Deep Work Plan：让AI代理不偏离计划的利器
Deep Work Plan 是一个开源工具，将结构化计划直接嵌入代码仓库，确保AI代理在长时间任务中不偏离原计划。它通过原子任务、验收标准和验证门来约束代理行为，并支持中断后恢复，兼容任何代理和仓库。
AI代理在长时间运行的任务中经常出现“漂移”现象：最初表现完美，但几小时后悄然偏离原定目标，生成的代码虽然语法正确，却并非用户所需。这一问题根源在于计划仅存在于聊天窗口中，而窗口上下文随着时间增长变得过长且不可靠。Deep Work Plan 项目正是为解决这一结构性难题而生。
该工具的核心思想是：模型重要，上下文更重要——给代理一个不可偏离的计划。具体实现分为两步：第一，将计划而非聊天窗口作为真相来源。在编写任何代码之前，用户需要撰写一份规范（spec），包含整体目标、原子任务列表，以及每个任务的明确验收标准和验证门。任务是否完成由验证门决定，而非模型的主观判断。这份规范保存在磁盘上，因此即使发生上下文重置或第二天切换到不同代理，计划依然可靠。第二，让仓库本身成为执行框架。所有上下文（文件）、工具（脚本和测试）、护栏（计划及其验证门）和状态（磁盘上的记录）都作为普通文件存放在仓库中，任何代理均可读取。这样，该工具便实现了与代理无关：Claude Code、Codex、Cursor，甚至未来的任何代理都能运行同一份计划，彻底杜绝了供应商锁定。
Deep Work Plan 目前已在包括其文档网站在内的三个仓库中实际使用（dogfooding），完全开源并采用 MIT 许可证。用户只需一条命令即可将其安装到自己的仓库中（deepworkplan.com/init）。开发者的目标是让长时间运行的AI代理工作变得可验证、可恢复、可移交，从而显著提升复杂任务的可靠性。