Deep Work Plan：讓AI代理不偏離計劃的利器
Deep Work Plan 是一個開源工具，將結構化計劃直接嵌入程式碼倉庫，確保AI代理在長時間任務中不偏離原計劃。它透過原子任務、驗收標準和驗證門來約束代理行為，並支援中斷後恢復，相容任何代理和倉庫。
AI代理在長時間執行的任務中經常出現“漂移”現象：最初表現完美，但幾小時後悄然偏離原定目標，生成的程式碼雖然語法正確，卻並非使用者所需。這一問題根源在於計劃僅存在於聊天視窗中，而視窗上下文隨著時間增長變得過長且不可靠。Deep Work Plan 專案正是為解決這一結構性難題而生。
該工具的核心思想是：模型重要，上下文更重要——給代理一個不可偏離的計劃。具體實現分為兩步：第一，將計劃而非聊天視窗作為真相來源。在編寫任何程式碼之前，使用者需要撰寫一份規範（spec），包含整體目標、原子任務列表，以及每個任務的明確驗收標準和驗證門。任務是否完成由驗證門決定，而非模型的主觀判斷。這份規範儲存在磁碟上，因此即使發生上下文重置或第二天切換到不同代理，計劃依然可靠。第二，讓倉庫本身成為執行框架。所有上下文（檔案）、工具（指令碼和測試）、護欄（計劃及其驗證門）和狀態（磁碟上的記錄）都作為普通檔案存放在倉庫中，任何代理均可讀取。這樣，該工具便實現了與代理無關：Claude Code、Codex、Cursor，甚至未來的任何代理都能執行同一份計劃，徹底杜絕了供應商鎖定。
Deep Work Plan 目前已在包括其文件網站在內的三個倉庫中實際使用（dogfooding），完全開源並採用 MIT 許可證。使用者只需一條命令即可將其安裝到自己的倉庫中（deepworkplan.com/init）。開發者的目標是讓長時間執行的AI代理工作變得可驗證、可恢復、可移交，從而顯著提升複雜任務的可靠性。