plan模式已成为标配，但还有哪些问题没解决？

计划模式的价值，是先把问题想清楚；但计划也不能脱离真实环境。

计划模式的价值，是先把问题想清楚；但计划也不能脱离真实环境。

目前，各种 AI agent 几乎都标配了 plan mode，也就是计划模式。

它的思路很简单：先暂停执行，和 AI 一起把目标、约束和行动步骤讨论清楚，再开始动手。和 AI 聊的过程中，原本模糊的想法会逐渐收敛，最后变成可量化、可验证的步骤。

听起来很合理。

但我自己用过一段时间后，现在基本不用这个模式了。不是因为它没用，而是它目前不太适合我这种会在执行过程中不断确认细节的人。尤其对于强迫症患者，有两个问题很难忽略。

Part 1｜问题一：不能运行命令，计划只能建立在猜测上

以我目前体验到的 Claude Code、Codex 为例，进入计划模式后，Agent 默认不会运行命令；在这个阶段，也很难让它先读取项目文件、调用 Python 或实际检查数据。

这会带来一个直接问题：AI 在写计划前，无法先发现环境里的真实情况。

比如，我希望 AI 用 Python 读取一个已有的数据文件。正常情况下，一行命令就能先知道文件有哪些列、数据有多少行、日期范围是什么。可是在 plan mode 里，AI 往往只能根据文件名、经验和我的描述去猜测。

计划写得可能很完整，但它的前提未必是真的。

对我来说，这种“先写一份看起来很周全的计划，再在执行阶段发现第一步就不成立”的体验，反而增加了沟通成本。很多问题本来几秒钟就能验证，却被推迟到了计划结束之后。

另一个问题是计划文件的存放位置。

目前体验下来，Claude Code、Codex 等 Agent 通常会把计划文件放在官方预设的目录里。即使我在计划开始时明确说，希望把计划保存到项目中的某个位置，它也未必会照做。

我不太理解这种设计。

我们和 AI 讨论出来的计划，往往包含了大量上下文：当时的目标是什么，为什么选择这条路径，哪些方案被排除，下一步准备验证什么。这些内容本身就有很大的历史检视价值。

之前的计划可以作为其他对话的基础，也可以在项目变化之后继续改进。它更适合留在项目里，和代码、数据、实验记录放在一起，而不是留在一个只有 Agent 自己知道的目录里。

计划不只是 AI 的临时草稿，也应该是项目的一部分。

所以，我基于 plan mode 的思路，自己打磨了一个 Skill。

它保留了计划模式最重要的部分：先澄清目标，再形成行动方案，最后经过确认再执行。

同时，我希望它补上两个缺口：

这套做法不一定适合所有人，但更符合我自己的工作方式：先用事实把问题摸清楚，再把计划写下来；计划不是一次性产物，而是后续执行和复盘的依据。

下一篇文章，我会详细分享这个“定制化 plan mode”是怎么设计的，以及它和官方 plan mode 在使用体验上有什么差别。

参考资料：

原文发表于微信公众号。