Planning with Files

Meta 刚刚以 20 亿美元 收购了一家成立仅 8 个月的 AI 智能体公司——Manus。这家公司从零做到年化收入超 1 亿美元，其核心秘诀并非某种神秘算法，而是一种被称为 “上下文工程”（Context Engineering）的工作流设计。

如今，这一被验证有效的模式已通过一项开源技能 Planning with Files 落地于 Claude Code，让普通用户也能复现 Manus 的高效协作逻辑。

为什么大多数 AI 智能体“健忘”？

当前主流的 AI 智能体（包括 Claude Code）在处理复杂任务时，普遍存在以下问题：

• 易失性记忆：上下文一旦重置，之前创建的待办清单或中间成果就会消失；
• 目标漂移：经过数十次工具调用后，原始任务目标容易被“稀释”或遗忘；
• 错误不可追溯：失败的操作未被记录，导致相同问题反复出现；
• 上下文爆炸：为避免遗忘，用户或智能体会不断把信息塞进上下文，最终超出模型处理能力。

这些问题在多步骤、长周期任务中尤为致命。

Manus 的解法：用文件系统代替“脑内记忆”

Manus 的核心理念非常朴素却高效：

“Markdown 是我在磁盘上的‘工作记忆’。 由于我以迭代方式处理信息，且活动上下文有限，Markdown 文件便成了我的草稿本、进度检查点和最终成果的构建模块。”

受此启发，Planning with Files 技能在 Claude Code 中实现了“三文件工作流”：

task_plan.md      → 跟踪任务目标与阶段进度  
notes.md          → 存储研究过程、中间发现与原始素材  
[deliverable].md  → 生成最终交付成果（如报告、代码、摘要等）

工作流四步循环

1. 规划：创建 task_plan.md，明确目标与分阶段步骤；
2. 研究：将信息存入 notes.md，并在 task_plan.md 中打勾更新进度；
3. 产出：基于 notes.md 内容生成交付物，并标记任务完成；
4. 交付：输出最终成果，保留全过程记录供复盘或迭代。

关键设计：在每次关键决策前，智能体会主动读取 task_plan.md，确保目标始终处于“注意力窗口”内。这正是 Manus 能稳定处理 50+ 工具调用 而不失焦的核心机制。

安装与启用

方式一：命令行安装（推荐）

cd ~/.claude/skills          # macOS / Linux
# 或
cd %USERPROFILE%\.claude\skills  # Windows

git clone https://github.com/OthmanAdi/planning-with-files.git

方式二：手动安装

1. 从 GitHub 仓库 下载 planning-with-files 文件夹；
2. 放入上述技能目录即可。

安装后，该技能将在以下场景自动激活：

• 您开始一个复杂任务；
• 提及“规划”“组织”“跟踪进度”等关键词；
• 请求结构化输出（如“写一份调研报告”）。

实际效果示例

用户输入：

“研究 TypeScript 的优势并撰写一份摘要。”

Claude 自动创建 task_plan.md：

# 任务计划：TypeScript 优势研究

## 目标
创建一份关于 TypeScript 优势的研究摘要。

## 阶段
- [x] 阶段 1：创建计划 ✓
- [ ] 阶段 2：研究并收集来源（当前阶段）
- [ ] 阶段 3：综合发现
- [ ] 阶段 4：交付摘要

## 状态
**当前处于阶段 2** - 正在搜索来源

随后，它将逐步填充 notes.md，更新计划进度，并最终输出 typescript-benefits-summary.md。

背后的上下文工程原则

何时使用？何时跳过？

✅ 建议使用：

• 多步骤任务（≥3 步）
• 学术或技术调研
• 项目构建（如写文档、开发工具）
• 需跨多次会话完成的任务
• 需要清晰过程留痕的工作

❌ 无需使用：

• 简单问答（如“Python 如何读取文件？”）
• 单文件微调
• 快速信息查询