你有没有遇到过这种情况：给AI下个任务，聊了50轮后，它就开始"脑抽"了。
接口规范？忘了。
变量命名风格？混了。
你半小时前定的规则？直接抛到九霄云外。
你得一直提醒它，像保姆一样伺候它，效率低，还累。
但如果我告诉你，现在有个方法能让AI拥有"持久记忆"。
你只需要在项目里放三个Markdown文件，AI就会自动记录所有发现、避免重复踩坑、恢复断开的会话。
效率提升30%，重复错误减少80%。
这不是科幻，是Meta花20亿美元收购的Manus核心技术，被GitHub社区完全复刻了。
项目地址：https://github.com/OthmanAdi/planning-with-files
之前我在说CC本次更新最强的不是OPUS4.6，而是Agent Swarm(蜂群）的时候，也有强烈推荐这个是必备的安装之一。
老金我花了一整天研究这个项目，把这套工作流拆解成可复制的模板，今天全部分享给你，直接复制就能用。
这篇文章老金我会告诉你：
1、Meta 20亿收购的Manus核心技术到底值在哪，哪些是真功夫哪些是吹牛
2、三文件模式怎么用，什么时候用最稳、最省、最快
3、具体使用模板，完整示例+配置文件，拿来即用
什么是planning-with-files？
planning-with-files是Claude Code的一个插件，复刻了Manus的"Context Engineering"（上下文工程）模式。
老金我用最简单的比喻给你讲清楚。
传统AI助手就像一个失忆的实习生。
你说一句他干一件事，干完就忘。
下次遇到同样的问题，他还得重新查文档、重新踩坑。
效率低，而且你得一直盯着。
planning-with-files就像给这个实习生配了个笔记本。
你让他把所有发现、所有错误、所有进度都记在本子上。
下次遇到同样问题，他翻开本子一看："哦，这个问题之前遇到过，这样解决就行。"
关键是不用你一直盯着，他自己会记录、自己会查阅、自己会复盘。
之前老金我写过各种记忆系统，本质上都是解决这个问题。
但planning-with-files的实现最简单，三个Markdown文件就搞定。
核心原理：三文件模式
planning-with-files的核心就是一个"3-File Pattern"——在项目根目录放三个Markdown文件。
老金我用大白话给你讲清楚。
1、task_plan.md（任务计划）
这是你的"任务清单"，AI必须先看这个再干活。
里面写三样东西：第一步干什么？
现在走到哪一步了？
最终目标是什么？
每次AI想写代码，先让它读一遍这个。
就像Team Leader站在你身后问："你现在到底在瞎折腾什么？"
2、findings.md（发现记录）
这是AI的"笔记本"，记录所有研究发现。
你在调试时发现Node 18有个bug。
或者发现某个库的API变了。
这些信息，通常聊几句就被刷过去了。
planning-with-files强迫AI把这些记在这个文件里。
下次再遇到类似问题，AI不会傻乎乎地去查文档，而是直接调取这里的记录。
3、progress.md（进度日志）
这是项目的"流水账"，记录所有尝试和结果。
刚才跑测试挂了？
挂在哪一行？
上一次尝试改了哪个函数？
全都记下来。
这主要是为了防止AI陷入死循环——有时候AI会反复尝试同一个错误的修复方案。
有了这个文件，你就能直接甩给它："这招刚才试过了，不好使，换一个。"
为什么是这三个文件？
核心思想很简单：Context Window = RAM（易失，有限），Filesystem = Disk（持久，无限）。
所有重要信息都写入磁盘，而不是塞在上下文里。
这样AI就能跨会话保持记忆，积累经验。
启用方法很简单，一行命令搞定：
claude plugins install OthmanAdi/planning-with-files
装好后，AI会自动创建这三个文件，并在每次操作前后读写它们。
必备配置（开始前必看）
在开始使用之前，老金我强烈建议先了解一下配置选项。
这个插件支持14个IDE平台，包括Claude Code、Cursor、Windsurf、Zed、VS Code等。
基本上你能想到的主流IDE，全都有对应方案。
环境变量配置（可选）：
如果需要自定义配置，可以在settings.json中添加：
{
"env": {
"PLANNING_WITH_FILES_AUTO_RECOVER": "1"
}
}
这个配置启用后会话恢复功能，上下文重置后自动恢复进度。
老金我实测觉得这个功能特别实用。
想象一下场景：你下午让Claude Code帮你写代码，写到一半去吃饭了。
回来的时候，上下文可能已经重置了。
传统方式：重新说一遍需求，从零开始。
用planning-with-files：AI直接读取progress.md，看到上次写到哪儿了，继续干。
就像你有个能记住所有对话的超级助理。
如果对你有帮助，记得关注一波~
使用模板：三分钟上手
老金我给你一个完整的上手模板，直接复制就能用。
第一步：创建项目文件
在你项目根目录创建这三个文件：
task_plan.md
# Task Plan
## Current Status
- Status: in_progress
- Phase: 1/3
## Next Steps
1. [ ] 分析项目需求
2. [ ] 设计技术方案
3. [ ] 实现核心功能
4. [ ] 测试验证
## Final Goal
[你的最终目标，如：完成用户认证模块开发]
## Notes
- [注意事项，如：需要兼容旧版本API]
findings.md
# Findings
## Key Discoveries
- [发现1，如：库X在Node 18有兼容问题]
- [发现2，如：API v2.0的认证方式变了]
## Errors Encountered
| Error | Attempt | Resolution |
|-------|---------|------------|
| [错误描述] | [尝试次数] | [解决方案] |
## Decisions Made
- [决策1，如：选择使用库A而不是库B]
- Reason: [原因]
progress.md
# Progress Log
## Session 1 - [日期]
- 尝试方案A：失败
- 原因：[失败原因]
- 切换到方案B：进行中
## Session 2 - [日期]
- 完成功能X
- 发现问题Y，已记录到findings.md
- 下一步：[下一步计划]
第二步：开始干活
就这么简单。
下次你让Claude Code干活的时候，它会自动：
先读task_plan.md确认目标
边干边更新findings.md记录发现
完成后同步progress.md
六大铁律（千万别违）
项目作者总结了六大原则，老金我提炼一下：
铁律1：先计划，后动手
绝不在没有task_plan.md的情况下启动任何复杂任务。
就像出门前先看地图，别瞎走。
铁律2：边干边记
每完成两次搜索/浏览操作，立即写入findings.md。
防止重要信息被上下文冲刷掉。
铁律3：决策前回顾
做关键决策前，先读task_plan.md，把目标重新拉入注意力窗口。
铁律4：阶段完成必更新
每个任务阶段完成后，必须同步task_plan.md：
状态从in_progress改成complete
记录所有遇到的错误
注明新增或修改的文件
铁律5：错误入库
将所有错误写进findings.md，构建AI的经验库。
铁律6：绝不重蹈覆辙
一旦操作失败，按这个流程走：
第1次：诊断并修复
第2次：更换方法（绝不执行相同的失败操作）
第3次：全局反思，质疑原有假设
3次均失败：向用户求助
进阶技巧：会话恢复
这是老金我觉得最实用的功能。
想象一下场景：你下午让Claude Code帮你写代码，写到一半去吃饭了。
回来的时候，上下文可能已经重置了。
传统方式：重新说一遍需求，从零开始。
用planning-with-files：AI直接读取progress.md，看到上次写到哪儿了，继续干。
启用方法很简单：
在settings.json中添加环境变量：
{
"env": {
"PLANNING_WITH_FILES_AUTO_RECOVER": "1"
}
}
零门槛入门任务（5分钟体验）
第一步：安装插件（我个人习惯用项目级）
claude plugins install OthmanAdi/planning-with-files
第二步：创建三个文件
按照上面的模板，在项目根目录创建task_plan.md、findings.md、progress.md。
第三步：跑一个最简单的任务
打开Claude Code，输入这句话：
帮我创建一个简单的React待办事项应用，使用planning-with-files模式记录进度
等30秒，看AI自动创建计划、记录发现、更新进度。
跑完这个任务，你就会明白什么叫"AI拥有持久记忆"。
总结：这不是技巧，是工作方式的升级
如果你只记住这篇的一句话，就记住这句：
planning-with-files的本质，不是"更聪明的AI"，而是"会积累经验的数字助理"。
你会发现，真正的变化不是"AI聪明了一点"。
而是你开始从"每次都重新教AI"变成"AI越用越聪明，记得所有坑和经验"。
这就是老金我这周最大的感受：
会用planning-with-files的人，AI会越用越聪明；不会用的人，每次都从零开始。
现在就开始，今晚跑一个入门任务，明天你就会感受到工作方式的升级。
往期推荐：
AI编程教程列表
提示词工工程（Prompt Engineering）
LLMOPS(大语言模运维平台)
AI绘画教程列表
WX机器人教程列表
每次我都想提醒一下，这不是凡尔赛，是希望有想法的人勇敢冲。
我不会代码，我英语也不好，但是我做出来了很多东西，在文末的开源知识库可见。
我真心希望能影响更多的人来尝试新的技巧，迎接新的时代。
谢谢你读我的文章。
如果觉得不错，随手点个赞、在看、转发三连吧🙂
如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。
开源知识库地址：
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
