最近科技圈被 Manus 刷屏了，大家都在求邀请码，与其在排队列表里干耗着，咱们搞技术的不如直接拆解它的核心逻辑，看看它是怎么跑通“思考-规划-执行”这条路的。
planning-with-files
也就是这几天的事，大家对自主智能体的热情一下子被点燃了，核心痛点就一个：我们受够了只会陪聊的 AI，我们需要能干活的 AI。
以前用 ChatGPT 写代码，你得自己复制粘贴，稍微复杂点的项目，上下文一多它就乱套，文件结构还得自己搭。
Manus 的惊艳之处在于它能自主规划并操作文件，这让很多开发者眼馋。
也就是在这个节骨眼上，GitHub 上冒出了这个名为 planning-with-files 的项目，它不是什么且大且空的商业软件，而是一个极其精炼的 Python 实现。
它非常直白地展示了如何利用大模型的能力，在一个本地环境中复刻 Manus 那种“先思考、列计划、再写文件”的工作流。
对于咱们想搞懂 Agent 到底怎么落地的人来说，这简直就是一份满分的代码教科书。
这个项目的核心用途非常明确，就是通过代码把 LLM（大语言模型）变成了系统的包工头。
举个具体的例子，假设你现在想做一个贪吃蛇游戏。
在以前你得跟 AI 说给我写个贪吃蛇，它给你吐一堆代码，你还得自己去建 main.py，自己去配环境。
用这个工具，你只需要在终端敲入需求，它不会上来就蛮干，而是先会在目录下生成一个 plan.md 文件。
你会眼睁睁看着它在里面列出步骤：第一步初始化 Pygame 窗口，第二步设计蛇的类，第三步处理碰撞逻辑。
确认计划无误后，它才开始创建 snake.py，并且根据刚才的计划一步步填充代码。
最绝的是，它能感知当前目录下的文件状态，不会像无头苍蝇一样重复创建文件，这种有的放矢的感觉，真的太像一个成熟的程序员在干活了。
咱们深入聊聊它的几个核心功能，这才是这个项目最值钱的地方。
首先是它的思维链外显化，很多 Agent 所谓的思考是个黑盒，但这个项目强制模型输出 XML 格式的思考过程，它把我在想什么和我要做什么拆得清清楚楚。
比如在写代码前，它会先调用 read_file 工具看看现有的代码长什么样，防止把之前写好的逻辑覆盖掉，这一个动作就解决了 AI 编程最大的痛点——瞎改。
然后就是它的自我修正循环，如果它在执行计划的第三步发现缺少了一个依赖库，它不会卡死，而是会更新 plan.md，插入一个安装依赖的步骤，这种动态调整的能力，才是 Agent 和脚本最大的区别。
它的代码结构极其适合学习，整个核心逻辑就几个 Python 文件，没有复杂的框架包裹，你能够清晰地看到它是如何把 Prompt（提示词）设计成项目经理角色的。
它的源码对于文件系统的操作权限做了很克制的封装，既保证了 AI 能干活，又防止它把你的硬盘给洗白了。
这种设计思路，对于想在公司内部搭建私有化编程助手的朋友来说，参考价值极大。
这个项目切中了Manus 平替和Agent 原理学习这两个大热点，是纯 Python 编写的，依赖项很少。
这就意味着只要你本地有 Python 环境，填上自己的 API Key（支持 OpenAI 或 Anthropic等），大概率能一把跑通，不用担心陷入配环境的泥潭里。
代码逻辑清晰，注释也算良心，不像有些开源项目那样藏着掖着，它是实打实地把Agent 怎么读写文件这层窗户纸给捅破了。
这个项目特别适合对 AI 落地感兴趣的开发者，你想知道所谓自主智能体到底是不是玄学，跑一遍代码全懂了，甚至可以在此基础上魔改出适合自己业务的工具。
也适合正在学习 Prompt Engineering（提示词工程）的朋友，你会看到它是如何通过精妙的提示词，按住大模型那颗躁动的心，让它乖乖按计划行事的。
哪怕你不写代码，光是看它生成的 plan.md，都能学到不少项目管理的思路。
开源地址：https://github.com/OthmanAdi/planning-with-files
10个月宝宝每天需要喝多少奶粉？
