持久记忆的觉醒：AI代理如何用三个Markdown文件开启亿万级智慧革命

想象一下，在2025年的硅谷，一个名不见经传的AI初创公司Manus，仅用8个月时间，就从默默无闻成长为年营收过亿的巨头，最终被Meta以惊人的20亿美元巨资收入囊中。你一定会好奇：到底是什么魔法，让这家公司如此迅速崛起？答案并非复杂的神经网络架构，也不是海量的训练数据，而是一种看似简单却深刻智慧的“上下文工程”——将短暂的AI记忆，转化为磁盘上永恒的规划文件。这就像一个忙碌的侦探，不再仅靠脑中的零散线索破案，而是用一本厚厚的笔记本，系统记录每一条证据、每一个推断，最终揭开谜底。今天，我们就来一起探索这个秘密：一个名为“planning-with-files”的开源项目，如何将Manus的精髓浓缩成三个Markdown文件，让任何AI代理都能像超级英雄一样，征服那些曾经令人头疼的复杂任务。

🌟 Manus的亿万传奇：从启动到收购的闪电之旅

让我们先把时光倒回2025年12月29日。那一天，科技媒体TechCrunch爆出重磅新闻：Meta正式收购Manus，这家被业界热议的AI初创公司。短短8个月，Manus就实现了从零到英雄的跃迁，年营收突破一亿美元。人们惊叹不已，却很少有人知道，他们的真正武器并非炫目的算法，而是对“上下文工程”的极致追求。

Manus的创始人曾这样描述他们的核心理念：“Markdown文件就是我在磁盘上的‘工作记忆’。由于我处理信息是迭代式的，而且活跃上下文有限，Markdown文件就像便签、进度检查点和最终成果的构建模块。”这句话听起来平淡，却蕴藏着深刻的智慧。想象你是一个AI代理，正在处理一个需要上百次工具调用的庞大项目——比如构建一个完整的Web应用。如果全靠上下文窗口记忆，一切都会像沙滩上的城堡，潮水一冲就散。Manus却聪明地选择了“文件系统”作为后盾：上下文窗口如同电脑的RAM，快速却易挥发；文件系统则像硬盘，持久而无限。这场收购，正是对这种“磁盘记忆”哲学的最高肯定。

这个开源项目“planning-with-files”正是对Manus精神的完美复刻。它最初作为一个Claude Code插件诞生，却在短短24小时内爆火，收获无数星标和分享。作者感激社区的支持，同时强调：如果这个技能能让你工作更聪明，那就是最大的成就。现在，就让我们深入这个系统的内核，看看它如何解决AI代理的四大痛点。

🧠 AI的记忆困境：为什么聪明的大脑也会迷路

亲爱的读者，假如你曾经用过ChatGPT或Claude处理复杂任务，一定有过这种挫败感：刚开始目标清晰，可几十轮对话后，AI突然忘了最初的要求，转而偏离轨道。这不是AI不聪明，而是它天生的局限——“挥发性记忆”。

想想看，人类的短期记忆能同时容纳7±2个信息块，而AI的上下文窗口虽然更大，却同样有限。一旦超过阈值，旧的信息就被挤出，新内容占据主导。结果呢？目标漂移：你本想让AI建一个电商网站，它却开始研究量子计算。隐藏错误：一次失败的工具调用被遗忘，下次又重复同样的错误。上下文填充：所有研究结果、代码片段、错误日志全塞进当前对话，导致窗口迅速爆满，AI像喝醉酒一样反应迟钝。

用一个风趣的比喻：AI的上下文窗口就像金鱼的记忆，只有几秒钟长——不，是几千token长，但依然转瞬即逝。而人类聪明的地方在于，我们会用笔记本、便签、备忘录来“外包”记忆。Manus正是抓住了这一点，他们把文件系统当作无限扩展的“外部大脑”。这个“planning-with-files”项目，直接针对这些痛点，开出了三文件药方，让AI从“短期记忆障碍”患者，摇身变为“象记忆”大师。

🔧 三文件模式：简单却强大的持久记忆系统

解决方案听起来如此朴素，却威力无穷：为每一个复杂任务（预计超过5次工具调用），创建三个Markdown文件：

• taskplan.md：任务规划总览，记录阶段、进度和决策。
• findings.md：研究发现仓库，存放所有探索结果、技术决策和资源链接。
• progress.md：进度日志，记录每一次操作、测试结果和错误处理。

📈 工作流程全景：从启动到完成的闭环之旅

现在，让我们一起走进这个工作流程，仿佛跟随一支探险队深入丛林。整个过程被设计成一个严密的循环，确保AI永远不会迷路。

首先，当用户提出复杂任务时，绝不能直接开工——必须先创建三个文件。这就像登山前先画好路线图，绝不盲目出发。接着，进入工作循环：

• PreToolUse钩子（自动触发）：在每次写文件、编辑或执行Bash操作前，系统会自动重读taskplan.md，把目标重新拉回注意力中心。这就像探险家每到岔路口，都翻开地图确认方向。
• 研究与发现：每进行两次浏览或搜索操作，就必须更新findings.md——这就是著名的“2-Action Rule”。为什么是两次？因为一次可能只是浅尝辄止，两次后往往有实质收获，不记录就浪费了。
• 阶段完成：完成一个阶段后，同时更新taskplan.md的状态（从inprogress到complete），并在progress.md中详细记录所做操作、修改文件和测试结果。
• 错误处理：一旦出错，立刻在taskplan.md和progress.md中记录错误描述、尝试方案和最终解决方式。这避免了重复犯错，就像医生记录病历，防止下次再开错药。
• Stop钩子（自动触发）：当AI认为任务完成时，系统会检查所有阶段是否真正标记为complete。如果有遗漏，就会强制继续工作，直到一切完美。

┌─────────────────────────────────────────────────────────────────┐
│                    TASK START                                    │
│  User requests a complex task (>5 tool calls expected)          │
└────────────────────────┬────────────────────────────────────────┘
                         │
                         ▼
         ┌───────────────────────────────┐
         │  STEP 1: Create task_plan.md │
         │  (NEVER skip this step!)      │
         └───────────────┬───────────────┘
                         │
                         ▼
         ┌───────────────────────────────┐
         │  STEP 2: Create findings.md   │
         │  STEP 3: Create progress.md   │
         └───────────────┬───────────────┘
                         │
                         ▼
    ┌────────────────────────────────────────────┐
    │         WORK LOOP (Iterative)              │
    ...（完整流程如原文所示，包含PreToolUse、2-Action Rule、阶段更新、错误日志、Stop验证等全部环节）

这个流程最妙的地方在于“注意力操纵”：通过钩子自动重读规划，AI的短期记忆缺陷被完美弥补。想象一下，你在写一本长篇小说，如果每次动笔前都重读大纲，就绝不会写跑题。

🚀 安装与快速上手：五步走进新世界

项目提供了多种安装方式，最推荐的是作为Claude Code插件直接安装：

/plugin marketplace add OthmanAdi/planning-with-files
/plugin install planning-with-files@planning-with-files

也可以手动克隆到项目目录，或针对Cursor单独配置规则文件。v2.0.0版本新增了钩子集成、模板和辅助脚本，让体验更丝滑。

上手只需五步：

1. 创建三个规划文件（可用模板或init脚本）
2. 在taskplan.md中拆解任务为3-7个阶段
3. 边工作边更新：研究→findings.md，实施→progress.md，阶段完成→双文件更新
4. 重大决策前重读taskplan.md（钩子自动完成）
5. 最终验证所有阶段完成，再交付成果

⚠️ 关键规则与常见陷阱：让习惯成为本能

要让这个系统发挥最大威力，必须遵守几条铁律：

• 永远先创建task_plan.md，绝不直接开工。
• 严格执行2-Action Rule：两次浏览/搜索后必须更新findings.md。
• 所有错误都要记录，哪怕瞬间解决。
• 绝不重复失败尝试——记录后必须变换策略。
• 三文件协同更新，缺一不可。

这个星标历史图，记录了项目爆火的轨迹——短短时间内的陡峭上升，正如Manus的成长曲线。

🎯 结语：当文件成为超级大脑

通过“planning-with-files”，我们看到了一种优雅的AI工作范式：不再依赖短暂的上下文，而是把智慧沉淀到磁盘上。这正是Manus能在8个月内创造奇迹的根本原因。无论你是开发者、研究者，还是只是对AI感兴趣的普通读者，都可以尝试这个模式。你会发现，复杂任务不再可怕，因为你拥有了持久的记忆、清晰的方向和可靠的日志。

当AI学会用文件思考，它就真正拥有了接近人类的智慧。未来，或许每个AI代理都会自带三个Markdown文件，就像每个人都有一本私人笔记本。感谢Manus的启发，感谢这个开源项目的分享——它让我们每个人，都能触碰到亿万级智慧的门槛。

参考文献

1. OthmanAdi. planning-with-files [GitHub仓库]. https://github.com/OthmanAdi/planning-with-files (访问日期：2026年1月)
2. Meta acquires Manus, the $2 billion AI agent startup. TechCrunch, 2025年12月29日. https://techcrunch.com/2025/12/29/meta-just-bought-manus-an-ai-startup-everyone-has-been-talking-about/
3. Context Engineering for AI Agents: Lessons from Building Manus. Manus官方博客. https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
4. Claude Code Skills and Plugins Documentation. Anthropic官方文档. https://code.claude.com/docs/en/skills
5. Martin, Lance. Detailed analysis of Manus architecture [相关技术分析]. 2025.