plan

用戶輸入

$ARGUMENTS

你在繼續進行前，必須考慮用戶輸入（若非空）。

大綱

1. 設定：從 repo 根目錄執行 {SCRIPT}，並解析 JSON 以取得 FEATURE_SPEC、IMPL_PLAN、SPECS_DIR、BRANCH。對於參數中如 "I'm Groot" 這類含有單引號的內容，請使用跳脫語法：例如 'I'\''m Groot'（或若可行則用雙引號："I'm Groot"）。

2. 載入上下文：讀取 FEATURE_SPEC 與 /memory/constitution.md。載入 IMPL_PLAN 範本（已經複製好）。

3. 執行規劃工作流程：依照 IMPL_PLAN 範本的結構進行：

   • 填寫技術上下文（Technical Context）（未知處標記為 "NEEDS CLARIFICATION"）
   • 從專案憲章填寫 Constitution Check（專案憲章檢查）區段
   • 評估 gates（如有違規且無正當理由則報錯 ERROR）
   • Phase 0：產生 research.md（解決所有 NEEDS CLARIFICATION）
   • Phase 1：產生 data-model.md、contracts/、quickstart.md
   • Phase 1：執行 agent 腳本以更新 agent context
   • 設計後重新評估 Constitution Check

4. 停止並回報：指令於 Phase 2 規劃結束後終止。回報分支（branch）、IMPL_PLAN 路徑，以及產生的產物。

各階段說明

Phase 0：大綱與研究

1. 從上述技術上下文（Technical Context）中擷取未知項目：

   • 對每個 NEEDS CLARIFICATION → 產生 research task（研究任務）
   • 對每個相依性（dependency）→ 產生 best practices task（最佳實踐任務）
   • 對每個整合（integration）→ 產生 patterns task（模式任務）

2. 產生並派發 research agents（研究代理）：

   For each unknown in Technical Context:
     Task: "Research {unknown} for {feature context}"
   For each technology choice:
     Task: "Find best practices for {tech} in {domain}"
   

3. 在 research.md 統整發現，格式如下：

   • 決策（Decision）：[所選擇的內容]
   • 理由（Rationale）：[選擇原因]
   • 考慮過的替代方案（Alternatives considered）：[評估過的其他選項]

產出：research.md，所有 NEEDS CLARIFICATION 已解決

階段 1：設計與契約

前置作業： research.md 完成

1. 從功能規格說明中抽取實體 → data-model.md：

   • 實體名稱、欄位、關聯
   • 來自需求的驗證規則
   • 若適用，則包含狀態轉換

2. 根據功能性需求產生 API 契約：

   • 每個使用者動作對應一個 endpoint
   • 採用標準 REST/GraphQL 模式
   • 將 OpenAPI/GraphQL schema 輸出至 /contracts/

3. AI agent 上下文更新：

   • 執行 {AGENT_SCRIPT}
   • 這些腳本會偵測目前使用的 AI agent
   • 更新對應的 agent 專屬上下文檔案
   • 僅新增本次計畫中的新技術
   • 保留標記之間的人工新增內容

產出：data-model.md、/contracts/*、quickstart.md、agent 專屬檔案

主要規則

• 請使用絕對路徑
• 若檢查點失敗或有未解決的釐清事項，則回報 ERROR