GitHub 上一个名为 planning-with-files 的开源项目突然爆火，它不仅复刻了 Manus 的核心工作流，更揭示了让 AI 能够长期稳定工作的“核心机密” 其实在于“记性”，在于一种叫做“上下文工程”（Context Engineering）的技术。
这个老哥还把这套核心逻辑做成了 Claude Code 的一个插件（Skill），直接开源了。让你可以在 Claude Code/Codex/Cursor 等 AI 编程工具中直接使用。
为什么 AI 总是“走神”？
相信很多重度用户都有过这样的体验：
刚开始和 AI 聊天时，它聪明、敏锐，能完美理解你的需求。但随着对话进行到第 20 轮、第 50 轮，AI 开始变得“健忘”：
• 它忘记了最初的目标是什么。 • 它开始重复之前犯过的错误。 • 它把所有代码都塞进对话框，导致上下文溢出（Context Stuffing）。
这并不是模型不够聪明，而是工作记忆（Working Memory）的限制。就像人类无法同时记住 50 件事一样，AI 在过长的上下文窗口中也会迷失方向——这就是所谓的目标漂移（Goal Drift）。
Manus 之所以在短短 8 个月内做到 1 亿美元营收，并被 Meta 高价收购，核心并不在于它用了什么超越时代的模型（虽然模型也很重要），而在于它发明了一套被称为 “上下文工程”（Context Engineering） 的方法论。
文件即记忆
GitHub 上这个名为 planning-with-files 的项目，直接将 Manus 的这套方法论实现为一个开源的 Claude Code Skill。
它的核心理念简单得令人发指，却又有效得惊人：把 Markdown 文件当作 AI 的硬盘记忆。
项目作者 OthmanAdi 在文档中引用了 Manus 的核心逻辑：
“Markdown 是我在磁盘上的‘工作记忆’。因为我的活跃上下文有限，Markdown 文件不仅是笔记板，更是进度的检查点和最终交付物的积木。”
这就好比给 AI 配了一个“烂笔头”。
这个开源 Skill 强制 AI 在执行复杂任务时，必须遵循 “三文件模式”：
1. task_plan.md（任务规划书）：这是大脑。记录目标、当前阶段、已完成的进度和遇到的错误。2. notes.md（笔记/草稿）：这是笔记本。存储调研结果、中间思考和长文本，不要把这些东西塞进宝贵的对话上下文里。3. [deliverable].md（交付物）：这是最终产品。
最精彩的设计在于它的工作流循环。
普通的 AI Agent 是这样的：接收指令 -> 执行 -> 执行 -> 执行 -> 迷失 -> 报错 -> 崩溃
而装了这套 Skill 的 Claude 是这样的：
1. 读计划（Read）：在做任何决定前，先读取 task_plan.md，把目标重新拉回“注意力窗口”。2. 行动（Act）：执行具体的搜索、编码或调研。 3. 记录（Update）：把结果写入 notes.md，把进度更新到task_plan.md的复选框中。4. 复盘（Review）：如果有错误，记录在案，确保存档。
这种 “读取 - 决策 - 行动 - 更新” 的死循环，让 AI 即使进行了 50 次以上的工具调用，依然能像刚开始一样清晰地知道：“我是谁？我在哪？由于什么错误我卡住了？下一步该干什么？”
planning-with-files 证明了，通过结构化的**外部存储（External Storage）**来管理上下文，比单纯依赖模型的内部记忆要可靠得多。
这其实就是 AI 版的 GTD（Getting Things Done）：
• 清空大脑：把信息存入文件（Inbox）。 • 明确下一步：看 task_plan.md。• 回顾：定期检查进度。
如何安装和使用
要给你的 Claude 加上这个“外挂”，操作非常简单。
1. 安装 Skill
你需要先确保安装了 Claude Code。然后打开终端，进入你的 Skills 目录（如果没有就新建一个，例如 ~/.claude/skills），运行以下命令：
# 进入 Skills 目录
cd ~/.claude/skills
# 克隆仓库
git clone https://github.com/OthmanAdi/planning-with-files.git2. 自动激活
安装完成后，不需要复杂的配置。只要你在和 Claude 对话时提到 “planning”（规划）、“organize”（整理）或者 “track progress”（追踪进度），或者给它派发一个复杂的任务，这个 Skill 就会自动觉醒。
它会自动帮你创建 task_plan.md，然后开始它的表演。
