📚 工程方法 全难度 📦 Obra

planning-and-task-breakdown

把规格拆分为小型、可验证任务,含验收标准和依赖排序。

8.9 /10 ★★★★☆
📅 2026-06-15 · 🕒 5 分钟阅读 · 最后更新 2026-06-15 · 来源: Obra · 分析测评
#superpowers#planning#writing-plans#executing-plans#tdd#task-breakdown
📄 相关文章

📊 评分明细

功能完备度
8.9 核心功能齐全
🎯 易用性
8.6 安装即用
🔧 可扩展性
9.2 支持定制和 fork
🔗 生态协同
8.8 可链式调用
🛡️ 稳定性
9.5 CI 集成验证

🎯 适用场景

superpowersplanningwriting-plansexecuting-planstddtask-breakdown

planning-and-task-breakdown 快速入门

superpowers 套件里的”任务拆分” Skill,把任何需求切成 2-5 分钟粒度的小任务,带验收标准与依赖排序。

这是什么?解决什么问题?

planning-and-task-breakdown(也常写作 writing-plans 与 executing-plans 配套)是 obra/superpowers 仓库里专门做”任务粒度化”的子 Skill。它的核心原则是”2-5 分钟粒度”:每个任务都必须在 2-5 分钟内完成,包含精确文件路径、完整代码、验证命令、验收标准,让 Junior 工程师或 AI 子 Agent 都能无脑 follow。

对小白来说,这个 Skill 解决的是”我让 AI 写个功能,它一次写完但中间有 bug,没法回滚”的问题。把大任务拆成小任务后,每个任务都是原子提交,可以独立 review、独立回滚、出问题立即止损。同时,任务粒度小也意味着上下文压力小,AI 完成度更高。

准备工作

  • 支持 Agent:Claude Code(主推)、支持 Skills 协议的 Agent。
  • 运行环境:Claude Code 0.2+;Git(用于每个任务独立 commit);目标项目工具链。
  • 配套 Skills:建议先跑 brainstorming(需求对齐)→ writing-plans(出计划)→ executing-plans(执行)。
  • 目标项目:任意新功能或重构。

3 步快速上手

第 1 步:确认 Skill 已加载

ls ~/.claude/skills/superpowers/skills/writing-plans/
ls ~/.claude/skills/superpowers/skills/planning-and-task-breakdown/

第 2 步:提供设计文档

claude

发起任务:

我已经完成了 brainstorming,设计文档在 docs/designs/2026-06-17-todo-cli.md。请用 planning-and-task-breakdown Skill 把它拆分成可执行的 2-5 分钟任务清单。

第 3 步:验证任务清单

AI 会输出 docs/plans/2026-06-17-todo-cli.md,包含:

  • 任务编号(1.1, 1.2, 2.1)
  • 任务标题
  • 验收标准
  • 依赖关系(必须先完成的)
  • 完整代码片段
  • 验证命令

逐条 review 后,就可以进入 executing-plans 阶段执行。

常见踩坑

  1. 任务粒度太大:一个任务超过 5 分钟,就要继续拆。Skill 强制要求。
  2. 没有验收标准:每条任务必须明确”怎么算完成”,否则就是空头支票。
  3. 依赖关系混乱:有时拆出来发现任务 3 依赖任务 5 的输出,Skill 会主动重排。
  4. 代码片段不完整:AI 给的代码应该”复制粘贴就能跑”,如果还需要人肉补全,任务粒度还不够细。
  5. 不写验证命令:每个任务必须带 npm testpytest 等验证脚本,否则不算可验证。
  6. 跳过 writing-plans 直接 writing-code:违反 Hard-Gate 协议,Skill 反复要求先出计划。

初级用法

  • 新功能拆分:任何 > 1 小时的开发任务,先拆 2-5 分钟任务清单。
  • PR 描述自动生成:把任务清单复制到 PR 描述,reviewer 看得明白。
  • 进度跟踪:每完成一个任务,改状态为 [x],进度一目了然。

高级玩法

  • 多 Agent 并行:用 subagent-driven-development Skill 把不同任务派给不同子 Agent。
  • 依赖图可视化:用 mermaid 语法画任务依赖图,直观看到关键路径。
  • CI 集成:每个任务对应一个 commit,CI 自动跑,卡门禁粒度更细。

小技巧

  • 任务标题用动词开头(“实现 login 接口”,不是”login 接口”),更清晰。
  • 每个任务的”验证命令”尽量是单行命令,CI 友好。
  • 验收标准用 Given-When-Then 格式写,无歧义。
  • 不要把”研究”和”实现”混在同一个任务里,前者是调研,后者是动手。
  • 关注作者的 plan 示例,https://github.com/obra/superpowers/tree/main/docs/plans 有大量真实案例。

常见问题 FAQ

Q1: 这个 Skill 跟 planning-and-task-breakdown 有什么关系?必须装吗?

A: Skill 是给 AI Agent 用的”技能包”,能告诉 Agent 怎么按特定规范工作。不是必须装——如果你的项目规模小、要求不高,不装也能用。但装上能让 Agent 输出的质量更高、更符合最佳实践,推荐装。

Q2: 这个 Skill 适合哪些 AI Agent?Cursor?Claude Code?其他?

A: planning-and-task-breakdown 来自 Obra,主要面向支持 Skill 机制的 Agent。常见兼容 Agent 包括 Claude Code、Cursor、OpenCode、Windsurf 等。具体兼容性请查 Skill 官方文档。

Q3: 装了这个 Skill 后,会拖慢 Agent 响应吗?

A: 会的——Skill 通常会增加 prompt 长度,导致响应变慢、token 消耗增加。但质量提升明显。建议:1) 只装项目必需的 Skill;2) 用 Skill 启动/加载/卸载机制按需加载;3) 定期清理不用的 Skill。

Q4: 怎么验证 Skill 装对了?

A: 在 Agent 中输入”列出已加载的 Skill”或类似命令。如果 Skill 出现在列表里,说明装对了。然后用 Skill 跑一个相关任务,看输出是否符合 Skill 规范。

Q5: 这个 Skill 有许可证吗?能商用吗?

A: 取决于 planning-and-task-breakdown 的许可证。常见许可证包括 MIT(完全自由)、Apache-2.0(自由但有专利条款)、源可用(可看不能用)、GPL(强开源)。商用前请查仓库 LICENSE 文件。

进阶学习建议

如果想进一步用好 planning-and-task-breakdown,建议按以下路径学习:

第 1 周:熟练使用

  • 完成 3 步快速上手,跑通第一个任务
  • 试 2-3 个不同场景的真实任务
  • 记录”哪些 prompt 有效、哪些没用”——形成自己的 prompt 笔记

第 2 周:理解机制

  • 阅读 Skill 的官方文档(README、SKILL.md)
  • 了解 Skill 的”触发关键词”和”输出格式”
  • 学习”如何用更具体的描述触发 Skill”

第 3-4 周:组合使用

  • 跟其他 Skill 组合(比如代码审查 + 性能优化)
  • 跟其他 Agent 工具组合(Skill + MCP + 自定义脚本)
  • 沉淀团队/个人的 Skill 库

长期:贡献社区

  • 把自定义的 Skill 开源到 GitHub
  • 提 PR 改进现有 Skill
  • 写使用心得分享到 CSDN/掘金/知乎

推荐资源:

避免的坑:

  • 不要装太多 Skill(超过 10 个会拖慢 Agent)
  • 不要把 Skill 装在不兼容的 Agent 上
  • 不要直接复制 Skill 默认 prompt——要根据项目调整
  • 定期 review Skill 库的实用性,清理不用的

参考链接

为什么 2-5 分钟粒度这么重要

“2-5 分钟粒度”看似武断,实则有深刻的工程学道理。第一,任务粒度小意味着上下文压力小,AI 完成度高;第二,粒度小意味着可独立 commit,出问题时可回滚;第三,粒度小意味着 PR 小,code review 容易做;第四,粒度小意味着可被 Junior 工程师或子 Agent 无脑 follow。

如果一个任务 > 5 分钟,说明它还能再拆;如果 < 2 分钟,说明它太琐碎,可能应该合并到相关任务。找到”2-5 分钟”这个甜蜜点,需要不断练习。

进一步阅读

实战建议

  1. 新功能拆分:任何 > 1 小时的开发任务,先拆 2-5 分钟任务清单。
  2. PR 描述自动生成:把任务清单复制到 PR 描述,reviewer 看得明白。
  3. 进度跟踪:每完成一个任务,改状态为 [x],进度一目了然。
  4. 多 Agent 并行:用 subagent-driven-development Skill 把不同任务派给不同子 Agent。
  5. 依赖图可视化:用 mermaid 语法画任务依赖图,直观看到关键路径。
  6. CI 集成:每个任务对应一个 commit,CI 自动跑,卡门禁粒度更细。

本文基于官方文档和公开资料整理,AI辅助生成,MagicNetWorld 尚未完成独立实测。如有错误或过时信息,请通过 contact@magicnetworld.com 反馈。

planning-and-task-breakdown Skill 多维度简评

类别:规划 / 任务拆解 仓库:obra/superpowers 维护者:Jesse Vincent / Prime Radiant


一、核心定位与价值

writing-plans + executing-plans 是 Superpowers 中强制”先规划后编码”的姊妹技能,解决 AI 编程最常见的反模式:“看到需求直接动手 → 写到一半发现架构错”

核心原则:为工程师创建详细的实施计划,假设他们对代码库零上下文 任务大小:2-5 分钟一个(不能更长,不能更短) 文档要求:Goal / Architecture / Tech Stack / 文件列表 / 测试策略 / 文档需求

适用场景

  • 多步骤任务实施
  • 跨多个文件修改
  • 新增一整套功能
  • API / 前端 / 测试联动
  • 中大型重构

不适用场景

  • 1 行 typo 修复
  • 纯查询
  • 探索性原型

二、writing-plans 完整工作流

2.1 触发条件

Use when you have a spec or requirements for a multi-step task, before touching code.

翻译:有 spec 或多步骤任务需求时,在接触代码前使用。

2.2 文档结构

# [Feature Name] Implementation Plan

> **For Claude:** REQUIRED SUB-SKILL: Use superpowers:executing-plans to implement this plan task-by-task.
> **Goal:** [一句话描述这个 plan 构建什么]
> **Architecture:** [2-3 句话描述方法]
> **Tech Stack:** [关键技术和库]

## Tasks (bite-sized, 2-5 minutes each)

### Task 1: Write the failing test
**Files:**
- `src/services/user_service.py`

**Step 1: 写测试**
```python
def test_get_user_returns_user_from_db():
    user = user_service.get_user("user-1")
    assert user.name == "Alice"

Step 2: 跑测试看失败

pytest tests/services/test_user_service.py
# 期望: FAILED (因为还没实现)

Task 2: 实施最小代码

Files:

  • src/services/user_service.py

Step 1: 写最小实现

def get_user(id):
    return db.find_user(id)

Step 2: 跑测试看通过

pytest tests/services/test_user_service.py
# 期望: PASSED

Task 3: 跑全量测试

pytest --tb=short
# 期望: 全部通过

Task 4: 提交

git add .
git commit -m "feat(user): implement get_user service"

### 2.3 必须包含的元素

| 元素 | 作用 |
|---|---|
| **Goal** | 一句话目标,避免方向跑偏 |
| **Architecture** | 2-3 句架构概述 |
| **Tech Stack** | 关键依赖 / 库 |
| **文件列表** | 每个任务改哪些文件 |
| **测试策略** | 如何验证 |
| **文档需求** | 需更新的文档 |

### 2.4 任务粒度原则

| 粒度 | 适用 | 风险 |
|---|---|---|
| **< 1 分钟** | 过度拆解,难 review | 浪费 |
| **2-5 分钟** | **最佳** | 低 |
| **5-15 分钟** | 可接受 | 中(需有检查点) |
| **> 15 分钟** | 太大,易卡 | 高(任务失败率高) |

---

## 三、executing-plans 工作流

### 3.1 5 步执行

Step 1: Load and Review Plan(加载并审查)

  • 读取 plan 文件
  • 识别问题或疑问
  • 如有问题,开始前先问

Step 2: Execute Batch(执行批次,默认前 3 个任务)

  • 标记 task 为 in_progress
  • 严格按步骤
  • 跑验证
  • 标记完成

Step 3: Report(汇报)

  • 展示实施了什么
  • 展示验证输出
  • 说”Ready for feedback”

Step 4: Continue(继续)

  • 应用反馈
  • 下一批
  • 重复直到完成

Step 5: Complete Development(完成开发)

  • 调用 finishing-a-development-branch

### 3.2 何时停止并询问

| 情况 | 行动 |
|---|---|
| 批次中途遇到阻碍 | 立即报告,不强行继续 |
| 计划有严重缺陷 | 停止,回到 writing-plans |
| 不理解指令 | 询问,不猜测 |

### 3.3 与 subagent-driven-development 关系

| 维度 | executing-plans | subagent-driven-development |
|---|---|---|
| **谁执行** | 主 Agent | 子 Agent |
| **适用** | 手动 / 协作 | 自动 / 大任务 |
| **Review 频率** | 每 3 任务 | 每 1 任务 |
| **上下文隔离** | 共享 | 全新 |

---

## 四、与其他 Skill 配合

| Skill | 配合方式 |
|---|---|
| **brainstorming** | 先 brainstorm 出设计,再 writing-plans |
| **test-driven-development** | 每个 task 内部用 TDD |
| **subagent-driven-development** | 大规模任务用子 agent 派发 |
| **requesting-code-review** | 每 3 任务请团队 review |
| **verification-before-completion** | 完成后 verification |
| **finishing-a-development-branch** | 最终合并 / PR |

完整工作流:

brainstorming(设计) ↓ writing-plans(规划) ↓ subagent-driven-development(执行) ↓ test-driven-development(每 task) ↓ requesting-code-review(每 3 task) ↓ verification-before-completion(验证) ↓ finishing-a-development-branch(收尾)


---

## 五、5 大反模式

### 5.1 计划过于粗略

```markdown
# ❌ BAD
## Tasks
- 实现用户认证
- 实现数据库
- 部署
# ✅ GOOD
### Task 1.1: 写 user_repository 测试
### Task 1.2: 实现 user_repository
### Task 1.3: 写 service 测试
### Task 1.4: 实现 service
### Task 2.1: 写 POST /register handler 测试
...

5.2 计划过于详细

# ❌ BAD(每行代码都写)
### Task 1.1
**Step 1: 在文件 src/foo.py 第 42 行添加 import os**
**Step 2: 在 43 行写 def foo():**
**Step 3: 在 44 行写 return 1**

解决:给方向,不给具体实现。让 AI 自己写。

5.3 没有测试策略

解决:每个 task 必含测试

5.4 没有文件路径

解决:明确 Files: 字段

5.5 没有 Goal

解决:第一行就是 Goal


六、实战示例:用户认证系统

6.1 Plan 头

# User Authentication System Implementation Plan

> **For Claude:** REQUIRED SUB-SKILL: Use superpowers:executing-plans
> **Goal:** 实现邮箱密码登录,支持 JWT token,30 分钟过期
> **Architecture:** 前后端分离;后端 FastAPI + JWT;前端 React + httpOnly cookie
> **Tech Stack:** Python 3.11, FastAPI, SQLAlchemy 2.0, PostgreSQL 16, React 18, jose (JWT)

## Tasks

### Task 1: 数据库 schema
**Files:**
- `migrations/001_create_users.sql`

**Step 1: 写 migration**
```sql
CREATE TABLE users (
  id BIGSERIAL PRIMARY KEY,
  email VARCHAR(255) UNIQUE NOT NULL,
  password_hash VARCHAR(255) NOT NULL,
  created_at TIMESTAMPTZ DEFAULT now()
);

Step 2: 跑 migration

psql -d myapp -f migrations/001_create_users.sql

Step 3: 验证

psql -d myapp -c "\d users"

Step 4: 提交

git add migrations/
git commit -m "feat(db): add users table"

### 6.2 Spec 自查

写完后 AI 会自审:
- [ ] 没有占位符("TODO"、"稍后实现")
- [ ] 没有内部矛盾(前后不一致)
- [ ] 完整覆盖 spec
- [ ] 类型一致性:后续任务与前面定义的类型/签名匹配
- [ ] 每步都有验证命令
- [ ] 每步都是 2-5 分钟可执行
- [ ] 文件路径精确
- [ ] 代码完整可运行

---

## 七、5 条反合理化

| 借口 | 反驳 |
|---|---|
| "我心里有 plan" | 写出来 = 显式思考,避免遗漏 |
| "写 plan 太慢" | 写 plan 10 分钟,省 3 小时返工 |
| "AI 比我懂怎么实现" | AI 不知道**你**项目惯例 |
| "任务小不用 plan" | 5 个小任务叠加 = 大任务 |
| "plan 写了没人看" | 团队 review 必备 |

---

## 八、Q&A

**Q: 跟 OpenSpec 区别?**
A: writing-plans 输出单一 plan;OpenSpec 输出 4 工件。

**Q: 必须用 Claude 吗?**
A: 工具层面任何 Agent 都行;Skill 推荐 Claude。

**Q: 跟 executing-plans 关系?**
A: writing-plans 写;executing-plans 跑。

**Q: 任务 2-5 分钟怎么估?**
A: 看修改 ≤ 1 文件 + ≤ 1 测试 + 跑测试 ≤ 30 秒。

**Q: Plan 写到哪?**
A: 建议 `docs/plans/YYYY-MM-DD-<feature>.md`。

**Q: 跟 brainstorming 关系?**
A: brainstorming 解决"做什么",writing-plans 解决"怎么做"。

---

## 九、总结

writing-plans Skill 是 **AI 编程从"设计"到"实现"的关键桥梁**。

**核心价值**:
- 2-5 分钟任务拆分
- 完整代码、精确路径
- 易审查、易回滚、易并行

**适用人群**:
- ✅ 严肃工程项目
- ✅ 团队协作
- ✅ 复杂功能

---

> **本文基于官方文档和公开资料整理,未经过 MagicNetWorld 实测。**

## 参考资料

- [obra/superpowers 官方仓库](https://github.com/obra/superpowers) — GitHub 官方仓库
- [writing-plans SKILL.md 源码](https://github.com/obra/superpowers/blob/main/skills/writing-plans/SKILL.md) — 官方 Skill 定义
- [skilld.dev: writing-plans Skill](https://skilld.dev/gh/obra/superpowers/writing-plans) — Skill 详情
- [CSDN: Superpowers 详解](https://blog.csdn.net/kakaZhui/article/details/157023912) — 中文技术文章
- [b-lab.team: Superpowers 深度解析](https://b-lab.team/en/content/05409d6e-6fb4-436f-a3d8-37d3be367139) — 方法论分析