用途
multi-ai-planning 用于将复杂目标转化为结构化、经过验证且可由智能体可靠执行的计划。它通过验证优先的方法、分层任务分解和严格的质量验证，确保计划具备生产就绪性。
主要能力
- 验证优先：在实施前定义成功标准。
- 分层分解：将目标拆解为原子、可执行的步骤。
- 显式依赖：映射所有依赖关系，识别并行执行机会。
- 质量门禁：执行前进行多层验证。
- 安全检查点：使用 Git 标签和补丁实现恢复与回滚。
- 模式验证与质量评分：计划需通过模式验证，质量评分需达到 90/100 以上。
- 多智能体并行执行：设计支持多智能体并行执行，内置验证和检查点系统。
使用方式
该技能采用基于工作流的 6 步顺序流程：
- 目标分析与研究：明确目标、背景和成功标准，确定计划类型，可选进行领域研究，分析方案选项并定义初始范围。
- 分层任务分解：将目标递归分解为大型任务（8-15 个）、中型任务（每个 3-8 个）和原子任务，确保粒度适当。
- 依赖映射与并行识别：识别任务间依赖关系，构建依赖图，验证无循环依赖，识别并行执行组并计算关键路径。
- 验证规划：为每个任务定义成功标准（SMART 原则），选择验证方法（自动化测试、手动检查、视觉检查、集成测试、代码审查），定义验证命令和质量门禁。
- 质量验证与评分：运行模式验证，从完整性、可行性、清晰度等方面评分（0-100，≥90 为通过）。
- （资料中未完整提供后续步骤）
适用场景
- 规划复杂功能（超过 8 个任务、多个组件）
- 多步骤迁移或重构
- 需要验证的安全实现
- 涉及多个接触点的系统集成
- 需要多智能体协调的项目
- 并行执行优化重要的场景
- 质量和验证至关重要的场景
限制
- 不适用于简单任务（少于 3 步）
- 不适用于临时探索性工作
- 不适用于无需正式结构的快速原型
- 需要清晰的目标和规划时间（根据复杂度 1-3 小时）
- 可选依赖：multi-ai-research 技能、Gemini CLI（npm install -g @google/gemini-cli）、Codex CLI（npm install -g @openai/codex）
- 需要了解目标领域和智能体协调基础知识（参见 references/task-tool-coordination.md）
前置条件
必需：清晰的目标、规划时间（1-3 小时，取决于复杂度）。
可选（用于增强规划）：multi-ai-research 技能、Gemini CLI、Codex CLI。
理解：熟悉目标领域，基本了解智能体协调。