# ExecPlan Skill

> 仓库地址：https://github.com/tiann/execplan-skill
> 作者/组织：tiann
> 成熟度：beta
> 分析日期：2026-04-15

## 一句话总结
让 AI coding agent 能够自主执行数小时的复杂项目，通过 milestone 和 checkpoint 机制保持上下文不丢失。

## 项目定位与架构
ExecPlan 解决的核心痛点是：AI agent 在处理大型编码项目时容易丢失上下文、无法持续推进。它通过结构化规划和 checkpoint-based execution 让 agent 可以自主工作数小时，每个 milestone 产出可测试的交付物。

设计哲学是"先审批计划，再执行实施"——plans 在执行前需要 review 和 approve，确保方向正确。每个 milestone 产出 functional、testable deliverables，提供验证机会和错误恢复窗口。

## 关键技术特性
- **Extended Autonomous Execution**：agent 独立工作数小时不丢失上下文
- **Verifiable Approach**：计划先审批后执行
- **Living Documentation**：实时追踪 progress、decisions、discoveries
- **Observable Outcomes**：每个 milestone 产出可测试交付物
- **Safe Recovery**：集成 rollback 机制
- **Multi-platform**：Claude Code、Cursor、OpenCode、Amp、Goose、VS Code

## 设计亮点与创新
将软件项目管理的 milestone 思维应用到 agent 执行中——agent 不再是"一口气做完"的 one-shot 模式，而是"分阶段推进、每步验证"的工程模式。

## 局限性与风险
- 长时间自主执行的成本（API calls）可能很高
- Plan approval 仍需人工干预，不完全自主
- "数小时不丢失上下文"的承诺受限于 LLM 的 context window

## 与生态系统的关联
与 maestro 的 skill orchestration 理念互补——ExecPlan 管单个项目的分阶段执行，Maestro 管多 agent 的协调。适用于 Hermes 中大型编码任务的执行管理。