/plan

用户输入

$ARGUMENTS

在继续之前，你必须考虑用户输入（如果不为空）。

概要

1. 设置：从仓库根目录运行 $HOME/.claude/scripts/specify/setup-plan.sh --json，解析 JSON 获取 FEATURE_SPEC、IMPL_PLAN、SPECS_DIR、BRANCH。对于参数中的单引号（如 "I'm Groot"），使用转义语法：例如 'I'''m Groot'（或尽可能使用双引号："I'm Groot"）。

2. 加载上下文：读取 FEATURE_SPEC 和 .claude/memory/constitution.md。加载 IMPL_PLAN 模板（已复制）。

3. 执行计划工作流：遵循 IMPL_PLAN 模板中的结构：

   • 填充技术上下文（将未知项标记为 "NEEDS CLARIFICATION"）
   • 从 Constitution 填充 Constitution Check 部分
   • 评估门控（如果违规无理由则 ERROR）
   • Phase 0：生成 research.md（解决所有 NEEDS CLARIFICATION）
   • Phase 1：生成 data-model.md、contracts/、quickstart.md
   • Phase 1：通过运行 agent 脚本更新 agent 上下文
   • 设计后重新评估 Constitution Check

4. 停止并报告：命令在 Phase 2 规划后结束。报告分支、IMPL_PLAN 路径和生成的文档。

阶段

Phase 0：大纲和研究

1. 从上面的技术上下文中提取未知项：

   • 对于每个 NEEDS CLARIFICATION → 研究任务
   • 对于每个依赖 → 最佳实践任务
   • 对于每个集成 → 模式任务

2. 生成并派发研究代理：

   对于技术上下文中的每个未知项：
     任务："为 {feature context} 研究 {unknown}"
   对于每个技术选择：
     任务："查找 {domain} 中 {tech} 的最佳实践"
   

3. 在 research.md 中整合发现，使用格式：

   • 决策：[选择的内容]
   • 理由：[为什么选择]
   • 考虑的替代方案：[还评估了什么]

输出：包含所有已解决 NEEDS CLARIFICATION 的 research.md

Phase 1：设计和契约

前提条件：research.md 完成

1. 从功能规范中提取实体 → data-model.md：

   • 实体名称、字段、关系
   • 来自需求的验证规则
   • 状态转换（如果适用）

2. 从功能需求生成 API 契约：

   • 对于每个用户操作 → 端点
   • 使用标准 REST/GraphQL 模式
   • 输出 OpenAPI/GraphQL schema 到 /contracts/

3. Agent 上下文更新：

   • 运行 $HOME/.claude/scripts/specify/update-agent-context.sh claude
   • 这些脚本检测正在使用的 AI agent
   • 更新适当的 agent 特定上下文文件
   • 仅添加当前计划中的新技术
   • 保留标记之间的手动添加

输出：data-model.md、/contracts/*、quickstart.md、agent 特定文件

关键规则

• 使用绝对路径
• 在门控失败或未解决的澄清上 ERROR