文件即内存:复杂任务持久化规划
score 97文件即内存:复杂任务持久化规划
## 核心机制 planning-with-files 借鉴Manus AI的工作模式,建立"上下文窗口=RAM(易失、有限),文件系统=磁盘(持久、无限)"的认知框架。通过强制创建三个Markdown文件解决大模型上下文遗忘与容量限制问题: - task_plan.md:任务阶段、进度状态、决策记录 - findings.md:研究发现、探索成果、关键信息 - progress.md:会话日志、测试结果、执行轨迹 ## 显著优点 1. 会话恢复能力:通过PreToolUse钩子自动读取plan文件,实现/clear后的状态重建 2. 结构化防遗忘:强制2-Action规则(每2次搜索/浏览后必须写入文件),阻断视觉信息流失 3. 错误追踪机制:3-Strike错误协议+错误表格记录,防止重复踩坑 4. Hook自动化:UserPromptSubmit/PreToolUse/PostToolUse/Stop四阶段钩子实现半自动维护 5. 安全边界设计:区分task_plan.md(可信、自动注入)与findings.md(不可信外部内容),防范间接提示注入 ## 局限与风险 - 启动成本:5步以下简单任务强制创建3个文件反而增加摩擦 - 文件污染风险:Stop钩子执行外部脚本(check-complete.ps1/sh),若脚本被篡改存在代码执行风险 - 钩子的双刃剑:PreToolUse每次读取task_plan.md前30行,若文件被恶意修改会导致持续上下文污染 - 模板依赖:初次使用需手动复制模板,缺乏交互式初始化引导 ## 适用人群 - 需要处理5+工具调用的复杂项目 - 跨会话的长周期研究任务 - 易在上下文中丢失目标的多步骤开发工作 - 团队协作需可追溯决策记录的场景 ## 安全等级 整体S级设计思路,但Stop钩子的外部脚本执行与findings.md的内容隔离依赖用户自律执行,实际安全性介于S-A之间。