back
loading skill details...
Persistente dateibasierte Planung für mehrstufige Arbeit mit KI-Agenten. Hält task_plan.md, findings.md und progress.md auf dem Datenträger; Lebenszyklus-Hooks…
Dateiplanungssystem Arbeite wie Manus: Verwende persistente Markdown-Dateien als deinen „Festplatten-Arbeitsspeicher". Schritt 1: Projektzustand wiederherstellen Bevor du fortfährst, ermittle das Planverzeichnis, das diese Aufgabe besitzt: Verwende das installierte scripts/resolve-plan-dir.sh (oder .ps1) mit dem PLAN_ID und PWF_PLAN_ROOT des Hosts. Lies task_plan.md, progress.md und findings.md aus genau diesem Verzeichnis. Wenn ein expliziter Selektor abgelehnt wird oder die Sitzungsisolation bei mehreren Plänen ohne PLAN_ID aktiv ist, korrigiere die Bindung und falle nicht auf eine andere Aufgabe zurück. Die alten Dateien im Projektstamm gelten nur, wenn kein Selektor und kein benannter Plan zutreffen. Führe git diff --stat aus, um noch nicht dokumentierte Codeänderungen zu erkennen. Alle folgenden Planungsdateinamen beziehen sich auf dieses ausgewählte Verzeichnis. Bei parallelen Aufgaben muss jeder Host vor dem Start festgelegt sein oder ein separates Worktree verwenden; ein Export in einem Kindprozess ändert die Host-Umgebung nicht. Ein Orchestrator besitzt den gemeinsamen Plan und die Zusammenfassungen, Worker nutzen zugewiesene Dateien oder Ledger. Damit endet die automatische Wiederherstellung. Ein Aufruf von session-catchup.py ohne Modus und alle Lebenszyklus-Hooks greifen nicht auf Sitzungsspeicher des Hosts zu. Nur wenn der Benutzer ausdrücklich verlangt, den lokalen Sitzungsverlauf zu prüfen, darf einer dieser Modi verwendet werden:
don't have the plugin yet? install it then click "run inline in claude" again.