核心定位
ia-planning 是一套专为 AI 辅助软件开发设计的规划方法论技能，核心解决复杂代码变更中的三个关键问题：上下文窗口溢出、关键决策丢失、实施与计划脱节。它通过将"思考"从易失的上下文窗口外溢到文件系统（.plan/ 目录），实现持久化、可恢复的工作流管理。
显著优点
1. 认知卸载与状态恢复
将任务计划、研究发现、执行进度写入磁盘（task_plan.md、findings.md、progress.md），使工作流能跨越上下文压缩边界存活。对于动辄涉及 10+ 文件、数小时实施的复杂任务，这是防止"从头再来"的基础设施。
2. 强制质量门禁
"5 问目标检验"（Goal Quality Gate）在投入任何规划 token 前，强制要求可验证的成功标准——具体产物、验收证据、量化阈值、边界定义、决策授权边界。这过滤了大量"优化 X""调研 Y"之类的模糊指令，避免无效规划。
3. 精细化任务分解规范
- 垂直切片（Vertical slicing）：按用户可见能力而非技术层分解
- 原子化任务：2-5 分钟完成、动词开头、命名具体文件与代码模式
- 阶段约束：每阶段 5-8 文件、2 小时内可完成、2 个以内前置依赖
4. 可追溯的执行纪律
要求 SHA 记录（- [x] Task 1.1 \abc1234\`）、偏差文档（Deviation: [what changed and why]`），建立计划→代码的双向追溯链。
5. 弹性执行姿态
支持 test-first、characterization-first、external-delegate 等元数据标注，让执行器无需追问即可选择合适策略。
潜在局限
1. Ceremony 开销
对于熟练工程师的直觉性小改动（确实是单文件、无决策点的机械任务），完整规划流程可能显得冗余。技能本身承认这一点并提供了"跳过条件"，但判断"是否跳过"本身需要认知负荷。
2. 工具生态依赖
脚本 init-plan.sh、.plan/ 目录约定、与 ia-work、ia-orchestrating-swarms 的集成假设特定工作流，在非标准开发环境（如某些云端 IDE、严格只读文件系统）中可能摩擦。
3. 多代理协调复杂度
external-delegate 姿态和子代理驱动执行依赖成熟的编排基础设施（ia-orchestrating-swarms），对于单会话、单代理场景，这些能力处于休眠状态。
4. "无镀金"原则的双刃性
严格禁止 scope creep 虽防止过度工程，但也可能在快速迭代场景中阻断合理的局部优化——需要人工判断何时"镀金"实际上是"还债"。
适合人群
- AI 辅助编程重度用户：使用 Claude 等工具处理跨越多个文件、多会话的复杂功能开发
- 需要审计追踪的团队：金融、医疗、关键基础设施等需要完整决策记录的领域
- 上下文窗口焦虑者：处理大型代码库、长历史对话、频繁遭遇上下文压缩的用户
- 方法论实践者：认同"慢思考快执行"、愿意前期投入规划 token 换取后期确定性的开发者
常规风险
- .plan/ 污染风险：技能明确标记为"不提交"并加入
.gitignore，但用户误提交临时规划文件可能泄露未公开的设计思路 - 规划-执行漂移：即使要求偏差文档化，实际执行中仍可能因时间压力跳过记录，导致计划成为"活化石"
- 过度规划陷阱：对于 genuinely 探索性任务（"看看这个库能做什么"），强制可验证目标可能扼杀必要的开放性