开源发现

随着 Claude Code、Cursor等 AI编程 Agent开始承担越来越复杂的软件开发任务，一个新的问题逐渐暴露出来：AI的上下文记忆是有限的，而真实的软件项目却往往是长期、复杂且不断演进的。

图片来源：github.com

对于个人开发者而言，一个简单的 Demo或许可以在一次对话中完成，但当项目持续数周、数月甚至更长时间后，AI往往会出现“失忆”现象：忘记架构设计、丢失需求背景、重复实现功能，甚至破坏之前已经完成的模块。

正是在这样的背景下，planning-with-files开始成为越来越多 Claude Code用户的必装 Skill。它的核心理念非常简单：不要把项目记忆交给 AI的上下文窗口，而是交给文件系统。

与传统提示词不同，planning-with-files更像是一套面向 AI Agent的项目管理方法论。它通过将需求文档、技术方案、任务规划、架构设计以及开发进度持久化存储到文件中，让 AI能够像真正的工程团队一样，持续维护和演化一个长期项目。

其中，最重要的能力就是持久化项目规划。开发过程中产生的需求、决策、设计方案和任务拆分，不再依赖聊天记录保存，而是形成结构化的项目知识库。这意味着即使重新开启会话，AI依然能够快速恢复整个项目上下文。

这种模式尤其适合长期项目开发。无论是 SaaS产品、AI Agent平台、开源框架还是个人创业项目，开发周期往往远远超过单次上下文窗口的限制。通过 planning-with-files，开发者可以让 AI持续维护项目路线图、版本规划和功能演进策略，从而真正实现长期协作。

此外，它对于碎片化开发场景同样非常友好。许多独立开发者并不是每天连续开发八小时，而是利用碎片时间推进项目。今天写一个功能，明天修一个 Bug，下周再继续增加新模块。在这种情况下，持久化规划文件实际上成为了 AI与开发者之间共享的长期记忆系统。

从某种意义上说，planning-with-files代表着 AI编程的重要演进方向：从“让 AI帮我写代码”，变成“让 AI和我一起管理项目”。

如果说 Rust提供的是 AI时代的高性能基础设施，Taste Skill提供的是 AI的审美能力，那么 planning-with-files提供的，则是 AI Agent最重要却最容易被忽视的能力之一——长期记忆。

未来真正强大的 AI开发助手，也许不只是写代码最快的那个，而是最懂你的项目、最记得你的决策、最能陪伴一个产品长期成长的那个。