OthmanAdi/planning-with-files

📌 讓 AI Agent 擁有記憶：用檔案持久化解決長任務的 Context 遺失問題

TL;DR：透過在磁碟維護規劃檔案，讓 AI 編碼 Agent 能在崩潰或 Context 遺失後快速恢復進度。

當 AI Agent 處理複雜的編碼任務時，最令人沮喪的莫過於因為 Context 視窗滿了、執行 /clear 或程式崩潰，導致 Agent 突然「失憶」，忘記目前執行到哪裡以及接下來要做什麼。

🧩 將規劃過程「實體化」為檔案

planning-with-files 提出了一套持久化的檔案規劃技能 (file-based planning skill)，不再將任務進度僅依賴於對話記憶體，而是直接在磁碟上維護三個關鍵檔案：

• task_plan.md：記錄整體任務規劃。
• findings.md：記錄執行過程中發現的資訊。
• progress.md：追蹤目前的執行進度。

這種設計讓 Agent 能夠在面對 Context 遺失或系統崩潰時，透過讀取這些檔案來生存並恢復工作狀態。

💡 v3.0.0 新增：自主模式與完成閘門

在最新的 v3.0.0 版本中，作者引入了兩種新模式以應對長時程 (long-running) 的 Agent 執行：

• 自主與閘門模式 (Autonomous and Gated modes)：提供可選擇開啟的執行選項。
• 完成閘門 (Completion gate)：這是一個關鍵機制，會將 Agent 攔截並持有，直到計畫真正完成為止，防止 Agent 在任務未完時提前結束。

🧩 標準化整合與社群擴充套件

該專案透過 SKILL.md 標準，可安裝於超過 60 種不同的 Agent 中。由於其設計靈活性，社群已衍生出多種擴充套件版本：

• 工作流最佳化：如 devis 引入面試優先 (Interview-first) 的工作流。
• 能力擴充套件：multi-manus-planning 增加多專案支援與 Git 同步；plan-cascade 實現多層級任務編排與平行執行。
• 特定場景：agentfund-skill 嘗試將里程碑託管引入 Agent 募資；openclaw-github-repo-commander 則將其用於七階段的 GitHub 倉庫審計與清理。

🎯 實務啟示

對於開發 AI Agent 的工程師來說，這提供了一個簡單且有效的「外部記憶」實作方案。與其嘗試不斷擴大 Context Window，不如將「狀態」與「邏輯」分離，將規劃狀態持久化在檔案系統中，能顯著提升 Agent 處理長任務的穩定性與可靠度。

🔗 來源

• 標題：planning-with-files
• 作者／機構：OthmanAdi
• 連結：https://github.com/OthmanAdi/planning-with-files

#AI #AIAgent #OpenSource #LLM #SoftwareEngineering #ContextWindow #Planning #CodingAssistant #GitHub #DeveloperTools