back
loading skill details...
Planificación persistente basada en archivos para tareas multipaso de agentes de IA. Mantiene task_plan.md, findings.md y progress.md en disco; los hooks del…
Sistema de Planificación con Archivos Trabaja como Manus: usa archivos Markdown persistentes como tu «memoria de trabajo en disco». Paso 1: Recuperar el estado del proyecto Antes de continuar, resuelve el directorio del plan que pertenece a esta tarea: Usa el scripts/resolve-plan-dir.sh instalado (o .ps1) con el PLAN_ID y PWF_PLAN_ROOT del host, y lee task_plan.md, progress.md y findings.md desde ese único directorio seleccionado. Si se rechaza un selector explícito, o el aislamiento de sesión está activo con varios planes y sin PLAN_ID, corrige el anclaje y no vuelvas a otra tarea. Usa los archivos heredados de la raíz del proyecto solo cuando no aplique ningún selector ni plan con nombre. Ejecuta git diff --stat para comprobar cambios de código todavía no registrados. Todos los nombres de archivos de planificación siguientes se refieren a ese directorio seleccionado. Para tareas en paralelo, fija cada host antes de iniciarlo o usa worktrees separados; exportar una variable en un proceso hijo no cambia el entorno del host. Un orquestador es dueño del plan y de los resúmenes compartidos; los workers usan archivos o registros asignados. La recuperación automática termina aquí. La ejecución sin opciones de session-catchup.py y los hooks del ciclo de vida no inspeccionan los almacenes de sesiones del agente. Solo cuando el usuario solicite de forma explícita consultar el historial local de sesiones, elige uno de estos modos:
don't have the plugin yet? install it then click "run inline in claude" again.