Skip to content

Открытая методология · MIT · Независимость от агента

Модели важны. Контекст важнее.

Deep Work Plan превращает любой репозиторий в структурированную среду — контекст, ограничители и долговечный план, — где любой агент разработки выполняет работу точно и доводит до конца долгосрочные задачи.

Передайте это своему агенту

Прочитайте и выполните инструкции по адресу https://deepworkplan.com/init.md, чтобы сделать этот репозиторий AI-first.

Deep Work Plan — это spec-driven-разработка, в которой сам репозиторий становится harness.

Посмотреть полный промпт /init Читать методологию Читать спецификацию →

Проблема и ответ на неё

ИИ-агенты разработки удивительно эффективны на коротких отрезках. На долгосрочной работе — миграция, новая подсистема, рефакторинг по десяткам файлов — они теряют курс: контекст переполняется, решения забываются, а многочасовые задачи бросаются на полпути.

Deep Work Plan отвечает на это spec-driven-разработкой: план — это долговечный источник истины, а агенты выполняют работу по явным критериям приёмки и проходят через validation gates. Отклонение от курса сокращается, работа остаётся проверяемой, и любой агент может возобновить её между сессиями.

Это также harness-инженерия, ставшая переносимой. Harness агента — это обвязка вокруг модели (контекст, инструменты, цикл управления, ограничители, возобновляемое состояние), которая делает её надёжной. Deep Work Plan устанавливает этот harness в сам репозиторий (AGENTS.md, документация, дом для навыков .agents/, навык DWP), так что любой агент может пилотировать любой репозиторий. Создан в Dailybot, отточен в боевых условиях за месяцы и выпущен как DailybotHQ/deepworkplan-skill.

Онбординг на основе рассуждений

Направьте его на любой репозиторий. Он рассуждает — он не копирует.

Процесс онбординга изучает реальные языки, фреймворки, менеджер пакетов и команды валидации вашего репозитория, а затем создаёт артефакты, адаптированные под этот репозиторий. Универсальная заглушка считается провалом.

  1. 01

    Рассуждает о вашем стеке и архетипе

    Читает манифесты, структуру папок и CI, чтобы вывести реальные команды тестирования, линтинга и сборки, а затем классифицирует репозиторий как отдельный репозиторий или как хаб-оркестратор.

  2. 02

    Создаёт AGENTS.md, docs/ и документацию по модулям

    Осмысленный AGENTS.md, упорядоченная по категориям иерархия docs/, а также README и docs/ внутри каждого крупного модуля — заполненные реальными командами вашего репозитория, а не заглушками.

  3. 03

    Разворачивает .agents/ с символьной ссылкой .claude на .agents

    Межагентный каталог .agents/ (навыки, агенты, команды) и символьная ссылка .claude на .agents, отражающая CLAUDE.md на AGENTS.md, чтобы каждый инструмент читал единый источник истины.

  4. 04

    Устанавливает навык DWP и разворачивает .dwp/

    Подключает навык Deep Work Plan и создаёт игнорируемую git-ом папку .dwp/ для планов и черновиков, после чего по желанию добавляет опциональные дополнения, например поддержку devcontainer.

Что происходит при запуске

Одна инструкция. Остальное делает репозиторий.

Вы не выбираете способ установки и не копируете шаблон. Вы передаёте своему агенту одну строку; он устанавливает навык — переиспользуемый движок — и адаптирует под него ваш репозиторий.

  1. 01

    Ваш агент открывает /init.md

    Он читает промпт онбординга на deepworkplan.com/init.md, а также методологию, спецификацию и набор, на которые тот ссылается, — стандарт, который ему предстоит принять.

  2. 02

    Он устанавливает навык Deep Work Plan

    Навык — это движок, одинаковый в каждом репозитории. Одна команда подтягивает маршрутизатор и его под-навыки (create, execute, refine, resume, status, verify, onboard, author) для Claude Code, Cursor, Codex, Gemini и Copilot.

  3. 03

    Он адаптирует ваш репозиторий

    Рассуждая о вашем реальном стеке — никогда не копируя, — он пишет AGENTS.md, упорядоченное по категориям дерево docs/, README по модулям, осмысленный набор .agents/ и игнорируемую git-ом .dwp/. Ваш репозиторий становится harness.

  4. 04

    Вы планируете и выполняете

    Создавайте долгосрочные Deep Work Plan для любой задачи и выполняйте их шаг за шагом — с явными критериями приёмки, validation gates и возобновляемым состоянием — автономно, на протяжении часов.

Навык устанавливается везде одинаково; адаптируется именно ваш репозиторий — AGENTS.md, документация и осмысленный набор .agents/, созданные под ваш стек. Именно это разделение и делает методологию переиспользуемым стандартом, а не одноразовой обвязкой.

Что вы получаете

Всё, что нужно вашему агенту для автономной работы.

Один запуск, атомарно зафиксированный в коммитах. Каждый результат — это Markdown, и каждое изменение поддаётся аудиту.

  • AGENTS.md в корне репозитория

    Осмыслен на основе реального стека, команд и структуры вашего репозитория, а не шаблон с заглушками. CLAUDE.md связан символьной ссылкой с AGENTS.md.

  • Упорядоченная docs/ и документация по модулям

    Архитектура, настройка, стандарты и устранение неполадок — плюс README и docs/ внутри каждого крупного модуля, созданные из вашей кодовой базы.

  • .agents/ с символьной ссылкой .claude на .agents

    Межагентный каталог .agents/ (навыки, агенты, команды) с символьной ссылкой .claude на .agents, чтобы каждый инструмент читал единый источник истины.

  • Установленный навык Deep Work Plan

    create, execute, refine, resume, status, verify, onboard и author — доступны вашему агенту как единый пакет навыков, без копирования в каждый репозиторий.

  • Соответствие, которое можно проверить

    /dwp-verify формирует объективный отчёт «прошёл/не прошёл» относительно спецификации, так что «AI-first» — это проверенный факт, а не утверждение, и его можно перепроверить после каждого плана.

  • Два архетипа, оба учтены

    Онбординг классифицирует ваш репозиторий как отдельный репозиторий (частый случай) или как хаб-оркестратор, координирующий дочерние планы по нескольким репозиториям.

  • Живой набор, который растит ваш репозиторий

    Под-навык author (skill-create, agent-create) позволяет репозиторию развивать собственные навыки, агентов и команды; опциональные дополнения для сопровождения, например dependency-upgrade, помогают ему поддерживать себя в актуальном состоянии.

  • Git-нативный, возобновляемый, .dwp/

    Ни демона, ни внешнего состояния. Планы и черновики попадают в игнорируемую git-ом папку .dwp/, и любая задача возобновляется из одного лишь git — даже после переполнения контекста.

Агенты

Работает с агентом, которым вы уже пользуетесь.

Одна методология, множество адаптеров. Markdown не привязывает фреймворк ни к чему — любой агент, читающий Markdown, может выполнить Deep Work Plan.

Claude Code

Полная

Эталонная реализация с нативными WebFetch и слеш-командами.

Cursor

Полная

Полный адаптер. Используйте офлайн-сборку, если WebFetch ограничен.

OpenAI Codex

Полная

Рекомендуется офлайн-сборка; правила устанавливаются в .codex/.

GitHub Copilot

Полная

Полный адаптер — команды dwp-* запускаются через AGENTS.md и процедуры #.

Gemini

Полная

Требуется Gemini 2.5 Pro или новее, с нативным WebFetch.

OpenCode

Полная

Открытый исходный код. Нативно читает AGENTS.md и запускает dwp-* через # команды.

Windsurf

Полная

Правила и процедуры # команд обеспечивают полный цикл Deep Work Plan.

Cline

Полная

Открытый исходный код. Правила Markdown и # команды выполняют каждый шаг dwp-*.

Antigravity

Полная

Полный адаптер с нативным набором команд.

Посмотреть все агенты →

Стеки

Пресеты-рассуждения для значимых стеков.

Это вспомогательные средства для рассуждений, а не шаблоны. Онбординг читает реальные манифесты вашего репозитория и адаптируется под каждый стек — он никогда не копирует пресет вслепую. Монорепозитории получают документацию по модулям.

  • Django DRF · Poetry
  • FastAPI Pydantic · Poetry
  • Vue Vite · TypeScript
  • React Next · Vite · TS
  • Astro Svelte/React · MDX
  • TypeScript · Node Express · Fastify
  • TypeScript · Lambda Serverless · SAM
  • Go Modules · stdlib
  • Rust Cargo · 2021+
  • Generic Любой стек
Посмотреть все пресеты →

Два архетипа

Отдельный репозиторий или хаб-оркестратор.

Онбординг ветвится по архетипу. Большинство репозиториев — отдельные репозитории. Хаб координирует дочерние Deep Work Plan по множеству репозиториев. Методология полноценно поддерживает оба варианта.

Частый случай

Отдельный репозиторий

Единая кодовая база с одним основным стеком, собственными командами валидации и документацией по модулям. Вариант по умолчанию — онбординг исходит из него, если репозиторий явно не является хабом.

Например, API на Django, приложение на Vue или сервис TypeScript Lambda.

Координация

Хаб-оркестратор

Координирующий репозиторий, который оркеструет работу по суб-репозиториям через манифест оркестратора, порождая дочерние планы, каждый из которых фиксируется коммитами в своём репозитории, а также правила границ и навигационный индекс.

Например, хаб, координирующий пять продуктовых репозиториев.

Методология против инструмента

Иной уровень. Дополняет, а не конкурирует.

Deep Work Plan — не очередной генератор обвязки. Это уровень методологии под любым spec-driven-инструментом или генератором обвязки, ориентированный на многочасовые автономные запуски.

Методология против инструмента Deep Work Plan Инструменты обвязки / спецификаций
Основной фокус Многочасовое автономное выполнение Создание спецификации или обвязки
Единица работы Deep Work Plan (возобновляемая сессия) Документ спецификации или обвязка
Модель состояния Git-нативная папка .dwp/, возобновляемая Часто внешняя или внутри IDE
Привязка к агенту Независимость от агента (Markdown и Bash) Часто привязка к инструменту или IDE
Восстановление контекста Возобновляется после переполнения контекста Обычно перезапускает задачу
Лицензия MIT, открытая методология и набор По-разному

Происхождение

Создано в Dailybot — компании, стоящей за асинхронными стендапами для распределённых команд. Внутри мы использовали Deep Work Plan, чтобы сделать пилотируемыми агентами продакшен-репозитории на Django, Vue, TypeScript Lambda и Astro. После месяцев промышленного использования мы открыли методологию под лицензией MIT.

— Инженерная команда Dailybot
Узнать о Dailybot

Сделайте свой репозиторий AI-first

Дайте своим агентам глубокую работу.

Передайте своему агенту одну строку — направьте его на /init.md — и он сделает ваш репозиторий AI-first: установит навык, рассудит о вашем стеке и зафиксирует коммитами полную иерархию AGENTS.md. Отсюда вы создаёте и выполняете Deep Work Plan, которые работают автономно часами.

Открыть промпт /init Читать методологию

Лицензия MIT · ноль телеметрии · вывод в игнорируемую git-ом папку .dwp/.