PlanToCodeImplementierungspläne prüfen und zusammenführen
PlanToCode verwandelt Aufgaben in strukturierte Implementierungspläne, die Sie vor jedem Agentenlauf lesen, vergleichen und bearbeiten können. Erstellen Sie mehrere Entwürfe, mergen Sie den besten Ansatz und geben Sie an Claude Code oder Ihr Terminal mit vollem Kontext weiter.
Diese Seite ist die Frontpage des PlanToCode-Repos. Von hier aus gelangen Sie zu Code, Docs und Architektur.
Plan-First-Workflow Überblick
Ein kurzer Walkthrough von der Aufgabenaufnahme bis zur Planprüfung, Merge-Instructions und Execution Handoff.
- Mehrere Planentwürfe mit demselben Dateikontext ausführen
- Beste Ideen mit klaren Instructions mergen
- Pläne am Desktop oder mobil prüfen und bearbeiten
- An Claude Code oder ein lokales Terminal mit Logs übergeben
Plan-Review vor der Ausführung
Plans are artifacts you can review, edit, and approve before any agent runs. Logs and history keep changes traceable.
Datei-für-Datei-Pläne mit exakten Pfaden
Implementierungspläne zerlegen Änderungen nach Datei und Operation, sodass der Umfang klar ist.
Review, Edit, Approve
Pläne können am Desktop oder mobil überarbeitet und genehmigt werden. Jede Revision bleibt erhalten.
Execution Handoff
Genehmigte Pläne werden an Terminals oder Agent-CLIs mit vollem Kontext und Audit-Logs übergeben.
Plan-Review-Workflow in der App
See how file discovery, multi-model planning, merge instructions, and execution handoff keep agent work transparent and traceable.
Plan-First-Workflow Überblick
Ein kurzer Walkthrough von der Aufgabenaufnahme bis zur Planprüfung, Merge-Instructions und Execution Handoff.
- ✓Mehrere Planentwürfe mit demselben Dateikontext ausführen
- ✓Beste Ideen mit klaren Instructions mergen
- ✓Pläne am Desktop oder mobil prüfen und bearbeiten
- ✓An Claude Code oder ein lokales Terminal mit Logs übergeben
Multi-Modell-Plangenerierung
ImplementationPlanProcessor streamt Planentwürfe aus vollständigen Dateiinhalten; Merge-Jobs konsolidieren mehrere Entwürfe zu einem Plan.
- ✓Plan-Jobs enthalten ausgewählte Dateiinhalte + Verzeichnisbaum
- ✓Strukturierte Plan-Metadaten pro Job erfasst
- ✓Merge-Prompt verwendet <source_plans> und <user_instructions>
- ✓Endgültiger Plan zusammen mit Quellentwürfen gespeichert
Plan-Merge-Anweisungen
ImplementationPlanMergeProcessor führt mehrere Planentwürfe mit XML-getaggten Quellplänen und optionalen Anweisungen zusammen.
- ✓Quellpläne per Job-ID abgerufen
- ✓Merge-Anweisungen in Metadaten gespeichert
- ✓Dateiinhalte + Verzeichnisbaum fügen Kontext hinzu
- ✓Zusammengeführter Plan zusammen mit Eingaben gespeichert
Workflow-Automatisierungs-Buttons
Kopier-Buttons fügen vorlagenbasierte Prompts mit Aufgabenkontext für die Übergabe an Terminals oder externe Tools ein.
- ✓Vorlagen aus der Aufgaben-Modell-Konfiguration bezogen
- ✓Platzhalter gegen den aktiven Plan aufgelöst
- ✓Übergabe an PTY-Sitzungen oder Zwischenablage
- ✓Aktionen mit Job-Metadaten für Audit verknüpft
Dateierkennungs-Pipeline
Ein vierstufiger Rust-Workflow: LLM-unterstützte Stammverzeichnisauswahl, Regex-Filterung, Relevanzbewertung und erweiterte Pfadsuche zur Erstellung eines fokussierten Dateisatzes.
- ✓Stammordnerauswahl verwendet den Verzeichnisbaum und die Aufgabenbeschreibung
- ✓Regex-Filter generiert Mustergruppen und wendet git ls-files an
- ✓Relevanzbewertung teilt Dateiinhalte mit Token-Schätzungen
- ✓Erweiterter Pfadfinder erweitert den Kontext mit Datei- und Baumdaten
Plan history and logs
Jede Workflow-Phase schreibt Ergebnisse in background_jobs, sodass Dateisätze sitzungsübergreifend wiederverwendet und später überprüft werden können.
- ✓Workflow-Phasen als Job-Einträge gespeichert
- ✓Ausgewählte Dateilisten als JSON-Antworten persistiert
- ✓Sitzungs-included_files werden über Jobs hinweg wiederverwendet
- ✓SQLite-Verlauf überlebt Neustarts
Prompt- und Modellkonfiguration
Laufzeit-Modelleinstellungen werden von `/api/config/desktop-runtime-config` abgerufen; Prompt-Überschreibungen werden in SQLite gespeichert.
- ✓Pro-Aufgabe erlaubte Modelle und Standardwerte
- ✓System-Prompts von der Server-API bereitgestellt
- ✓Projektebene Prompt-Überschreibungen in project_system_prompts
- ✓Lokaler key_value_store für Laufzeiteinstellungen
Hintergrund-Job-Überwachung
Rust-Job-Prozessoren streamen Fortschritt und Statusübergänge an die UI, während die Job-Historie in SQLite persistiert wird.
- ✓Created, queued, preparing, running, completed/failed/canceled
- ✓Streaming-Updates über Tauri-Events
- ✓Token-Nutzung pro Durchlauf erfasst
- ✓Lang laufende Jobs abbrechen
Optional screen recording analysis
Screen recordings can be sent to the /api/llm/video/analyze endpoint with a focus prompt and FPS hint to generate analysis summaries.
- ✓Multipart upload includes durationMs and framerate
- ✓Model format is provider/model (google/* required)
- ✓Usage and cost recorded per job
- ✓Summary stored in background_jobs response and can be applied to the task description
Nutzungs- und Kostenprotokoll
Serverseitige Nutzungseinträge und Job-Metadaten erfassen die Modellnutzung über Anbieter hinweg.
- ✓Pro-Job Token- und Kosten-Metadaten
- ✓Anbieterabhängige Nutzungseinträge
- ✓Abrechnungsendpunkte zeigen Nutzungszusammenfassungen
- ✓Usage history for model spend
Bereit, Pläne vor dem Agentenlauf zu prüfen?
Laden Sie die Desktop-App herunter, um Multi-Model-Planung, Plan-Merge und Execution Handoff auszuprobieren.
Transparenz und Kontrolle
System-Prompts, Source Code und Self-Hosting sind sichtbar und dokumentiert.
System-Prompts zum Nachlesen
Default-Prompts liegen im Repo und in der Server-Datenbank, damit Sie sie prüfen und bearbeiten können.
Prompt-Typen Docs ->Source available (BSL 1.1)
Das gesamte System ist auf GitHub unter der Business Source License verfügbar, damit Sie die Architektur auditieren können.
GitHub Repo ansehen ->Self-Hosting und BYOK
Betreiben Sie den Server selbst, um Provider-Routing zu kontrollieren und eigene API-Keys zu nutzen.
Server-Setup-Leitfaden ->Häufig gestellte Fragen
Alles, was Sie über PlanToCode wissen müssen