gstack-plan: Full Review Gauntlet
2026-09-06 16:03:28作者:滑思眉Philip
Injected by the orchestrator when the user wants to plan a Claude Code project. Append to existing CLAUDE.md.
两个关键约束值得注意:
1. **注入时机**:当用户表达"帮我为一个 Claude Code 项目做规划"(例如 "Help me plan a Claude Code project")时,由编排器注入;
2. **注入方式**:`Append to existing CLAUDE.md`——追加而非替换。这一点与 [docs/OPENCLAW.md](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/docs/OPENCLAW.md?utm_source=gitcode_repo_files) 中 "CLAUDE.md collision handling" 一节的规则一致:当目标仓库已有 CLAUDE.md 时,必须把 gstack-plan 作为新章节**追加**到现有指令之后,绝不覆盖仓库既有的项目约定。
从集成设计看([docs/OPENCLAW.md](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/docs/OPENCLAW.md?utm_source=gitcode_repo_files) "Architecture" 一节),gstack 与 OpenClaw 之间**没有守护进程、没有 JSON-RPC、没有协议版本化**,"prompt is the bridge"——一段纯文本提示词就是整个集成协议。OpenClaw 的 ACP runtime 负责原生 spawn Claude Code 会话,gstack 则提供让会话更可靠的规划纪律与方法论。gstack-plan 正是这套"提示词即协议"思路在 Plan 层的具象化产物。
## 二、Planning Pipeline:五步完整规划流水线
模板的核心是 `## Planning Pipeline` 一节,共五步。以下完整继承模板原文并逐步展开。
### 步骤 1:读取 CLAUDE.md,理解项目上下文
> 1. Read CLAUDE.md and understand the project context.
规划不能凭空开始。Claude Code 会话启动后首先阅读目标仓库的 CLAUDE.md(其中已追加了 gstack-plan 段),从而继承项目的既有约定、技术栈与领域上下文。这一步保证后续设计文档与评审讨论都建立在"项目真实状态"而非模型臆想之上。
### 步骤 2:运行 /office-hours 产出设计文档
> 2. Run /office-hours to produce a design doc (problem statement, premises, alternatives).
`/office-hours` 是 gstack 的产品拷问(product interrogation)技能,负责产出一份设计文档,必须包含三个要素:
- **problem statement**(问题陈述)——到底要解决什么问题;
- **premises**(前提假设)——方案依赖哪些未经证实的假设;
- **alternatives**(备选方案)——还存在哪些替代路径。
这一设计文档是后续所有评审的评审对象(review target),也是最终计划文件的第一部分原料。
### 步骤 3:运行 /autoplan 对设计文档做完整评审
> 3. Run /autoplan to review the design (CEO + eng + design + DX reviews + codex adversarial).
`/autoplan` 是 gstack 的自动规划评审技能,模板明确要求其跑完**完整评审阵容**(这也是标题 "Full Review Gauntlet" 的由来):
| 评审角色 | 关注点 |
|---|---|
| CEO review | 战略价值、范围取舍(是否值得做、边界在哪) |
| Eng review | 架构合理性、技术风险、实现顺序 |
| Design review | 交互与信息架构 |
| DX review | 开发者体验、API 表面 |
| codex adversarial | 由 Codex 模型充当"对抗评审者",专门挑战上述结论 |
从源码结构看,gstack 仓库对这些评审的产出质量有严格的回归测试约束:例如 [test/codex-e2e-plan-format.test.ts](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/test/codex-e2e-plan-format.test.ts?utm_source=gitcode_repo_files) 就专门固定了 `/plan-ceo-review` 与 `/plan-eng-review` 在 Codex CLI 下发起 AskUserQuestion 时的输出格式(必须含 RECOMMENDATION 推荐行、ELI10 通俗解释段、kind/coverage 差异化判定等),确保评审环节在真实会话中不会退化成"裸选项列表"。
### 步骤 4:把评审后的最终计划落盘为文件
> 4. Save the final reviewed plan to a file the orchestrator can reference later.
> Write it to: `plans/<project-slug>-plan-<date>.md` in the current repo.
> Include the design doc, all review decisions, and the implementation sequence.
计划产物有明确的**文件命名约定**与**内容完整性要求**:
- **路径格式**:`plans/<project-slug>-plan-<date>.md`(当前仓库内,如 `plans/my-project-plan-2026-09-06.md`);
- **必须包含三部分**:
1. 设计文档(步骤 2 的产物);
2. 所有评审决策(步骤 3 各角色评审的结论与取舍);
3. 实现顺序(implementation sequence)。
落盘的意义在于:计划从"会话内的一次性上下文"变成"仓库中可被后续会话引用的持久资产"。编排器之后可以按这个路径直接引用它,而不必依赖任何会话记忆。
### 步骤 5:向编排器汇报
> 5. Report back to the orchestrator:
> - Plan file path
> - One-paragraph summary of what was designed and the key decisions
> - List of accepted scope expansions (if any)
> - Recommended next step (usually: spawn a new session with gstack-full to implement)
汇报内容固定为四项,每一项都有明确的下游用途:
| 汇报项 | 用途 |
|---|---|
| 计划文件路径 | 供编排器持久化到其记忆/知识库(brain repo 或 AGENTS.md 中配置的知识存储) |
| 一段话摘要(设计了什么 + 关键决策) | 让用户无需打开计划文件即可在聊天窗口(如 Telegram)里理解全貌 |
| 已接受的扩围清单(scope expansions) | 透明化:评审过程中被批准纳入范围的扩张项,避免"计划悄悄变大" |
| 建议的下一步 | 通常是:**spawn 一个带 gstack-full 的新会话去实现** |
## 三、"只规划、不实现"的硬边界与 FULL 层交接
模板末尾有两条收尾约束,是整个 Plan 层的设计红线:
> Do not implement anything. This is planning only.
> The orchestrator will persist the plan link to its own memory/knowledge store.
**Plan 层会话绝对不写实现代码。** 它的工作在"保存计划文件 + 向编排器汇报"时即告终结。实现发生在下一次会话,通过 gstack-full 模板完成。对照 [openclaw/templates/gstack-full-CLAUDE.md](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/openclaw/templates/gstack-full-CLAUDE.md?utm_source=gitcode_repo_files) 可以看到两个模板的分工边界非常清晰:
- **gstack-plan**:`/office-hours` → `/autoplan` → 保存计划文件 → 汇报;不含 `/ship`,不实现;
- **gstack-full**:`/autoplan` → **implement the approved plan** → `/ship`(产出带测试、changelog、版本号递增的 PR)→ 汇报 PR URL 与决策。
[openclaw/agents-gstack-section.md](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/openclaw/agents-gstack-section.md?utm_source=gitcode_repo_files) 中 PLAN 分派段明确描述了这条交接链:
Claude Code runs: /office-hours → /autoplan → saves plan file → reports back Persist the plan link to memory/knowledge store. When the user is ready to implement, spawn a new FULL session pointing at the plan.
即:编排器把计划链接持久化后,等用户准备好动手时,再 spawn 一个**新的 FULL 会话并指向该计划文件**——计划与实现在两个独立会话中解耦,各自拥有干净的上下文预算。
## 四、Plan 层如何被触发:分派路由与注入机制
### 4.1 五级分派路由
[docs/OPENCLAW.md](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/docs/OPENCLAW.md?utm_source=gitcode_repo_files) 给出了 OpenClaw 在 spawn 时决定注入哪一层 gstack 支持的分派表,gstack-plan 处于其中的 **Plan 层**:
| 层级 | 触发场景 | 注入内容 |
|---|---|---|
| Simple | 单文件修改、错别字、配置变更 | 不注入任何 gstack 上下文 |
| Medium | 多文件功能、重构 | 追加 gstack-lite CLAUDE.md |
| Heavy | 需要特定 gstack 技能(/cso、/review、/qa) | "Load gstack. Run /X" |
| Full | 完整功能、目标、项目 | 追加 gstack-full 流水线 |
| **Plan** | **"Help me plan a Claude Code project"** | **追加 gstack-plan 流水线** |
配套的判定启发式(Decision heuristic)中,Plan 层对应一条规则:**"用户想为 Claude Code 规划某事、但还不实现"(Does the user want to PLAN something for Claude Code without implementing yet?)→ Plan**。它与 Full 层的区分点在于用户意图是"先设计"还是"直接建":Full 是 feature/project/objective 的执行,Plan 是执行前的规划。
### 4.2 具体 spawn 方式
[openclaw/agents-gstack-section.md](https://gitcode.com/GitHub_Trending/gs/gstack/blob/9da6692930db209e8632e8da3d5e5b5995d8af9c/openclaw/agents-gstack-section.md?utm_source=gitcode_repo_files) 给出了可直接照做的 spawn 指令形态:
sessions_spawn(runtime: "acp", prompt: "\n\n")
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0624
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
项目优选
收起
deepin linux kernel
C
33
18
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
855
1.34 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
528
589
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Markdown
77
23
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.13 K
2.73 K
暂无描述
Markdown
897
5.79 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.56 K
1.01 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
998
511
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
909
1.83 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
213
313