用途
Goal Plan 用于创建和执行智能计划，采用目标导向行动计划（GOAP，Goal-Oriented Action Planning）方法。当你有一个复杂目标，需要多个步骤、步骤之间存在依赖关系，并且可能随着条件变化而需要自适应重新规划时，适合使用该技能。
主要能力
- 前置条件分析：为每个可用动作定义前置条件（执行前必须为真的条件）和效果（执行后变为真的条件）。
- 成本优化：为每个动作估算成本（时间、复杂度、风险），并通过 A* 在状态空间中搜索最优行动序列。
- 自适应重新规划：当动作失败、出现意外副作用、新信息改变目标定义、成本超出阈值或外部依赖不可用时，重新评估当前状态并重算最优路径。
- 轨迹记录：通过 MCP 工具记录计划执行的轨迹，包括开始、每一步和结束。
- 计划存储：将成功的计划存储到指定命名空间，便于复用。
使用方式
该技能按以下步骤执行：
- 定义目标状态——明确“完成”的标准，列出具体的成功标准。
- 评估当前状态——确认当前为真的事实，以及已有的资产、代码、基础设施。
- 识别差距——确定当前状态与目标状态之间必须改变的内容。
- 盘点动作——列出可用动作，每个动作包含前置条件、效果和成本估算。
- 生成计划——通过 A* 在状态空间中寻找最优动作序列。
- 记录轨迹——调用
mcp__plugin_ruflo-core_ruflo__hooks_intelligence_trajectory-start开始跟踪。 - 创建任务——对计划中的每个动作调用
mcp__plugin_ruflo-core_ruflo__task_create。 - 执行——按依赖顺序处理任务：每个动作前验证前置条件是否仍然成立，每个动作后验证效果是否达成，并通过
mcp__plugin_ruflo-core_ruflo__hooks_intelligence_trajectory-step记录每一步。 - 监控与重新规划——如果动作失败或产生意外结果，重新评估当前状态，从新状态重算最优路径，并更新剩余任务。
- 完成轨迹——调用
mcp__plugin_ruflo-core_ruflo__hooks_intelligence_trajectory-end。 - 存储成功计划——调用
mcp__plugin_ruflo-core_ruflo__memory_store，命名空间为goap-plans。
计划输出格式如下：
Goal: [concrete objective]
Current State: [key facts]
Plan Cost: [estimated effort]
Steps:
1. [action] — precondition: [X], effect: [Y], cost: [Z]
2. [action] — precondition: [Y], effect: [W], cost: [Z]
...
Risk Factors: [what could force a replan]
Fallback: [alternative approach if primary path fails]
适用场景
适用于具有明确目标、多步骤依赖关系且执行过程中条件可能变化的复杂任务规划与执行。
限制
重新规划的触发条件包括：动作失败（前置条件不再满足）、检测到意外副作用、新信息改变目标定义、成本超出阈值、外部依赖变为不可用。关于该技能的具体平台支持、收费方式、价格等信息，资料中暂未提供。