📌 项目地址：OthmanAdi/planning-with-files | ⭐ 22,306 颗星 | 🔧 Python | 📜 MIT
用过Claude Code或GitHub Copilot的开发者都遇到过：聊到一半，清空上下文、切换会话、或者终端崩溃，AI就忘了之前定下的计划、发现的依赖、做到哪一步。这不是某个产品的缺陷，是聊天窗口的物理限制——它不保存中间状态。
Meta花2亿美元收购的Manus，核心卖点就是让AI记住工作进度。OthmanAdi/planning-with-files 用三个 Markdown 文件实现了类似的机制，项目在不到24小时内获得2.2万星。它不是一个独立工具，是一个skill配置，通过SKILL.md标准适配60多种AI编码代理（Claude Code、Copilot、Cline等）。不需要额外服务，不需要数据库，依赖你项目文件夹里三个纯文本文件。
三份文件，记录计划的完整生命周期
在项目根目录创建：
task_plan.md—— 存放任务列表，每个任务带状态：待办、进行中、完成。findings.md—— 记录过程中发现的信息：依赖关系、技术约束、决策理由。progress.md—— 记录当前执行进度：正在做哪一步，下一步是什么，有什么阻碍。
每次新的AI会话启动，agent读取这三份文件，还原出之前的所有上下文。会话中agent会持续更新这些文件。你即使关闭终端再打开，agent也能知道“上回做到第三步，第四步因为依赖没装暂停了”。这些文件可以用Git管理，对比版本差异。人类也能直接修改文件内容——觉得AI规划不合理，改文件比用自然语言说服它快得多。
v3.0.0：长时间运行的两种新模式
2025年4月发布的v3.0.0增加了两个可选模式，默认关闭，不影响老用户。
- 自主模式：agent自动执行每一步，不会暂停问用户“是否继续”。适合批处理或数据同步等无监督任务。
- 门控模式：agent必须完成plan里所有步骤才能返回控制权。如果中途有步骤失败，agent不会自己跳到别的任务，而是等待你处理。门控保证在计划真正完成之前，agent不会“跑路”。
两个模式独立开关。我试下来，短任务不需要门控，但自动化pipeline或批量修改时门控模式很重要——它保证AI不会在完成之前就跳出去做别的事。
安装：一条SKILL.md就够了
项目通过SKILL.md标准封装。你把仓库根目录的SKILL.md放到你的项目根目录或代理配置目录，下次启动代理它会自动检测。不需要pip install，不需要改配置文件，只要你的代理支持SKILL.md标准（目前60多种都支持）。具体到你的代理怎么引用外部技能，看对应文档就行。
你也可以直接在skillsplayground.com上点击安装。社区还做了一个历史记录站点skill-history.com，可以看到版本变更。
社区生态：一个标准，多个玩法
项目起源很快催生了5个fork和3个直接依赖的完整项目，每个都扩展了不同的场景。
五个fork的核心差异：
- devis（@st01cs）：专注面试工作流。提供了
/devis:intv和/devis:impl命令，强制进入面试问答模式，面试者回答后agent才做实现。 - multi-manus-planning（@kmichels）：支持多项目，启动时自动从Git同步计划文件，适合维护多个代码库时统一规划。
- plan-cascade（@Taoidle）：多级任务编排，可以定义子任务、并行执行、多agent协作。
- agentfund-skill（@RioTheGreat-ai）：把计划文件变成智能合约，任务里程碑达成后自动释放众筹资金（基于Base链）。
- openclaw-github-repo-commander（@wd041216-bit）：7阶段GitHub仓库审计、优化、清理工作流，针对OpenClaw项目。
三个直接依赖的完整项目：
lincolnwan/Planning-with-files-copilot-agent—— 一个完整的Copilot agent仓库，底层就用这三份文件做状态管理。cooragent/ClarityFinance—— AI金融代理框架，README直接致谢planning-with-files。oeftimie/vv-claude-harness—— Claude Code测试框架，复刻了Manus风格的持久化规划。
一套简单的文件约定，催生了面试、金融、众筹、多项目协同等多个方向。这说明文件作为状态载体，可组合性极强——不同团队基于同样的三个文件，改几行就适配了自己的场景。
这个设计为什么值得关注两点
第一，持久化是刚需。Meta花2亿美元买Manus的方向没错，而这个skill用几百行配置复刻了最核心的一环——状态不丢。如果你的AI代理经常因为上下文丢失而重复工作，这套方案成本极低。
第二，文件作为中间状态，人类拥有完全的编辑权。你随时可以打开task_plan.md，删掉不合理的一步，或者修改优先级。不需要绕弯子跟AI说“请把第二步改成这样”。文件就是最终权威，AI读文件的时候接受你改后的计划。这个设计把控制权明确交还给人类。
哪怕你不用这个具体项目，思路也值得复制：写AI工作流时，别依赖对话窗口的临时记忆。找一个持久化载体——文件、数据库、甚至一张纸都行。关键是让状态离开聊天窗口，进入你能控制的地方。
项目地址：https://github.com/OthmanAdi/planning-with-files
许可证：MIT