Agent Skills
返回列表
🤖

文件持久化规划

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-planning-with-files。

技能介绍

问题在哪

长链路 Agent 任务最容易丢的是两样东西:多模态浏览结果(截图、PDF、页面结构)和跨多轮工具调用的决策上下文。默认只靠对话窗口时,阶段目标容易被新一轮检索淹没,同一类错误还会被静默重试。

技能如何工作

本技能借鉴 Manus 思路:把持久 Markdown 文件当作「磁盘上的工作记忆」,规划文件放在你的项目根目录,而不是技能安装目录。

核心 trio:

  • task_plan.md — 阶段划分、进度、决策与全部错误记录
  • findings.md — 调研与发现,遵守 2-Action Rule:每约 2 次 view/browser/search 就把要点落盘
  • progress.md — 会话日志、测试结果、改了哪些文件

开工前先查上一会话是否有未同步上下文(v2.2.0 的 catchup):有则 git diff --stat、读现有规划文件、更新后再动手。复杂任务必须先建 task_plan.md;重大决策前重读计划;每完成一阶段标记 in_progress → complete 并记错。另有 Read vs Write 决策矩阵 与 5-Question Reboot Test(我在哪一阶段、剩余阶段、目标、学到什么、已做什么)用于断点恢复。

辅助脚本包括 init-session.sh、check-complete.sh、session-catchup.py;模板在技能目录的 templates/ 下,复制到项目使用。

适用边界

适合 3 步以上的多步任务、调研、搭建项目、工具调用密集且需要组织的活。不必用于简单问答、单文件小改、一次性快查。反模式包括:用 TodoWrite 替代文件持久化、在技能目录里建规划文件、隐瞒错误反复同一招。

使用场景

  • 跨多轮搜索与读文档做技术选型,需要把结论写入 `findings.md` 以免上下文挤爆
  • 在仓库里分阶段重构模块,用 `task_plan.md` 标阶段并在每阶段后更新进度与报错
  • 中断一天后继续同一 Agent 会话,先跑 catchup 并结合 `git diff --stat` 对齐代码与规划文件
  • 边浏览页面边摘要点,严格执行每两次浏览/搜索就把关键发现落盘

适合人员

  • 维护大型单体或微服务、重构需分阶段验收且不重复踩坑的后端工程师
  • 做竞品与论文调研、工具调用多且要可追溯结论的 AI 应用或 Agent 集成开发者
  • 用 Claude/Cursor 等助手长时间改同一仓库、需要断点续作与错误台账的技术负责人
  • 把 Manus 式「先规划再执行」流程落地到自有项目目录的实践者