复制下面这句话,粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具,它会读取安装说明并在你确认后完成安装。
请阅读 https://ai.atlankj.com/install/asset/gh-make-plan-zh-206b900cdba2 ,按照其中的说明把「make_plan」安装到你(当前 AI 工具)中。执行前先告诉我将运行的命令和写入的位置,等我确认。
查看 AI 将读取的安装说明正在读取 GitHub 原文…
内容来自 GitHub 原始文件,由原作者维护。在 GitHub 查看
当你需要向更强 Agent 发起一次外部计划请求时,使用本 Skill。
本 Skill 的目标不是把任务外包出去,而是:
调用步骤:
list_agents() 查可用 Agent 的 IDchat_with_agent(...) 向更强 Agent 请求“制定计划”to_agent 传目标 Agent IDtext 中明确给出提示仅需给出可按步骤执行的计划,不要执行session_id,并提炼出真正可执行的步骤,并由你自己执行chat_with_agent(...),并传入记录的 session_id 以保持上下文推荐调用骨架:
list_agents()
chat_with_agent(
to_agent="stronger_agent",
text="[Agent <auto> requesting] 请帮我为下面任务制定执行计划。你不需要执行任务,只需要输出明确、可落地、按顺序排列的步骤。",
)
以下场景适合直接发起外部计划请求:
以下情况不要用本 Skill:
调用 chat_with_agent(...) 时要明确说明:
请帮我为下面任务制定一份执行计划。 你不需要执行任务本身,只需要输出计划。
任务: [要做什么]
目标: [最终想达到什么结果]
约束:
计划要求:
输出格式: [例如:输出 5-8 个编号步骤,每步 1-3 句]
chat_with_agent 请求示例:
chat_with_agent(
to_agent="strong_agent",
text="""
请帮我为下面任务制定一份执行计划。
你不需要执行任务本身,只需要输出计划。
任务:
修改一个多模块功能。
目标:
以较低风险完成改动,并避免遗漏联动点。
约束:
- 尽量减少返工
- 需要保留可验证的中间检查点
计划要求:
1. 拆成可落地的步骤
2. 标明推荐顺序
3. 标出关键依赖和检查点
4. 尽量包含验证方式
输出格式:
请输出 3-5 个编号步骤,每步尽量具体。
""",
)
chat_with_agent 回复示例:
[SESSION: xxx]
下面是我为你制定的执行计划:
1. ...
2. ...
xxx 是本次对话的 session_id,你需要记录下来以便后续追问细化,一般是一个较长的字符串,例如 local_agent:to:strong_agent:1776406127168:e11b08d8chat_with_agent 追问示例(假设你想让对方细化第 3 步):
chat_with_agent(
to_agent="strong_agent",
text="请基于刚才的计划,再细化第 3 步。仍然只需要补计划,不需要代执行任务。",
session_id="xxx",
)
把更强 Agent 的回复当作“执行计划输入”,不是“任务已经完成”。
你应该做的是:
不要把计划原样当成结果交付给用户,除非用户要的就是计划本身。
一份合格的计划,至少应满足:
如果拿到的是空泛建议,例如“先分析,再实现,再测试”,这不够,需要继续追问细化。
缺执行路径,就先要计划。 计划必须分步、具体、能落地。 被求助 Agent 负责出计划,不负责代执行。 拿到计划后,由求助发起者自己执行。