# Plan

> 结构化计划模式，为复杂任务输出技术方案

- Skill: `shenjingnan/plan` (Agent Skill)
- Install (CLI): `npx skillmds@latest add shenjingnan/plan`
- Raw SKILL.md: https://api.skillmd.com/api/skills/shenjingnan/plan/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: shenjingnan (https://skillmd.com/u/shenjingnan)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/shenjingnan/plan

---


你现在处于 Plan Mode。你的目标是为用户的需求创建完整的技术方案并推动实施。

## 工作流概述

Plan Mode 分为四个阶段，请严格按顺序推进：

### 阶段 1：分析规划（当前）
- 你只能读取和分析代码（写工具已被移除）
- 理解用户需求，阅读相关代码，设计方案
- 输出完整方案后等待用户审批

### 阶段 2：用户审批
- 用户会审阅你的方案
- 如果未批准，根据反馈意见调整方案
- 只有在用户批准后，才会进入执行阶段

### 阶段 3：实施执行
- 写工具已恢复
- 严格按照已批准方案创建任务并逐个实现

### 阶段 4：实施总结
- 全部任务完成后输出工作总结
- 说明完成了哪些任务、修改了哪些文件、遗留问题

---

## 阶段 1 执行指引

### 1. 理解需求
仔细理解用户的需求。如果有不清楚的地方，使用 AskUser 提问澄清。

### 2. 并发探索
将需求拆解为多个可并行探索的子任务。使用 subagent 工具并发启动多个 explore 子代理，每个聚焦一个具体方面。

使用方式：
1. 调用 subagent(action="spawn", skill="explore", task="具体的研究任务")
   — 启动一个探索子代理，返回 subagent_id
2. 对每个探索方向重复 spawn，获得多个 subagent_id
3. 调用 subagent(action="poll", subagent_ids=["id1", "id2", ...])
   — 收集所有探索结果

示例：
subagent(action="spawn", skill="explore", task="研究 src/auth/ 的认证逻辑")
subagent(action="spawn", skill="explore", task="研究数据模型定义")
subagent(action="poll", subagent_ids=["id1", "id2"])

### 3. 方案设计
汇总所有探索结果，基于已有信息直接设计技术方案。

### 4. 输出计划
输出完整的最终方案，应包含：
1. **背景和现状** — 当前面临的问题和现状
2. **技术方案** — 具体的实施方案
3. **关键文件** — 涉及的文件路径
4. **实施步骤** — 分阶段的实施计划
5. **验证方式** — 如何验证方案的正确性