菜单
把开发规划持久化到项目 Markdown 文件中，解决 AI 编程最大的痛点——上下文压缩导致 架构决策和设计细节丢失。强制性将每次讨论的设计点、决策、进度自动写入 plan 文件， 下次开新对话时 Claude Code 读到这些文件即可恢复状态。 Trigger keywords: planning with files, 规划文件, 上下文持久化, 开发规划, 设计决策记录, plan this feature, 持久化规划, 防止上下文丢失, 状态恢复, 开发进度追踪, 架构决策记录。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ZhouYinLong-lab/Dog-Skills --skill planning-with-files命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
把一句话的想法拆成 AI agent 能独立跑完的目标任务书。用户说「帮我给 agent 写个目标」「帮我详细拆一下这个目标」「写个任务书/brief 给 agent」「写个 goal 提示词」「让 agent 自己跑这个项目」「把活分给几个 agent 并行」时使用。先进代码库实测、必要时联网调研，再一次性提问（≤5 个），产出一份 ≤4000 字符、直接粘进 /goal 就能跑的任务书，含实测数字、白名单地界、防作弊验收和断点续跑。执行型与探索型（调研/选型/找方案）自动分流。
Academic Research Skills (ARS) — 学术研究全流程 AI 助手，38.7k⭐ 开源项目。 4 个技能覆盖从文献调研到论文发表：Deep Research (13 agents 文献调研/系统综述)、 Academic Paper (12 agents 写作流水线/LaTeX PDF 输出)、 Academic Paper Reviewer (7 agents 多视角审稿/反谄媚协议)、 Academic Pipeline (10 阶段编排器/引文验证/完整性闸门)。 核心理念：AI 是副驾驶，不是飞行员——帮你查文献、管引用、校格式，研究判断由你做主。 Trigger keywords: 学术研究, 写论文, 论文写作, 文献综述, 系统综述, 投稿, 审稿, 毕业论文, academic research, paper writing, literature review, systematic review, PRISMA, peer review, 发表论文, 学术写作, 论文润色, 期刊投稿, 会议投稿, 引文检查, 参考文献, LaTeX论文, 博士研究, 硕士论文, 科研全流程, ARS, academic pipeline, deep research paper, 论文审稿, rebuttal, 审稿回复, 学术引用, citation check, 论文格式, APA, IEEE, Chicago, 科研流水线.
266 个即插即用的 AI 专家角色库 — 覆盖工程、设计、产品、营销、金融、安全、游戏等 20 个部门。 每个角色都有独立的人设、专业流程和可交付成果，不是通用提示词模板。 含 50 个中国市场原创智能体（小红书/抖音/微信/B站/飞书/钉钉等）。 搭配编排器 agency-orchestrator，一句话即可让多位专家按 DAG 自动协作。 Trigger keywords: 专家角色, 智能体, agent, 角色提示词, 切换角色, 启用专家, 专家模式, 代码审查员, 产品经理, 技术文档工程师, 前端开发者, 后端架构师, 安全工程师, 小红书运营, 抖音运营, 公众号编辑, B站内容策划, 跨境电商, 飞书集成, 钉钉开发, agency agents, expert role, 角色库, agent库, 266个专家, 即插即用角色, 用什么角色, 帮我找一个XX专家, 切换到XX角色, 加载XX角色, 用XX的视角, 以XX身份, 作为XX专家。
| name | planning-with-files |
| description | 把开发规划持久化到项目 Markdown 文件中，解决 AI 编程最大的痛点——上下文压缩导致 架构决策和设计细节丢失。强制性将每次讨论的设计点、决策、进度自动写入 plan 文件， 下次开新对话时 Claude Code 读到这些文件即可恢复状态。 Trigger keywords: planning with files, 规划文件, 上下文持久化, 开发规划, 设计决策记录, plan this feature, 持久化规划, 防止上下文丢失, 状态恢复, 开发进度追踪, 架构决策记录。 |
| allowed-tools | ["Read","Write","Edit","Bash","Glob","Grep","TaskCreate","Agent"] |
| metadata | {"category":"development","source":"https://github.com/anthropic/claude-plugin-directory","install":"/plugin install planning-with-files@claude-plugin-directory","version":"1.0.0","license":"MIT"} |
AI 编程最让人不省心的不是代码写得不对，是上下文压缩。三天后重开对话，它完全不记得之前的架构方案。
Planning with Files 解决的就是这个问题。
把所有开发规划、设计决策、进度追踪都写进项目里的 Markdown 文件。不是"建议你记下来"这种软性建议，是强制性的。
每个设计讨论 → 自动更新对应 plan 文件
下次新对话 → Claude Code 读文件 → 状态恢复
/plugin install planning-with-files@claude-plugin-directory
装完之后对 Claude Code 说一句：
plan this feature
它会自动创建 Markdown 规划文件。后续所有的对话、操作都记录在这些文件里。就算你关掉终端出去吃个饭，回来重开对话，它看一眼文件就知道做到哪了。
Claude Code 的上下文窗口有限。对话一长，为了省 token，会把前面的内容压缩成摘要。这个压缩过程里，很多关键的开发决策和设计细节就丢了。
Planning with Files 的本质是：用文件系统做"外置记忆"。