如何让VSCode、Trae、Qoder像Manus一样高效工作？

你知道吗，“planning-with-files”其实是个在GitHub上开源的技能。它的主要目的是模仿Meta公司以20亿美元收购的Manus的工作流程。就像他们网站上说的那样：

Work like Manus — the AI agent company Meta acquired for $2 billion.

你可能感兴趣：猛薅一个月的“各家”免费AI开发平台，竟然让我意识到我之前的误区！

把 planning-with-files 这个技能装到 Trae 里，真的是可以大幅度提升AI处理复杂多步骤任务的能力，包括规划、记忆和执行。它通过模拟Manus的核心工作流程，将文件系统变成AI的“外部硬盘”，从而解决了传统AI助手在长时间任务中常见的“目标漂移”和“记忆短暂”这类问题。

安装方式一

首先，打开Trae（或者说是像VSCode这样的工具），然后选择@Builder智能体，在聊天框里输入：

帮我安装这个skills: https://github.com/OthmanAdi/planning-with-files/tree/master/skills/planning-with-files

安装提示：

安装方式二

我直接把
https://github.com/OthmanAdi/planning-with-files/tree/master/skills 下的 planning-with-files 文件复制到当前项目的.traeskills 文件夹里，这样就能看到这个：

实际应用场景

安装完后，你就可以通过发起复杂的任务指令来启动它了。

• 开发工作：你可以说“帮我开发一个基于FastAPI的用户认证系统”，AI会先生成 task_plan.md，规划出“需求分析-环境搭建-核心功能实现-测试”等步骤，然后逐步执行，把调研的OAuth2.0规范存入 notes.md，最后输出代码为 auth_system.py。
• 分析研究：你可以指令“分析2025年人工智能在医疗领域的主要趋势，并撰写一份报告”，AI会规划研究阶段，把找到的论文摘要和数据图表描述存入 notes.md，最终生成结构化的 analysis_report.md。

这个技能特别擅长解决一些常见问题：

• 对抗目标漂移：通过“行动前必读计划”的规则，确保AI在执行多个步骤后仍然能记住最初的目标。
• 避免上下文过载：把大量的研究资料存入笔记文件，保持对话的上下文清晰，节省Tokens，并提升推理的效率。
• 保留错误记忆：所有失败的尝试都会记录在 task_plan.md 中，帮助AI避免重复犯错，形成“学习”能力。

测试验证

/planning-with-files 调研一下最新的Agent开发技术趋势

这样你就可以按照Manus的方式来工作了：

使用建议大公开

• 清晰的任务描述：在给AI下达任务时，不妨加上像“请详细规划一下”或“这是个复杂的多步骤项目”这样的提示，这样能更好地激活它的相关技能。
• 手动干预与指导：你随时可以进入 task_plan.md 手动修改内容，调整各个阶段的顺序，或者添加一些关键问题。下次AI阅读时，会按照你更新的计划来执行。
• 适合复杂的任务：如果只是修改一个文件或回答简单问题，直接对话可能更快速。不过，这个技能的真正强项在于处理那些需要多次调用工具、耗时较长、涉及深入研究的复杂任务。

总的来说，把 planning-with-files 集成到Trae里，就像给你的AI助手加装了一个专业的项目管理大脑。通过这种文件管理方式，AI的工作流程变得更加透明、可回顾和持续，非常适合那些需要严谨步骤的分析研究和开发任务。