先思后建 · 任务规划
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 @user_15292d5a/yjkj-holbot-plan。
技能介绍
问题：复杂任务一上来就写代码
Agent 或结对编程里，常见失败模式是：需求还没拆清就开始改文件，依赖和顺序事后才补，测试标准缺失，最后返工。holbot-plan 对应的是 先定义 HOW，再执行——/plan 只产出结构化实施方案，不替你做实现。
/plan 如何工作
触发方式包括口语如「plan this」「create a plan」「break this down」「wie sollten wir vorgehen」，或直接调用 /plan；深化时用「deepen the plan」/「Plan vertiefen」。
工作流分阶段：
- Phase 0：澄清输入与范围；无任务则问「要规划什么」；输入模糊时最多 1～2 个澄清问题；直接
/plan时一律进入规划，不以「这不是规划任务」拒绝。 - Phase 1：读工作区代码与文档，必要时查
MEMORY.md里的历史计划，外部依赖可做 Web 检索。 - Phase 2：写出带固定章节的结构化计划（依赖、顺序、文件/工具/责任、每特性的测试与验收、为决策留口子而非伪代码堆砌）。
- Phase 3：展示计划、收集反馈；可按需保存到
plans/YYYY-MM-DD-[slug].md；deepen 时对每个 Section 启子 Agent 补实现细节、测试与边界情况再合并。
质量上要求：问题框与范围边界清楚、需求可追溯、仓库相对路径、决策有理由、每个承载特性的单元有测试场景、依赖与顺序明确。
边界与注意点
| 适合 | 不适合 |
|------|--------|
| 多步骤、有依赖的改造 | 用 /plan 当实现 shortcut |
| 需要先对齐验收再动手 | trivial 小事却写成长篇计划 |
小改动应写 compact plan；计划应在 Review 阶段停下来等反馈，不要单方面「定稿」。灵感来自 ce-plan，面向 OpenClaw/HolBot 类 Agent 工作流做了适配。
使用场景
- 多模块重构前，用 `/plan` 列出步骤顺序、会改哪些文件、模块间依赖，以及每块功能的测试/验收标准，再进入实现。
- 跨 API、前端、数据层的功能立项时，让 Agent 只产出 HOW：工具分工、执行顺序和可追溯需求，避免一上来就改仓库。
- 初版计划过粗、评审前需要对某一节补细节时，触发「deepen the plan」，按 Section 深化实现要点、边界与缺失测试。
- 工作区里已有代码与 `MEMORY.md` 历史计划，规划新需求时先检索上下文与文档，再输出带范围边界的结构化方案。
适合人员
- 维护 OpenClaw/HolBot 类 Agent、希望执行前必须先有书面 HOW 的集成者
- 负责跨层交付的技术负责人，需要可评审的步骤、责任划分与验收清单，而不是对话里直接堆补丁
- 接到模糊重构或迁移指令的工程师，要把范围、仓库相对路径和决策理由写清再开工
- 在 Agent 对话里混用中英文或德文规划触发语（如 create a plan、erstelle einen Plan）的日常使用方
相关技能
为 OpenClaw 接入 Revenium：本地 cron 写护栏状态，超硬限 halt、触警 warn-and-ask，并强制任务分类与作业生命周期上报。
主编调度与意图识别路由六大专业客服 Agent，覆盖订单、产品、投诉、售后、物流与优惠咨询。
面向 Windows 的桌面自动化 AI 代理，提供微信、ToDesk 等预设流程，并支持自然语言规划与安全限步执行。
Hal Stack 下的主动式自进化 Agent 架构：预判需求、WAL 与 Working Buffer 抗上下文丢失，含压实恢复与安全护栏。