Skip to content

Відкрита методологія · MIT · Незалежно від агента

Моделі важливі. Контекст важливіший.

Deep Work Plan перетворює будь-який репозиторій на структуроване середовище — контекст, запобіжники та стійкий план — де будь-який агент програмування виконує роботу з точністю та доводить тривалі завдання до кінця.

Передайте це своєму агенту

Прочитай і виконай інструкції за адресою https://deepworkplan.com/init.md, щоб зробити цей репозиторій AI-first.

Deep Work Plan — це spec-driven розробка, у якій сам репозиторій стає harness.

Переглянути повний промт /init Читати методологію Читати специфікацію →

Проблема й відповідь

AI-агенти програмування напрочуд ефективні в коротких ривках. На тривалій роботі — міграції, новій підсистемі, рефакторингу в десятках файлів — вони збиваються з курсу: контекст переповнюється, рішення забуваються, а багатогодинні завдання покидають на півдорозі.

Deep Work Plan відповідає на це spec-driven розробкою: план є стійким джерелом істини, а агенти виконують роботу за чіткими критеріями приймання та валідаційними gate. Дрейф спадає, робота лишається перевірюваною, і будь-який агент може відновити її між сесіями.

Це також harness-інженерія, зроблена портативною. Harness агента — це риштування навколо моделі (контекст, інструменти, керувальний цикл, запобіжники, відновлюваний стан), що робить її надійною. Deep Work Plan встановлює цей harness у сам репозиторій (AGENTS.md, docs, домівку скілів .agents/, скіл DWP), щоб будь-який агент міг пілотувати будь-який репозиторій. Народжений у Dailybot, місяцями випробуваний у бою та випущений як DailybotHQ/deepworkplan-skill.

Онбординг на основі міркувань

Спрямуйте його на будь-який репозиторій. Він міркує — а не копіює та вставляє.

Процес онбордингу перевіряє реальні мови, фреймворки, менеджер пакетів і команди валідації вашого репозиторію, а потім генерує артефакти, пристосовані до цього репозиторію. Загальна заготовка вважається невдачею.

  1. 01

    Міркує про ваш стек та архетип

    Читає маніфести, структуру каталогів та CI, щоб вивести реальні команди тестування, лінтингу та збірки, після чого класифікує репозиторій як окремий репозиторій або як хаб-оркестратор.

  2. 02

    Генерує AGENTS.md, docs/ та документацію кожного модуля

    Обґрунтований AGENTS.md, упорядкована за категоріями ієрархія docs/, а також README та docs/ усередині кожного великого модуля — заповнені реальними командами вашого репозиторію, а не заготовками.

  3. 03

    Створює .agents/ із символьним посиланням .claude на .agents

    Міжагентний каталог .agents/ (скіли, агенти, команди) та символьне посилання .claude на .agents, що віддзеркалює CLAUDE.md у AGENTS.md, аби кожен інструмент читав одне джерело істини.

  4. 04

    Встановлює скіл DWP і створює .dwp/

    Підключає скіл Deep Work Plan і створює каталог .dwp/ у gitignore для планів та чернеток, а потім за бажанням додає опціональні addon, як-от підтримку devcontainer.

Що відбувається, коли ви це запускаєте

Одна інструкція. Решту робить репозиторій.

Ви не обираєте спосіб встановлення й не копіюєте шаблон. Ви передаєте агенту один рядок; він встановлює скіл — багаторазовий рушій — і пристосовує до нього ваш репозиторій.

  1. 01

    Ваш агент відкриває /init.md

    Він читає промт онбордингу за адресою deepworkplan.com/init.md, а також методологію, специфікацію та набір, на які той посилається — стандарт, який він збирається прийняти.

  2. 02

    Він встановлює скіл Deep Work Plan

    Скіл — це рушій, однаковий у кожному репозиторії. Одна команда підтягує маршрутизатор та його суб-скіли (create, execute, refine, resume, status, verify, onboard, author) для Claude Code, Cursor, Codex, Gemini та Copilot.

  3. 03

    Він пристосовує ваш репозиторій

    Міркуючи про ваш реальний стек — ніколи не копіюючи та не вставляючи — він пише AGENTS.md, упорядковане дерево docs/, README кожного модуля, обґрунтований набір .agents/ та .dwp/ у gitignore. Ваш репозиторій стає harness.

  4. 04

    Ви плануєте та виконуєте

    Генеруйте тривалі Deep Work Plan для будь-якого завдання та виконуйте їх крок за кроком — із чіткими критеріями приймання, валідаційними gate та відновлюваним станом — автономно, годинами.

Скіл встановлюється всюди однаково; пристосовується саме ваш репозиторій — AGENTS.md, документація та обґрунтований набір .agents/, згенеровані під ваш стек. Саме цей поділ робить методологію багаторазовим стандартом, а не разовою заготовкою.

Що ви отримуєте

Усе, що потрібно вашому агенту для автономної роботи.

Один запуск, зафіксований атомарно. Кожен результат — це Markdown, а кожна зміна піддається аудиту.

  • AGENTS.md у корені репозиторію

    Обґрунтований на основі реального стеку, команд і структури вашого репозиторію — а не шаблон із заготовками. CLAUDE.md символьно посилається на AGENTS.md.

  • Упорядкований docs/ та документація кожного модуля

    Архітектура, налаштування, стандарти та усунення несправностей — плюс README і docs/ усередині кожного великого модуля, згенеровані з вашої кодової бази.

  • .agents/ із символьним посиланням .claude на .agents

    Міжагентний каталог .agents/ (скіли, агенти, команди) із символьним посиланням .claude на .agents, аби кожен інструмент читав одне джерело істини.

  • Встановлений скіл Deep Work Plan

    create, execute, refine, resume, status, verify, onboard та author — доступні вашому агенту як єдиний пакет скілів, без копії для кожного репозиторію.

  • Відповідність, яку можна перевірити

    /dwp-verify формує обʼєктивний звіт «пройдено/не пройдено» за специфікацією, тож «AI-first» є перевіреним, а не просто заявленим — і його можна перевірити заново після кожного плану.

  • Два архетипи, опрацьовані

    Онбординг класифікує ваш репозиторій як окремий репозиторій (типовий випадок) або як хаб-оркестратор, що координує дочірні плани в межах багатьох репозиторіїв.

  • Живий набір, що зростає разом із репозиторієм

    Суб-скіл author (skill-create, agent-create) дає змогу репозиторію розвивати власні скіли, агенти та команди; опціональні addon обслуговування, як-от dependency-upgrade, допомагають йому підтримувати себе в актуальному стані.

  • Git-нативний, відновлюваний, .dwp/

    Без демона та без зовнішнього стану. Плани й чернетки потрапляють у каталог .dwp/ у gitignore, і будь-яке завдання відновлюється виключно з git — навіть після переповнення контексту.

Агенти

Працює з агентом, яким ви вже користуєтеся.

Одна методологія, багато адаптерів. Markdown не привʼязує фреймворк ні до чого — будь-який агент, що читає Markdown, може запустити Deep Work Plan.

Claude Code

Повна

Еталонна реалізація, з нативними WebFetch та slash-командами.

Cursor

Повна

Повний адаптер. Скористайтеся офлайн-набором, якщо WebFetch обмежено.

OpenAI Codex

Повна

Рекомендовано офлайн-набір; правила встановлюються в .codex/.

GitHub Copilot

Повна

Повний адаптер — команди dwp-* виконуються через AGENTS.md та процедури #.

Gemini

Повна

Потрібен Gemini 2.5 Pro або новіший, із нативним WebFetch.

OpenCode

Повна

Відкритий код. Нативно читає AGENTS.md і запускає dwp-* через команди #.

Windsurf

Повна

Правила та процедури команд # керують повним циклом Deep Work Plan.

Cline

Повна

Відкритий код. Правила Markdown та команди # виконують кожен крок dwp-*.

Antigravity

Повна

Повний адаптер із нативним набором команд.

Переглянути всіх агентів →

Стеки

Пресети-міркування для стеків, що мають значення.

Це допоміжні засоби для міркування, а не шаблони. Онбординг читає реальні маніфести вашого репозиторію та пристосовується до кожного стеку — він ніколи не копіює пресет наосліп. Монорепозиторії отримують документацію кожного модуля.

  • 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 Будь-який стек
Переглянути всі пресети →

Два архетипи

Окремий репозиторій або хаб-оркестратор.

Онбординг розгалужується за архетипом. Більшість репозиторіїв — це окремі репозиторії. Хаб координує дочірні Deep Work Plan у межах багатьох репозиторіїв. Методологія опрацьовує обидва як повноцінні.

Типовий випадок

Окремий репозиторій

Єдина кодова база з одним основним стеком, власними командами валідації та документацією кожного модуля. Варіант за замовчуванням — онбординг припускає його, доки репозиторій не виявиться явно хабом.

Наприклад, Django API, застосунок на Vue або сервіс TypeScript Lambda.

Координація

Хаб-оркестратор

Координаційний репозиторій, що оркеструє роботу між суб-репозиторіями через маніфест оркестратора, породжуючи дочірні плани, кожен з яких фіксується у власному репозиторії, плюс правила меж та навігаційний індекс.

Наприклад, хаб, що координує пʼять продуктових репозиторіїв.

Методологія проти інструмента

Інший рівень. Доповнює, а не конкурує.

Deep Work Plan — не черговий генератор заготовок. Це рівень методології під будь-яким spec-driven або генерувальним інструментом, зосереджений на багатогодинних автономних запусках.

Методологія проти інструмента Deep Work Plan Інструменти заготовок / специфікацій
Основний фокус Багатогодинне автономне виконання Генерація специфікації чи заготовки
Одиниця роботи Deep Work Plan (відновлювана сесія) Документ специфікації або заготовка
Модель стану Git-нативний каталог .dwp/, відновлюваний Часто зовнішня або в межах IDE
Привʼязка до агента Незалежно від агента (Markdown та Bash) Часто привʼязано до інструмента чи IDE
Відновлення контексту Відновлюється після переповнення контексту Зазвичай перезапускає завдання
Ліцензія MIT, відкрита методологія та набір Залежить

Походження

Створено в Dailybot — компанії, що стоїть за асинхронними стендапами для розподілених команд. Усередині ми використовували Deep Work Plan, щоб зробити продакшн-репозиторії, які охоплюють Django, Vue, TypeScript Lambda та Astro, пілотовними агентами. Після місяців використання в продакшні ми відкрили методологію під ліцензією MIT.

— Інженерна команда Dailybot
Дізнатися про Dailybot

Зробіть свій репозиторій AI-first

Дайте своїм агентам глибоку роботу.

Передайте агенту один рядок — спрямуйте його на /init.md — і він зробить ваш репозиторій AI-first: встановить скіл, поміркує про ваш стек і зафіксує повну ієрархію AGENTS.md. Далі ви створюєте й виконуєте Deep Work Plan, що працюють автономно годинами.

Відкрити промт /init Читати методологію

Під ліцензією MIT · нуль телеметрії · виводить у каталог .dwp/ у gitignore.