核心用法
ia-planning 是一个软件实现规划工作流技能，核心解决"何时规划、如何规划、规划到什么程度"的问题。它通过文件持久化机制（.plan/ 目录）将上下文窗口（RAM）外溢到文件系统（Disk），支持复杂多文件变更的可持续管理。
使用触发条件：
- 需要修改 3+ 文件 或范围模糊时强制启用
- 跳过场景：单文件修复、拼写错误、纯研究报告类工作
规划层级：
| 复杂度 | 输出形式 |
|--------|---------|
| 多文件/新功能/重构/>5个工具调用 | 完整计划（.plan/目录） |
| 3-5文件/范围清晰 | 扁平清单（对话内编号列表） |
| 原子性变更（单提交、无设计决策） | 直接跳过规划 |
关键工作流
1. 目标质量门禁：执行5问检验（可交付成果、验证证据、成功阈值、范围边界、决策权限），拒绝纯活动目标
2. 脚手架生成：init-plan.sh "Feature Name" 创建 task_plan.md / findings.md / progress.md
3. 垂直切片：按用户可见能力分解，而非技术层（"用户可登录"而非"建auth表"）
4. 分阶段执行：每阶段≤5-8文件、≤2小时专注工作、上下文安全
5. 执行交接：明确选择"子代理驱动"（推荐）或"主会话内联执行"
显著优点
- 成本优化：规划token比实现token便宜，前置思考减少返工
- 上下文弹性：通过
.plan/文件实现跨会话状态持久化，应对上下文压缩 - 决策分级：技术决策（Claude定）vs 体验决策（用户定），减少无效询问
- 可追溯性：SHA内联记录、偏差文档化、检查点验证
- 防镀金：强制引用确切需求，未明确要求的功能需显式审批
潜在局限
- 仪式负担：小变更的"薄规划"仍带来固定开销
- 误判风险："看起来原子"的请求常隐藏关键设计决策（如"加缓存"含TTL/失效策略等KTDs），需经验判断
- 文件污染：
.plan/需手动忽略，存在误提交风险 - 学习曲线：垂直切片、执行姿势信号等概念需要团队对齐
适合人群
- AI辅助开发团队：使用Claude Code或其他AI编程工具的工程团队
- 多文件重构场景：微服务拆分、框架迁移、跨模块功能开发
- 长周期复杂任务：需跨会话延续的8+文件变更
- 需要审计痕迹：金融、医疗等对变更可追溯性有要求的领域
常规风险
| 风险 | 缓解 |
|------|------|
| 规划文件未清理提交 | `.gitignore`预配置 + 文档强调 |
| 垂直切片执行走样 | 每2-3任务后强制检查点验证 |
| 子代理上下文丢失 | 自包含任务提示 + 编排器集成验证 |
| 安全架构后期返工 | 敏感场景前置`ia-security-sentinel`威胁建模 |
| 计划僵化 | 显式偏差文档化机制 |
认证状态：本报告为系统占位生成，未执行实际安全扫描。