Implementierungspläne
How PlanToCode enables confident adoption of AI coding agents through human-in-the-loop review, granular file-by-file plans, and clear handoff workflows.
Review and approve every plan before execution. File-by-file granularity keeps scope explicit and changes aligned with your requirements.
Human-in-the-Loop-Führung
PlanToCode keeps planning human-in-the-loop so you can review, edit, and decide when to hand off a plan for execution.
Plans are designed for a structured review workflow before any code modifications begin:
- Überprüfen:Pläne werden im Monaco-Editor geöffnet, wo Prüfer jede vorgeschlagene Änderung mit vollständiger Syntaxhervorhebung und professionellen Bearbeitungswerkzeugen untersuchen können.
- Bearbeiten:You can directly modify steps, adjust approaches, add constraints, or remove risky operations using VS Code editing features.
- Änderungen anfordern:Generate alternative plans or merge drafts with custom instructions to converge on the approach you want.
- Genehmigen:When you are ready, you can hand the plan off to a coding agent or developer for execution.
- Discard:If a draft isn't useful, you can delete it from the session list.
This workflow keeps execution aligned with the plan you reviewed and helps prevent surprise changes.
Datei-für-Datei-Granularität
Implementation plans use a highly granular structure that breaks down development tasks on a file-by-file basis, with exact file paths corresponding to the project's repository structure. This granularity makes scope explicit before any code is touched.
Jeder Schritt in einem Plan deklariert explizit, welche Dateien:
- Geändert (mit spezifischen Zeilenbereichen und beschriebenen Änderungen)
- Erstellt (mit vollständigen Dateipfaden und initialer Inhaltsstruktur)
- Gelöscht (mit Begründung und Abhängigkeitsanalyse)
- Referenziert (für Kontext, aber nicht geändert)
Reviewers can immediately identify if critical legacy code will be modified, if breaking changes are proposed, or if the plan touches files that require additional scrutiny.
Der Datei-für-Datei-Ansatz ermöglicht auch die präzise Übertragung genehmigter Pläne an Coding-Agenten. Anstelle vager Anweisungen wie "aktualisiere das Authentifizierungssystem" erhalten Agenten exakte Spezifikationen: "ändere src/auth/session_manager.rs Zeilen 45-67, um Token-Rotation hinzuzufügen, erstelle src/auth/token_store.rs mit folgender Struktur..."
Plan-Datenstruktur
Implementierungspläne werden als rohe LLM-Antworten mit zugehörigen Metadaten gespeichert. Der Antworttext wird genau wie generiert aufbewahrt, während strukturierte Metadaten den Plan-Kontext und die Nutzung verfolgen.
Metadatenfelder
- planTitle - Generierter oder vom Benutzer bereitgestellter Titel für den Plan
- summary - Lesbare Zusammenfassung des Plans
- sessionName - Name der Sitzung, die den Plan generiert hat
- isStructured - True for implementation_plan jobs; false for merge outputs
- isStreaming - False für abgeschlossene Pläne (true während der Generierung)
- planData - Enthält agent_instructions (optional) und steps-Array
Metadaten-Beispiel
{
"planTitle": "Authentication System Refactor",
"summary": "Implementation plan generated",
"sessionName": "my-project",
"isStructured": true,
"isStreaming": false,
"planData": {
"agent_instructions": null,
"steps": []
}
}Implementierungsplan-Struktur
XML-Format für Implementierungspläne mit Datei-für-Datei-Granularität und Metadaten.
Woher die Pläne kommen
Jeder Plan entspricht einem Hintergrundjob in der aktuellen Sitzung. Das Panel abonniert Plan-Daten, verfolgt, welcher Plan aktuell geöffnet ist, und stellt Navigation zwischen früheren und neueren Jobs bereit. Dieses Verhalten befindet sich in useImplementationPlansLogic und der umgebenden Panel-Komponente.
ImplementationPlanProcessor verarbeitet die Plan-Generierung. Er liest relevante Dateien, generiert optional einen Verzeichnisbaum basierend auf ausgewählten Stammverzeichnissen und stellt einen vereinheitlichten Prompt für das LLM zusammen.
Plan responses are stored in the background_jobs table with metadata including planTitle, summary, sessionName, and token usage. The raw LLM response is preserved for review and debugging.
Pläne werden über den LlmTaskRunner mit Echtzeit-Fortschrittsereignissen gestreamt. Token-Warnungen werden für Prompts über 100k Token protokolliert, aber die Verarbeitung wird mit vollem Inhalt fortgesetzt.
Plan-Generierungs-Pipeline
Der ImplementationPlanProcessor orchestriert die Plan-Generierung, indem er Dateiinhalte lädt, Kontext aufbaut und Ergebnisse durch den LLM-Task-Runner streamt.
Inputs: Sitzungskontext, Aufgabenbeschreibung, ausgewählte relevante Dateien, optionaler Verzeichnisbaum (konfigurierbar über include_project_structure-Flag) und Web-Such-Flag für externe Recherche.
Prompt assembly: Verwendet prompt_utils::build_unified_prompt, um Aufgabenbeschreibung, vollständige Dateiinhalte (ohne Kürzung) und Verzeichnisbaum in ein modellspezifisches Format mit geschätzten Token-Anzahlen zu kombinieren.
Output: Rohe LLM-Antwort als JobResultData::Text gespeichert. Metadaten umfassen planTitle, summary, Token-Nutzung, Cache-Statistiken und tatsächliche Kosten.
Display: Antworten werden über Fortschrittsereignisse an die UI gestreamt. Pläne werden in einem Monaco-basierten VirtualizedCodeViewer mit Syntaxhervorhebung und Kopieraktionen gerendert.
Pläne mit Monaco überprüfen
Plan-Inhalte werden durch den gemeinsamen VirtualizedCodeViewer gerendert, der den Monaco Editor umhüllt. Der Viewer erkennt automatisch gängige Sprachen, unterstützt In-Zwischenablage-Kopieren-Aktionen, virtualisiert sehr große Pläne und bietet optionale Metriken wie Zeichenanzahlen und syntaxbewusste Hervorhebung.
Wenn ein Plan geöffnet wird, löst das Panel den aktiven Plan nach Job-Bezeichner auf, übergibt den Inhalt an Monaco und lässt Prüfer zwischen benachbarten Jobs wechseln, ohne das aktuell geöffnete Modal zu verlieren.
Kontext und Metadaten für Unternehmensführung
Das Panel speichert, welche Repository-Stammverzeichnisse während des Dateisuche-Workflows ausgewählt wurden, sodass Folgeaktionen denselben Umfang wiederverwenden. Es zeichnet auch planspezifische Metadaten auf, wie das Projektverzeichnis und vorbereitete Prompt-Inhalte, sodass nachgelagerte Prompts generiert oder kopiert werden können, ohne den Workflow neu zu berechnen.
Die Token-Schätzung wird vor dem Kopieren von Prompts ausgeführt. Das Panel ruft den Token-Schätzungsbefehl mit dem Projektverzeichnis, ausgewählten Dateien und dem aktuell gewählten Modell auf und zeigt sowohl System- als auch Benutzer-Prompt-Summen an, damit Teams unter den Modell-Limits bleiben können.
Plan metadata persists with each job so you can review which inputs were used (task description, selected roots/files, model settings) and compare drafts later.
Arbeiten mit mehreren Plänen
Plans can be merged, deleted, or reopened later. The panel keeps a list of selected plan identifiers, manages a dedicated modal for terminal output tied to a plan, and exposes navigation helpers so reviewers can page through earlier plans without closing the viewer. Terminal access, prompt copy controls, and merge instructions all share the same job identifier so plan history stays consistent.
Bereit, KI-Coding-Agenten sicher einzusetzen?
Human-in-the-Loop-Implementierungspläne sind in der PlanToCode-Desktop-Anwendung verfügbar. Laden Sie den Build für Ihre Plattform herunter, um sichere, kontrollierte KI-gestützte Entwicklung zu erleben.