核心用法
ia-planning是一套AI辅助软件规划方法论，核心思想是将上下文窗口视为易失性RAM，文件系统视为持久化磁盘——重要信息必须写入磁盘。该技能通过.plan/目录结构实现规划状态的外部化存储，包含task_plan.md(任务计划)、findings.md(研究发现)和progress.md(进度日志)三个核心文件。
适用场景分级：
- 完整规划(.plan/目录)：多文件变更、新功能、重构、>5个工具调用
- 扁平清单(对话内编号列表)：3-5文件变更、范围清晰、无需研究
- 跳过规划：单文件编辑、快速查询、简单问题
规划模板包含：方案概述、范围界定(In/Out)、完整文件结构表、分阶段执行计划(每阶段≤5-8文件)、执行姿态标注(test-first/characterization-first等)、延期事项、开放问题(≤3个)。
显著优点
1. 上下文管理优化：显式将规划状态持久化到文件系统，避免token浪费在重复建立上下文，特别适合长会话和多阶段任务
2. 任务分解纪律：强制要求任务原子化(2-5分钟)、动词开头、具体可验证，禁止占位符("TBD"/"TODO"/"implement feature")
3. 垂直切片优先：按用户可见能力而非技术分层分解，确保每个阶段交付端到端可用功能
4. 决策权限分离：技术实现由AI决定(语言/框架/架构)，用户体验相关决策由用户决定
5. 可追溯性设计：要求记录commit SHA、偏差文档化、编号中间文件保障跨会话连续性
潜在局限性
1. 仪式感过重：对于经验丰富的开发者，严格的模板和检查清单可能显得繁琐，小型任务 overhead 明显
2. 文件污染风险：.plan/目录虽加入.gitignore，但仍可能在项目中遗留临时文件
3. 工具链依赖：依赖init-plan.sh脚本和特定目录结构，跨环境移植需要适配
4. 认知负荷：需要同时掌握"何时完整规划/扁平清单/跳过"的分级决策，新手易误判
5. AI幻觉风险：规划中强制要求具体代码模式，若AI对代码库理解不足，可能产生虚假的具体性
适合人群
- AI辅助开发的新手：需要结构化框架约束AI行为，避免无限发散
- 复杂系统维护者：处理遗留代码重构、跨模块变更，需要测试发现和特征化先行
- 多会话长周期项目：工作可能中断、需要精确续接的协作场景
- 追求可审计性的团队：需要规划到代码的可追溯链路
常规风险
- 过度规划：违反"Skip for typos, single-file fixes"原则，小任务套用重流程
- 规划执行脱节：文档化要求(SHA记录、偏差标注)若未严格执行，将沦为形式
- 范围蔓延："Gold-plating"规则虽明确禁止，但"nice-to-have"的判定主观性强
- 跨阶段依赖累积：理论上限制每阶段≤2个跨阶段依赖，实践中易形成隐性依赖链
- 子代理协调复杂度：推荐使用子代理驱动执行时， orchestration 失败风险上升