智能规划专家Skill（gepetto）：把模糊需求变成可执行的分节实施计划
- 一句话定位：gepetto 是一个「规划编排器」，它把一句模糊的功能想法，经过研究、访谈、规范合成、计划、多 LLM 外部审查、分节拆分六个阶段，产出 9 类结构化 Markdown 文件。
- 核心机制：不是「一次性生成计划」，而是状态机式的 17 步流程，每完成一步落盘一个文件，中断后可凭已存在文件自动判断恢复点。
- 差异化亮点：引入 Gemini + Codex 双外部 LLM 并行审查，再由主代理决定采纳与否，避免单一模型的盲区。
- 最终产物可直接喂给自动化执行器：同时生成
claude-ralph-loop-prompt.md（内嵌全部分节，供 ralph-loop 插件）与claude-ralphy-prd.md（引用分节，供 Ralphy CLI）。 - 使用前提：必须先准备一个
.md结尾的规范文件，然后通过/gepetto @路径/规范.md调用。
该技能叫什么？如何一键安装 AI 技能提升开发效率？
这个技能的中文名是智能规划专家Skill，英文名 gepetto，技能ID 为 12425。
它要解决的问题非常具体：大部分「让 AI 写实现计划」的尝试都太草率。你随口描述一句需求，模型就回你一份看起来很像样的计划，但这份计划往往缺少对代码库的调研、缺少对真实约束的追问、也缺少第三方视角的挑错。等到真正开始写代码时，才发现计划里全是想当然。
gepetto 的思路是把「规划」当成一条有阶段、有产物、有审查的流水线，而不是一次问答。它显式地把规划拆成：研究 → 访谈 → 规范合成 → 计划 → 外部审查 → 分节，并在每一步把结果写成 Markdown 文件保存到磁盘，让规划过程本身成为一个可回溯、可交接、可恢复的工程产物。
一键安装的思路与落地步骤：
- 确认运行环境前提。从技能的流程设计可以看出，它依赖斜杠命令调用（
/gepetto）、子代理任务（Task）、交互式提问（AskUserQuestion）、待办清单（TodoWrite）以及通过 Bash 调用外部模型（Gemini、Codex）。因此需要在支持这些能力的 AI 编程助手环境中使用。具体支持哪些客户端、版本要求如何，以官方说明为准。 - 获取并安装技能。在技能市场/插件市场或官方发布的技能包中搜索英文名
gepetto或技能ID12425进行安装；如为离线技能包，则放入客户端约定的技能目录。具体安装命令与目录约定因客户端而异，以官方说明为准。 - 确认依赖的参考文档齐全。gepetto 的多个步骤依赖
references/下的协议文件，包括research-protocol.md、interview-protocol.md、external-review.md、section-index.md、section-splitting.md。安装后建议先检查该目录是否随技能一同落地，缺失会导致对应步骤无法按协议执行。 - 验证是否生效。准备一个最小的
.md规范文件，执行一次/gepetto @你的路径/xxx.md。如果技能生效，你会先看到印有GEPETTO: AI辅助实现计划的介绍横幅，随后打印规划目录：{planning_dir}与模式：{mode}状态信息。只要看到这两个横幅和状态打印，就说明安装成功。 - 反向验证（可选）：如果不带
.md路径直接调用，技能会打印「GEPETTO: 需要规范文件」并停止，这也是安装正常的信号——说明它的输入校验逻辑在工作。
该技能的主要功能和特点
- 强制输入校验，拒绝「空手规划」：技能启动第一步就是检查用户是否传入了以
.md结尾的规范文件。没有传入，或者路径不是.md，它会直接打印引导文案并停止，不继续执行。这避免了「需求还没写清楚就开始排计划」的常见浪费。 - 规划目录自动推断：规划目录不是让用户手填，而是从规范文件的父目录推断，所有产物统一落在规范文件旁边，符合「文档跟着需求走」的直觉。
- 状态机式断点恢复：通过扫描
claude-research.md、claude-interview.md、claude-spec.md、claude-plan.md、claude-integration-notes.md、reviews/、sections/等文件的存在情况，自动判断当前处于新建模式还是恢复模式，并精确恢复到对应步骤（如「仅研究 → 从步骤6访谈恢复」「+计划 → 从步骤10外部审查恢复」）。中途被打断不用从头再来。 - 研究环节分双通道：既支持代码库研究（Explore 子代理），也支持网络研究（带 WebSearch 的 Explore 子代理），两者可以并行发起。用户可以选择不做研究，技能会完整跳过该步骤，不浪费时间。
- 访谈在主上下文中进行：访谈步骤使用交互式提问，并明确要求在主上下文运行，保证问答内容不会因为子代理隔离而丢失，访谈结果落地为
claude-interview.md。 - 规范合成：把「原始规范文件 + 研究发现 + 访谈答案」三份输入合并成一份完整的
claude-spec.md，这是整个流程的关键收敛点——把用户的口语化需求转成可执行定义。 - 自包含计划原则：生成的
claude-plan.md明确要求「为不熟悉的读者编写」，做到工程师或 LLM 不需要任何先验上下文，仅读这份文档就能理解要构建什么、为什么构建、怎么构建。 - 多 LLM 外部审查：并行启动 Gemini 与 Codex 两个子代理审查计划，结果写入
reviews/目录，形成真正的「三方视角」。 - 主代理拥有最终决策权：集成阶段明确写道「您是决定集成什么或不集成什么的权威」，并强制把采纳/不采纳的理由写入
claude-integration-notes.md。这既保留了外部意见的价值，又避免了被外部模型带偏。 - 用户审查卡点：在集成后暂停，提示用户可以自行编辑
claude-plan.md，确认后才继续，人始终在环内。 - 分节并行生成：解析
sections/index.md中的SECTION_MANIFEST后，在一条消息中同时启动所有分节子代理并发生成，每个分节包含背景、要求、依赖项、实施细节、验收标准复选框、涉及文件，做到单文件自包含。 - 双执行器产物：同时输出供 ralph-loop 插件使用的内嵌式提示文件，以及供 Ralphy CLI 使用的 PRD 复选框任务列表，覆盖「手动实施 / 插件自主 / 外部 CLI 自主」三条路径。
和普通工具相比，它强在两点：一是把「不确定性」前移——在研究、访谈、外部审查三个环节反复削减不确定性，而不是等到写代码时才发现问题；二是把「计划」从一次性文本变成一套可执行资产——分节文件带验收标准，可以直接作为实施单元派发出去。
如何使用该技能？
第 1 步：写一份规范文件
用 Markdown 写下你要构建的东西，技能明确说明：它可以尽可能详细或模糊。放在你希望规划文件落地的目录中，例如 规划/我的功能规范.md。
第 2 步：调用技能
/gepetto @规划/我的功能规范.md
技能会打印介绍横幅，校验输入，并输出当前 规划目录 与 模式。如果是恢复场景，还会提示「从步骤 N 恢复；要重新开始，删除规划目录文件」。
第 3 步：回答研究决策
技能会读取规范文件、提取潜在研究主题（技术、模式、集成），然后分别询问你是否需要代码库研究和网络研究（网络研究方向以多选形式呈现）。你可以两者都要、只选其一，或都不选。
第 4 步：完成访谈
技能基于「初始规范 + 研究发现」提出一系列问题。这一步请认真回答——访谈质量直接决定后续计划的具体程度。问答会被完整记录到 claude-interview.md。
第 5 步：等待规范合成与计划生成
技能自动产出 claude-spec.md（合成规范）与 claude-plan.md（实施计划）。这部分不需要你操作。
第 6 步：阅读外部审查结论
Gemini 与 Codex 的审查意见落在 reviews/ 目录中。随后技能会告诉你哪些建议被采纳、哪些被拒绝，理由记录在 claude-integration-notes.md。
第 7 步：人工审查计划
技能会暂停并提示：计划已按外部反馈更新，此时你可以自行编辑 claude-plan.md。如果需要 AI 协助修改，请在另开的会话中处理（当前会话处于工作流中）。审查完成后选择「完成审查」继续。
第 8 步：获取分节与执行文件
技能生成 sections/index.md（以 SECTION_MANIFEST 块开头）以及全部 section-NN-*.md 分节文件，最后再生成两个执行文件。
第 9 步：选择实施方式
- 选项 A（手动，推荐用于学习/控制）：先读
sections/index.md了解依赖关系，再按顺序实施每个分节，每个分节都自带验收标准。 - 选项 B（ralph-loop 插件自主）：
/ralph-loop @<planning_dir>/claude-ralph-loop-prompt.md --completion-promise "COMPLETE" --max-iterations 100
- 选项 C（Ralphy CLI 自主）：
ralphy --prd <planning_dir>/claude-ralphy-prd.md
或先 cp <planning_dir>/claude-ralphy-prd.md ./PRD.md 再直接运行 ralphy。
最终产物清单：claude-research.md、claude-interview.md、claude-spec.md、claude-plan.md、claude-integration-notes.md、reviews/、sections/、claude-ralph-loop-prompt.md、claude-ralphy-prd.md。技能本身也提醒：它会在你的规划目录写入许多 .md 文件，建议专门建目录存放。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| gepetto（智能规划专家Skill） | 多阶段规划编排器 | 研究、访谈、规范合成、计划、双 LLM 外部审查、分节拆分、双执行器产物 | 需支持斜杠命令与子代理的 AI 编程环境，并准备 .md 规范文件 |
中大型功能、老代码库改造、需要交接的复杂需求 | 优势：流程完整、断点可恢复、多方审查、产物可直接驱动自动化；不足：步骤多、耗时长，会产生大量文件 |
| AI 编程助手内置的「计划模式」 | 单轮计划生成 | 在对话中直接产出实现步骤 | 门槛最低，无需额外安装 | 小改动、思路已清晰的常规任务 | 优势：快、零成本；不足：通常不做代码库调研与第三方审查，计划深度依赖提问质量（具体能力以官方说明为准） |
| 手写 PRD / 需求文档（文档工具 + 人工评审） | 传统需求工程 | 人工撰写需求、评审会、签收 | 无技术门槛，但需要人力与会议成本 | 跨团队协作、需要正式签字确认的项目 | 优势：责任清晰、可控；不足：耗时长，缺少代码库上下文，难以自动派发为实施单元 |
| 通用对话模型直接生成方案 | 问答式规划 | 描述需求后由模型输出方案文本 | 最低，打开对话框即可 | 快速头脑风暴、早期待验证的想法 | 优势：即时、灵活；不足：无落盘结构、无状态管理、无验收标准，容易「看着像样但不能落地」 |
选择建议：如果只是改一个函数，内置计划模式足够；如果要做的是「需要多人理解、需要交接、需要后续自动执行」的功能模块，gepetto 的分节自包含设计与双执行器产物才真正体现价值。
该技能的典型应用场景与实际体验情况
场景一：中大型功能的方案评审（后端/全栈工程师）
痛点：需求从产品侧过来只有几段话，直接开写容易在中期返工，开会讨论又常常各说各话。
使用方式：写一份 功能规范.md，调用 /gepetto，勾选代码库研究与网络研究，在访谈中把边界条件、兼容性要求、性能预期说清楚。产出的 claude-plan.md 与 reviews/ 里的外部意见，可以直接作为评审会的讨论底稿。
实际体验：上手难度中等，主要难点在「访谈环节要答得具体」。效果上最明显的收益是外部审查抓出了主代理没想到的遗漏点。注意事项：Gemini 与 Codex 的审查依赖外部模型可用，若其中一个不可用，reviews/ 内容会不完整，需要自行判断。
场景二：陌生代码库的改造（新接手项目的开发者）
痛点：改动要落在自己没读过的模块里，凭猜测写计划风险极高。
使用方式：规范文件中标注涉及的目录与依赖，研究决策时选择代码库研究（Explore 子代理）。研究发现会先合并写入 claude-research.md，再进入访谈与规范合成。
实际体验：研究发现会被真正用进访谈问题里，问题会变得「懂行」，不再是通用模板式提问。注意：子代理只返回发现、不直接写文件，最终合并写入由主流程完成，因此研究报告的完整性取决于你的研究主题提取得是否精准。
场景三：需要交接或团队复用的规范化规划（技术负责人）
痛点：计划只存在于某个人的聊天记录里，交接时等于重来。
使用方式：直接把整个规划目录纳入版本管理。claude-spec.md 说清做什么、claude-plan.md 说清怎么做、sections/ 里每份分节文件自带背景、依赖、实施细节与验收标准复选框。
实际体验：这是 gepetto 最舒服的用法——「为不熟悉的读者编写」这条约束让产物天然适合交接。注意：文件数量不少，建议目录命名和归档规则先定好。
场景四：计划到自动执行的打通（想尝试自主实施的团队）
痛点：手工照着计划一步步推进，重复劳动多，进度难统一。
使用方式：规划完成后直接使用 claude-ralph-loop-prompt.md（内嵌全部分节，带完成信号 ALL-SECTIONS-COMPLETE）或 claude-ralphy-prd.md（复选框任务列表）驱动执行器。
实际体验：省去了「把计划重新翻译成执行器能读的格式」这一层人工转换。注意事项：分节之间的依赖顺序很重要，建议先读 sections/index.md 的 SECTION_MANIFEST 确认依赖关系，再决定是否全自动放行。
该技能能为用户带来的价值
1. 把「凭感觉规划」变成「有据可查的规划」
传统方式下，计划质量全凭提需求那一刻的表达和模型当次的发挥。gepetto 把规划拆成 17 个步骤，每一步都有明确的输入输出和落盘文件，计划里每一条主张背后都能追溯到研究报告、访谈记录或外部审查意见。这意味着返工率下降、评审会从「争论要不要做」变成「聚焦怎么做」。
2. 用多模型审查替代单模型自信
Gemini 与 Codex 并行审查是这套流程里性价比最高的一环。工程实践中，单一模型的自审往往只是「复述自己的思路」，而另一个模型给出的往往是完全不同的攻击角度。集成阶段强制记录采纳/拒绝理由，让分歧本身也成为资产。
3. 显著降低交接与协作门槛
claude-plan.md 与分节文件都要求「完全自包含」。这一条约束的价值在于：新同事不需要读完整的聊天历史，不需要问「当初为什么这么设计」，打开 sections/section-03-xxx.md 就能看到背景、要求、依赖、细节和验收标准。一个人做的规划，能变成团队的规划。
4. 中断成本极低，适合真实工作节奏
现实里规划很少一次做完。gepetto 的状态机扫描机制让「今天做研究、明天做访谈、后天看审查」成为常态可用，不必担心会话断了就前功尽弃，也不必手动记录「我上次做到哪一步」。
5. 打通规划与执行的最后一公里
同时输出 ralph-loop 与 Ralphy 两种格式，意味着同一份规划可以适配手动、插件自动化、外部 CLI 三条落地路径。规划不再是「写完就放着」的文档，而是流水线的输入端。
6. 把「模糊」变成流程的一部分而非障碍
技能明确说明规范文件可以「尽可能详细或模糊」。模糊的需求不会被拒绝，而是通过访谈环节被逐步显性化——这恰好符合大多数真实项目的起点状态。
常见问题 FAQ
Q1：gepetto 怎么安装？需要什么前提条件？
在支持斜杠命令、子代理任务与交互式提问的 AI 编程助手环境中，通过技能市场或官方渠道搜索 gepetto（技能ID 12425）安装，并确认 references/ 下的协议文件随技能一并落地。安装后用一个 .md 规范文件执行 /gepetto @路径/xxx.md 验证，看到 GEPETTO: AI辅助实现计划 横幅与「规划目录/模式」状态打印即为成功。具体安装命令与支持环境以官方说明为准。
Q2：为什么它不直接开始，非要我先给一个 .md 文件？
这是技能的第一道校验：没有传入以 .md 结尾的规范文件时，它会打印「GEPETTO: 需要规范文件」并停止，要求你重新调用。原因在于规划目录需要从规范文件父目录推断，同时也确保「先想清楚要做什么」先于「怎么排计划」。规范内容本身可以很模糊，不必写成完整 PRD。
Q3：这个技能收费吗？
技能本身的能力与调用方式在详情中已有完整描述，是否收费取决于你获取渠道的定价策略，以官方说明为准。需要注意的是，流程中会调用 Gemini 与 Codex 做外部审查，这部分成本取决于你所使用的外部模型服务本身。
Q4：规划跑到一半中断了怎么办？要从头开始吗？
不需要。技能会扫描规划目录中已存在的文件来判断模式与恢复点，例如「仅有研究文件 → 从步骤6访谈恢复」「已有计划 → 从步骤10外部审查恢复」「已有全部分节 → 从步骤15执行文件生成恢复」。如果你确实想推倒重来，技能提示的做法是删除规划目录中的文件。
Q5：它和直接让 AI 写一份实施计划有什么区别？我该选哪个？
直接让 AI 写计划是单轮问答，快但浅；gepetto 是六阶段流水线，慢但深，且产物带状态管理、外部审查和验收标准。判断标准很简单：这份计划是否会被第二个人读、是否需要驱动后续自动执行、是否涉及你不熟悉的代码——只要有一个答案是「是」，就值得走 gepetto；否则用内置计划模式更快。它尤其适合与文档工具、内置计划模式形成互补，而不是完全替代。