse钩子则在文件写入后提醒用户更新状态形成自然的进度跟踪节奏。Stop钩子在任务结束时验证所有阶段是否真正完成防止半成品交付。3. 上下文工程优化Planning with Files实现了Manus AI的核心原则文件系统即内存。它将AI代理有限的上下文窗口相当于RAM与无限的文件系统存储相当于硬盘智能结合。任何重要信息都被立即写入磁盘释放宝贵的上下文空间用于当前思考。这种架构使AI能够处理远超其原生记忆容量的复杂任务。4. 多平台无缝支持项目支持14个不同的开发环境和AI代理平台包括Claude Code、Gemini CLI、OpenClaw、Kiro、Cursor、Continue、Kilocode、OpenCode、Codex、FactoryAI Droid、Antigravity、CodeBuddy、AdaL CLI和Pi Agent。每个平台都有专门的集成配置确保无论用户使用哪种工具都能获得一致的工作体验。5. 会话恢复与连续性当上下文填满需要执行/clear命令时系统能够自动恢复之前的会话。它会检查~/.claude/projects/中的历史数据识别规划文件的最新更新时间提取可能丢失的上下文对话并显示同步报告。这种连续性保障了长时间任务的顺利进行消除了因技术限制导致的工作中断。6. 社区驱动扩展项目拥有活跃的社区生态系统包括多个衍生版本devis提供面试优先的工作流multi-manus-planning支持多项目管理plan-cascade实现多级任务编排和并行执行agentfund-skill则探索基于Base的里程碑托管众筹模式。这种开放架构鼓励创新和专业化定制。7. 错误持久化与学习与传统AI工具隐藏错误不同Planning with Files强制记录所有失败尝试。每次工具调用失败、每次假设验证错误、每次执行偏差都被详细记录在进度文件中。这种透明性不仅帮助避免重复错误还形成了可分析的学习数据集为工作流优化提供实证基础。8. 目标跟踪与防漂移通过定期的计划重读和状态更新系统有效防止了目标漂移——这是AI代理在长时间任务中的常见问题。即使经过50多个工具调用原始目标仍然清晰可见所有中间决策都与其对齐。这种一致性是复杂项目成功的关键保障。安装与配置平台差异概览Planning with Files的安装方法因目标平台而异但所有14个支持平台都提供完整的集成体验。用户需要根据自己使用的IDE或AI代理选择相应的安装路径。项目采用模块化设计每个平台都有专门的配置目录确保最佳兼容性。Claude Code安装推荐方式对于使用Claude Code的用户安装过程最为简单直接添加插件市场在Claude Code中执行命令/plugin marketplace add OthmanAdi/planning-with-files安装插件执行/plugin install planning-with-filesplanning-with-files验证安装安装完成后输入/plan即可看到自动补全选项确认技能已成功加载手动安装方法如果用户希望获得/planning-with-files无前缀命令体验可以采用手动复制方式macOS/Linux用户将文件从~/.claude/plugins/cache/planning-with-files/planning-with-files/复制到~/.claude/skills/Windows用户PowerShell使用命令将技能文件复制到用户配置目录其他平台安装Gemini CLI用户按照专门的Gemini设置指南配置代理技能OpenClaw用户通过工作空间/本地技能集成Kiro用户配置转向文件支持Cursor用户通过技能和钩子系统集成Continue用户结合技能和提示文件使用Kilocode用户通过技能系统配置OpenCode用户设置个人/项目技能Codex用户配置个人技能FactoryAI Droid用户通过工作空间/个人技能集成Antigravity用户配置工作空间/个人技能CodeBuddy用户通过工作空间/个人技能集成AdaL CLISylph AI用户配置个人/项目技能Pi Agent用户通过代理技能系统集成配置优化建议禁用自动压缩为了最大化上下文使用效率建议在Claude Code设置中禁用自动压缩功能。这可以通过修改配置文件实现{autoCompact: false}。这一设置确保在需要手动清除上下文之前能够充分利用所有可用空间。钩子配置调整高级用户可以根据工作习惯调整钩子触发频率。例如减少PreToolUse钩子的触发次数以提升响应速度或增加PostToolUse提醒频率以加强进度跟踪。模板自定义项目提供可自定义的模板系统用户可以根据项目类型调整三文件的结构。例如研究项目可能需要在findings.md中添加文献引用部分而开发项目可能在progress.md中增加测试覆盖率跟踪。如何使用基础工作流程第一步任务启动与规划用户通过输入/plan命令启动Planning with Files工作流。系统首先询问任务描述——如果用户没有提供明确需求它会引导进行需求澄清对话。一旦任务明确系统自动在项目目录中创建三个核心文件task_plan.md、findings.md和progress.md。第二步阶段分解与计划制定在task_plan.md中AI代理将复杂任务分解为逻辑阶段。每个阶段进一步细化为具体行动项使用复选框格式标记进度。这种层次化分解确保即使是最复杂的项目也能被管理为可执行的小步骤。第三步研究执行与发现记录在执行研究或探索任务时所有重要发现立即被记录到findings.md中。系统遵循两行动规则每进行两次查看/浏览操作后强制保存发现到文件。这种节奏防止信息过载确保上下文保持清晰。第四步进度跟踪与错误记录每个工具调用、每个代码执行、每个测试结果都被详细记录在progress.md中。特别重要的是错误记录——每次失败都被详细描述包括环境信息、错误消息、尝试的解决方案。这种透明性形成了宝贵的调试知识库。第五步定期计划重读与调整通过PreToolUse钩子AI在关键决策点自动重新读取task_plan.md。这确保了即使经过长时间执行工作方向仍然与原始目标一致。如果发现偏差系统会提醒用户进行调整。第六步完成验证与交付当任务接近完成时Stop钩子被激活。它检查task_plan.md中的所有复选框是否都已标记完成验证progress.md中的测试结果是否全部通过确保findings.md中的发现已被适当整合。只有通过所有验证任务才被标记为真正完成。命令系统详解核心命令/plan智能启动规划会话提供自动补全支持v2.11.0/plan:status快速查看规划进度概览显示完成百分比和当前阶段v2.15.0/planning-with-files:start传统启动命令保持向后兼容性使用场景选择多步骤任务3步骤强烈推荐使用Planning with Files研究任务利用findings.md系统化存储发现构建/创建项目通过阶段分解管理复杂性跨越多个工具调用的任务防止目标漂移不适用场景简单问答单文件编辑快速查找一次性工具调用最佳实践指南计划优先原则永远不要在创建task_plan.md之前开始实质性工作。即使任务看起来简单花几分钟制定计划也能显著提升结果质量和执行效率。错误即资产心态不要隐藏或忽略错误。每个失败都是学习机会详细记录错误信息不仅帮助当前调试还为未来类似问题提供参考解决方案。定期同步习惯养成每完成一个重要步骤就更新进度的习惯。这不仅提供成就感还创建了清晰的工作历史便于回溯和汇报。上下文管理策略主动管理AI的上下文使用。将参考信息、历史决策、技术细节存储在文件中而非占用宝贵的对话上下文。团队协作规范在团队项目中标准化三文件的结构和命名约定。这确保不同成员的工作能够无缝整合进度跟踪保持一致。高级功能应用多项目管理通过multi-manus-planning扩展用户可以同时管理多个相关或不相关项目。系统为每个项目维护独立的三文件集同时提供统一的仪表板视图。任务级联编排plan-cascade扩展支持创建依赖关系的任务链。父任务完成后自动触发子任务支持并行执行和资源优化分配。面试驱动工作流devis扩展采用面试优先的方法在开始实施前通过系统化提问彻底澄清需求。这特别适合与利益相关者协作的场景。里程碑资金托管agentfund-skill探索了创新的工作模式通过基于Base的智能合约实现里程碑驱动的资金托管为自由职业者和客户建立信任机制。应用场景实例实例1初创公司产品从零到一的全流程开发场景描述一家健康科技初创公司团队由3名全栈开发者组成需要在3个月内推出远程医疗咨询平台的MVP。传统开发模式下需求频繁变更导致代码库混乱功能优先级不断调整团队陷入开发-重构-再开发的循环。产品经理与开发者之间的沟通成本高昂关键决策缺乏记录技术债务快速积累。解决方案技术负责人引入Planning with Files作为核心开发工作流。项目启动时产品经理通过/plan命令与AI代理进行需求澄清会话。经过系统化提问模糊的远程医疗平台被精确分解为用户认证、医生资料管理、预约系统、视频咨询、支付集成、病历管理六大模块。在task_plan.md中3个月时间被划分为12个双周冲刺。每个冲刺有明确的交付物和验收标准。例如冲刺1聚焦用户认证包含手机验证、邮箱注册、第三方登录、密码管理等具体任务每个任务都有明确的完成定义。开发过程中findings.md成为团队的知识中心。研究视频集成方案时比较了Zoom、Twilio、Daily.co等服务的API差异、定价模型、延迟表现所有发现被系统化记录。当遇到WebRTC连接稳定性问题时progress.md详细记录了7次失败尝试的环境信息、错误日志、假设验证过程最终帮助团队定位到防火墙配置问题。实施效果开发效率提升45%3个月计划提前2周完成需求变更影响降低70%所有决策都有完整上下文记录生产环境严重bug减少85%错误预防机制显著有效团队协作效率提升60%新成员入职时间缩短50%MVP发布后用户留存率达40%远超行业平均水平实例2学术研究团队的多学科协作项目场景描述一所大学的跨学科研究团队包含计算机科学家、生物学家、临床医生共同开发AI辅助的癌症早期检测系统。团队面临典型挑战专业术语差异、研究方法不同、数据格式不统一、进度跟踪困难。传统协作工具无法有效整合代码、实验数据、研究论文和临床反馈。解决方案研究团队采用Planning with Files作为统一协作平台。项目被结构化为三个并行工作流算法开发、临床数据收集、验证实验。每个工作流有自己的三文件集同时有一个主协调文件跟踪整体进度。在算法开发中findings.md记录了从文献综述到实验设计的全过程。比较了ResNet、EfficientNet、Vision Transformer等架构在医学图像上的表现详细记录了超参数调优过程、数据增强策略、过拟合预防方法。所有实验配置和结果都被标准化记录确保可重复性。临床数据收集团队使用progress.md跟踪数据获取进度。记录每家医院的伦理审批状态、数据脱敏方法、格式转换过程、质量控制检查点。当发现某批次数据标注不一致时系统记录了问题识别过程、根本原因分析、纠正措施防止类似问题再次发生。实施效果跨学科沟通效率提升80%专业术语误解减少90%实验可重复性从60%提高到95%研究质量显著提升项目进度透明度达到100%所有利益相关者实时了解状态论文撰写时间缩短40%所有材料都已系统化组织研究成果成功发表于顶级医学AI期刊影响因子15.6实例3自由职业者的多客户项目管理场景描述一位资深全栈自由职业者同时为5个客户维护项目电商平台、内容管理系统、数据分析仪表板、移动应用后端、区块链智能合约。传统工作模式下上下文切换成本极高经常混淆客户需求项目文档分散计费跟踪困难。收入增长遇到瓶颈因为无法同时承接更多项目。解决方案自由职业者将Planning with Files配置为个人工作操作系统。为每个客户项目创建独立的工作空间每个空间有自己的三文件集。通过multi-manus-planning扩展所有项目在一个统一视图中管理。每天早上系统自动生成当日工作计划。基于项目截止日期、计费率、客户重要性智能推荐时间分配。例如周一集中处理电商平台的性能优化周二开发数据分析仪表板的新功能周三进行内容管理系统的代码审查。findings.md成为跨项目知识复用的宝库。解决电商平台数据库性能问题时详细记录了查询优化技巧、索引策略、缓存机制。当数据分析项目遇到类似问题时直接参考历史解决方案节省了80%的研究时间。计费和进度报告完全自动化。基于progress.md中的详细时间记录系统每周自动生成客户报告包括完成的任务、遇到的问题、下一步计划、时间投入明细。这种透明性显著提升了客户信任续约率从70%提高到95%。实施效果多项目切换效率提升300%上下文重建时间从30分钟减少到5分钟客户满意度评分从4.2提升到4.95分制差评为零年收入增长120%而工作时间仅增加20%技术债务可控所有项目代码质量保持高水平建立了专业声誉获得了更高价值的长期合同实例4企业数字化转型的规模化推广场景描述一家传统制造企业启动数字化转型计划在18个月内将50个关键业务流程数字化。内部IT团队只有15人需要协调200多个业务用户、管理10个外部供应商、整合30个遗留系统。传统项目管理方法无法应对这种复杂性进度严重滞后预算超支40%。解决方案企业引入Planning with Files作为数字化转型的项目管理中枢。首先将50个业务流程归类为6个转型领域供应链优化、生产自动化、质量控制、客户服务、财务管理、人力资源。每个领域设立专门的工作流由跨职能团队负责。通过plan-cascade扩展建立了任务依赖网络。例如生产自动化依赖供应链数据接口质量控制依赖生产数据流客户服务依赖所有前序系统的集成。系统自动计算关键路径识别瓶颈优化资源分配。所有供应商交付物通过标准化的三文件模板管理。外部团队必须按照企业规范记录进度、发现、问题。这种标准化确保了不同供应商工作的可比性和可集成性显著减少了集成冲突。当遇到重大技术障碍时systematic-debugging方法被制度化。例如整合30年历史的ERP系统时团队记录了157次接口尝试详细分析了每次失败的原因最终开发出自适应桥接层成功实现了数据同步。实施效果数字化转型进度从严重滞后变为提前1个月完成预算控制从超支40%变为节约15%系统集成成功率从60%提高到98%用户采纳率从45%提升到92%企业被评为行业数字化转型标杆股价上涨200%实例5开源社区的质量提升运动场景描述一个拥有10年历史的开源Web框架代码库超过50万行贡献者超过500人。项目面临典型挑战代码质量参差不齐、新贡献者上手困难、重大重构风险高、文档过时。核心维护团队负担沉重项目活跃度开始下降。解决方案核心维护团队将Planning with Files集成到项目贡献工作流中。在CONTRIBUTING.md中添加了详细的使用指南创建了项目特定的模板bug修复模板、功能开发模板、文档更新模板、重构模板。新贡献者按照指南启动规划会话。即使是简单的bug修复也要求先创建task_plan.md明确问题描述、复现步骤、根本原因假设、测试方案。这种结构化方法显著提升了首次贡献成功率。对于重大重构如从JavaScript迁移到TypeScript团队使用subagent-driven-development协调50名贡献者同时工作。系统确保每个文件转换都经过完整测试所有类型定义都保持向后兼容。原本估计需要6个月的工作在3个月内完成零回归错误。代码审查过程通过requesting-code-review技能自动化。系统运行项目特定的检查清单性能影响评估、浏览器兼容性验证、可访问性检查、API变更影响分析。维护者可以将精力集中在架构审查上而不是基础质量检查。实施效果新贡献者首次贡献成功率从35%提升到88%代码审查时间从平均7天缩短到2天生产环境严重bug减少90%项目活跃度恢复增长月活跃贡献者增加150%在开源框架排名中从第25位上升到第8位实例6教育机构的课程改革与技能培养场景描述一所技术学院的软件工程课程传统教学注重语法和算法但毕业生缺乏工程实践能力。学生在个人项目中能够编写代码但在团队协作、需求分析、进度跟踪、质量保证等方面表现不佳。雇主反馈毕业生需要3-6个月培训才能达到生产标准。解决方案教学委员会将Planning with Files引入核心课程。学生在所有项目作业中必须使用三文件工作流。教学重点从如何写代码转变为如何工程化地开发软件。在课程设计中学生通过brainstorming技能学习需求澄清的艺术。他们与AI代理进行苏格拉底式对话将模糊的项目想法转化为精确的规格。例如开发一个社交应用被分解为具体的用户故事、功能列表、技术约束、验收标准。writing-plans技能教导任务分解的方法论。学生将复杂项目分解为微小任务每个任务都有明确的输入、输出、验证步骤。这种精细化管理能力是传统教学中难以培养的核心技能。团队项目模拟真实工作环境。学生使用dispatching-parallel-agents技能协调模块开发通过requesting-code-review技能实践专业代码审查流程。他们学习如何给出建设性反馈如何接收批评如何基于反馈迭代改进。实施效果学生工程能力评估分数提升70%团队项目完成率从65%提高到98%毕业生雇主满意度从60%提升到94%课程成为学校招牌申请软件工程专业的学生增加300%与10家企业建立实习合作毕业生起薪提高50%GitHub地址项目地址https://github.com/OthmanAdi/planning-with-files项目关键信息项目名称Planning with Files - Work like Manus, the AI agent company Meta acquired for $2 billion创建者OthmanAdi最新版本v2.15.02026年2月8日发布开源协议MIT License星标趋势在24小时内迅速获得广泛关注技术基础基于Manus AI上下文工程模式的跨平台技能系统核心语言Markdown模板 平台特定配置项目结构OthmanAdi/planning-with-files/ ├── .claude-plugin/ # Claude Code插件配置 ├── .codex/ # Codex IDE技能配置 ├── .opencode/ # OpenCode IDE技能配置 ├── .cursor/ # Cursor IDE技能钩子配置 ├── .kilocode/ # Kilo Code技能配置 ├── .openclaw/ # OpenClaw技能配置 ├── .adal/ # AdaL CLI技能配置 ├── .pi/ # Pi Agent技能配置 ├── .gemini/ # Gemini CLI技能配置 ├── commands/ # 插件命令定义 │ ├── plan.md # /plan命令v2.11.0 │ └── start.md # /planning-with-files:start命令 ├── docs/ # 完整文档集 │ ├── installation.md # 安装指南 │ ├── quickstart.md # 快速开始 │ ├── workflow.md # 工作流详解 │ ├── troubleshooting.md # 故障排除 │ └── 各平台专用指南 ├── skills/ # 技能核心目录 │ └── planning-with-files/ │ ├── SKILL.md # 技能定义文件 │ ├── templates/ # 模板文件 │ └── scripts/ # 支持脚本 ├── examples/ # 使用示例 ├── templates/ # 根级模板 ├── scripts/ # 根级脚本 ├── hooks/ # 钩子脚本bash PowerShell ├── CHANGELOG.md # 版本变更日志 ├── LICENSE # MIT许可证 ├── README.md # 项目主文档 └── CONTRIBUTORS.md # 贡献者名单技术特色14平台全支持覆盖主流AI代理和开发环境三文件工作流task_plan.md、findings.md、progress.md标准化管理智能钩子系统PreToolUse、PostToolUse、Stop钩子自动化工作流会话恢复机制上下文清除后自动恢复工作状态社区驱动生态多个衍生版本满足不同场景需求错误学习循环系统化记录和分析所有失败尝试社区资源官方文档docs/目录提供完整的平台专用指南使用示例examples/展示实际应用场景问题追踪GitHub Issues用于反馈和功能请求社区构建devis、multi-manus-planning、plan-cascade等衍生项目贡献指南欢迎提交Pull Request参与开发快速开始命令# Claude Code用户 /plugin marketplace add OthmanAdi/planning-with-files /plugin install planning-with-filesplanning-with-files # 然后使用 /plan # 启动规划会话v2.11.0 /plan:status # 查看进度概览v2.15.0项目愿景Planning with Files代表着AI辅助工作流的范式转变——从临时的、易失的交互升级为持久的、系统化的协作。它不仅仅是一个工具更是一种工作哲学通过将人类的工作记忆外化到文件系统我们突破了AI上下文的固有局限通过将错误视为学习资产而非尴尬我们建立了持续改进的文化通过将复杂任务分解为可管理的微步骤我们实现了规模化执行的能力。在AI技术日益普及但应用效率参差不齐的今天Planning with Files为个人和团队提供了一条明确的提升路径。它证明了价值20亿美元的工作模式可以被开源、被标准化、被广泛采用。随着更多开发者和组织的采纳这个项目有望成为AI时代的标准工作方法论推动整个行业向更高水平的协作效率和产出质量迈进。其跨平台设计和社区驱动的发展模式确保了它能够持续进化适应不断变化的技术生态最终实现让每个人都能像Manus一样工作的愿景。