用户输入

$ARGUMENTS

在继续之前，您必须考虑用户输入（如果不为空）。

大纲

1. 设置: 从仓库根目录运行 .specify/scripts/powershell/setup-plan.ps1 -Json 并解析 JSON 以获取 FEATURE_SPEC、IMPL_PLAN、SPECS_DIR、BRANCH。对于参数中的单引号，如 "I'm Groot"，请使用转义语法：例如 'I'''m Groot'（或者如果可能的话使用双引号："I'm Groot"）。

2. 加载上下文: 读取 FEATURE_SPEC 和 .specify/memory/constitution.md。加载 IMPL_PLAN 模板（已复制）。

3. 执行计划工作流程: 遵循 IMPL_PLAN 模板中的结构来：

   • 填写技术上下文（将未知项标记为"需要澄清"）
   • 从章程中填写章程检查部分
   • 评估门禁（如果有未正当化的违规则报错）
   • 阶段 0: 生成 research.md（解决所有"需要澄清"）
   • 阶段 1: 生成 data-model.md、contracts/、quickstart.md
   • 阶段 1: 通过运行代理脚本更新代理上下文
   • 设计后重新评估章程检查

4. 停止并报告: 命令在阶段 2 规划后结束。报告分支、IMPL_PLAN 路径和生成的工件。

阶段

阶段 0: 大纲与研究

1. 从上述技术上下文中提取未知项:

   • 对于每个"需要澄清" → 研究任务
   • 对于每个依赖项 → 最佳实践任务
   • 对于每个集成 → 模式任务

2. 生成并分发研究代理:

   对于技术上下文中的每个未知项:
     任务: "研究 {未知项} 用于 {功能上下文}"
   对于每个技术选择:
     任务: "查找 {技术} 在 {领域} 中的最佳实践"
   

3. 在 research.md 中整合发现结果，使用格式:

   • 决策: [选择了什么]
   • 理由: [为什么选择]
   • 考虑的替代方案: [还评估了什么]

输出: 解决了所有"需要澄清"的 research.md

阶段 1: 设计与契约

前提条件: research.md 完成

1. 从功能规格中提取实体 → data-model.md:

   • 实体名称、字段、关系
   • 来自需求的验证规则
   • 如适用的状态转换

2. 从功能需求生成 API 契约:

   • 对于每个用户操作 → 端点
   • 使用标准的 REST/GraphQL 模式
   • 将 OpenAPI/GraphQL 模式输出到 /contracts/

3. 代理上下文更新:

   • 运行 .specify/scripts/powershell/update-agent-context.ps1 -AgentType claude
   • 这些脚本检测正在使用的 AI 代理
   • 更新相应的代理特定上下文文件
   • 仅添加当前计划中的新技术
   • 保留标记之间的手动添加内容

输出: data-model.md、/contracts/*、quickstart.md、代理特定文件

关键规则

• 使用绝对路径
• 如果检查点失败或存在未解决的澄清项，则报 ERROR