planning

Разбить задачу по программированию на структурированный план реализации с четкими шагами, идентификацией файлов и оценкой рисков.

npx skills add https://github.com/langchain-ai/deepagents --skill planning

Planning Skill

Use this skill when starting a new coding task to create a thorough implementation plan.

Steps

1. Understand the Task

  • Read the issue/task description completely
  • Identify the expected outcome and acceptance criteria
  • Note any constraints or requirements mentioned

2. Explore the Codebase

  • Find the repository root and read the project structure
  • Identify the tech stack (language, framework, test runner)
  • Read README, CONTRIBUTING, or similar docs if they exist
  • Find existing tests to understand testing patterns

3. Identify Relevant Files

  • Use grep to find code related to the task
  • Read the most relevant files (entry points, related modules)
  • Identify which files need to be modified vs. created
  • Check for existing patterns you should follow

4. Write the Plan

Use write_todos to create a structured plan:

write_todos([
    "1. <specific change in specific file>",
    "2. <next specific change>",
    "3. Write tests for <feature>",
    "4. Run test suite and fix failures",
    "5. Review all changes"
])

5. Assess Risks

  • Are there breaking changes?
  • Are there edge cases to handle?
  • Does this affect other parts of the codebase?
  • Flag anything uncertain for review

Guidelines

  • Plans should have 3-10 concrete steps
  • Each step should be specific enough to execute without further planning
  • Include test writing and test running as explicit steps
  • End with a review/verification step

Больше skills от langchain-ai

deepagents-thread-inspector
langchain-ai
Проверяйте и поясняйте беседы в локальном хранилище сессий SQLite Deep Agents Code. Используйте как запасной вариант, когда инструменты трассировки LangSmith недоступны, для…
deepagents-python-quickstart
langchain-ai
Создайте минимального локального Deep Agent на Python, следуя официальному краткому руководству, используя встроенный веб-поиск провайдера вместо Tavily. Используйте, когда пользователь хочет…
deepagents-typescript-quickstart
langchain-ai
Создайте минимального локального Deep Agent на TypeScript, следуя официальному краткому руководству, используя встроенный веб-поиск провайдера вместо Tavily. Используйте, когда пользователь…
eval-engineering
langchain-ai
Итеративно изучайте репозиторий агента и предоставленные пользователем трассировки, опрашивайте пользователя и создавайте, запускайте и проверяйте eval'ы Harbor по одному. Используйте для...
LangChain RAG Pipeline
langchain-ai
ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании ЛЮБОЙ системы генерации с дополненной выборкой (RAG). Охватывает загрузчики документов, RecursiveCharacterTextSplitter, эмбеддинги (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — устанавливаемый навык для
LangSmith Datasets
langchain-ai
ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании оценочных наборов данных из трассировки или загрузке наборов данных в LangSmith, или запросе наборов данных. Охватывает типы наборов данных (final_response,…
langsmith-evaluator
langchain-ai
ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при построении пайплайнов оценки для LangSmith. Охватывает три основных компонента: (1) Создание оценщиков — LLM-как-судья, пользовательский код; (2)…